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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。