Exagrid、owncloud与Simplivity三方均表示已经成功实现逆境发展
醒醒,闻闻咖啡的香气,苦难与绝望终将过去。
面对此前六家存储厂商进行裁员的状况,另外三家存储初创企业则表现得非常乐观。Exagrid、owncloud以及Simplivity目前均表示市场需要由其推出的出色产品。醒醒吧,各位竞争对手,对抗还未最终结束。
Actifio、Atlantis、Coho Data、DataGravity、Panasas以及Tegile最近都进行了员工裁撤。
相比之下,Exagrid则迎来了理想的营收业绩:
ExaGrid公司CEO兼总裁Bill Andrews告诉我们:“我们意识到eVault(目前已经为Carbonite所收购)裁撤了其大部分现场销售人员,而我们则将这部分人才纳为己用。”
除此之外,EMC以及其它四家未透露身份的存储厂商都在着手进行裁员。
Bill指出:“我们是惟一一家营收超过5000万美元,同比营收增幅超过30%且目前仍持有现金余量的存储供应商。其它部分厂商营收增幅在20%以上,或者虽然增幅超过30%但现金余量已为负值。另外,手握现金余量的供应商在营收增幅方面往往不足10%。”
以下图表直观展示了他给出的评论意见。
而最令人印象深刻的是,目前具备重复数据删除功能的备份产品线已经不再是什么新兴事物,亦无法充当有力的营收推动因素; 相关实例可参见EMC的Data Domain以及昆腾的DXi。然而,ExaGrid公司每年却能够利用这座同样的矿井开采出更多宝贵收益。
ownCloud公司是一家开源文件同步与共享方案厂商,其业务重点在于为移动设备用户提供通用型文件访问机制。该公司告诉我们,自2014年到2015年其营收总额增长100%,而2015年年内的产品预订总额达到800万美元。
2014年,其软件代码下载次数为360万次,而到2015年这一数字则迅速增长至870万次。目前相当一部分全球三百强企业已经成为其客户。
ownCloud公司告诉我们,其2014年拥有200万免费客户与50万付费客户,二者合计达250万之巨。去年其免费客户数量增长至650万,而订阅客户则达到1150万,合计1800万,较2014年增长540%。
ownCloud公司联合创始人兼CEO Markus Rex表示,2016年虽然刚刚开始,但目前已经有迹象表明其发展势头仍然强劲,这也意味着ownCloud在量级上已经可与Dropbox/Box相比肩。
不过开源厂商是否拥有发展前景目前仍然存在激烈讨论,而且ownCloud公司的融资历史也有些寒酸——自2011年建立以来其融资总额仅为962万美元。很多初创企业甚至在种子轮融资开始前就持有更为可观的资金储备。
作为一家HCIA方案供应商,SimpliVity在2015年年内实现两倍于上年的订单总额度。该公司亦成功实现高达250%的客户数量增长。2015年第四季度,有30%订单金额源自现有客户; 换言之也就是在重复订购之外,其客户规模亦实现迅猛提升。
SimpliVity公司CEO Doron Kempel表示,其新客户包括北美地区三大电信厂商中的两家,五大石油与天然气企业中的一家、五大全球娱乐企业中的一家,外加全球五大奢侈品牌之一。其营收总额中有半数来自美国之外的市场。
另外其活跃渠道合作伙伴数量同比增长亦接近200%,另外更多新的分销商也加入进来,具体范畴涵盖欧洲、亚洲、美国与加拿大、澳大利亚以及新西兰。
SimpliVity公司目前拥有750名员工,新员工主要就职于慕尼黑、西雅图、黄柏以及罗利等城市。
Kempel充满自信地表示:“2015年年内SimpliVity超融合型基础设施方案的市场需求迎来激增。”
这种势头当然必须被保持下去,特别是考虑到VMware日前宣称将在VSAN 6.2版本当中添加重复数据删除、压缩以及擦除编码等新功能。
而Doron则不假思索地宣称:“随着2016年年内超融合型基础设施逐步成为主流,我们强大的客户群体、独家合作伙伴以及卓越的技术基础将令SimpliVity公司在市场上拥有完善的优势地位。”
这意味着Nutanix与VMware的VSAN都需要为SimliVity的发展让路。市场决定一切,就让时间检验SimpliVity的豪言能否成为现实。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。