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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。