
BTIG公司分析师参加了本届于6月27号星期四在纽约召开的Pure Storage Live大会(这是一场由客户与合作伙伴参与的活动),并表示这家初创企业将成为真正的新势力,而不会像其它年轻存储厂商一样遭遇必然降临的恶运。
他们指出:"如今市场开始基于怀疑情绪而对各存储初创企业的未来持续发展能力加以认真审视;有观点担心Pure公司的早期领导地位可能会逐渐丧失,其产品可能被其它方案所替代,另外业务增长亦缺乏可靠的运营杠杆转化能力。"
但分析师们也认为投资方市场的想法并无道理:"我们坚信该公司将在今年继续保持60%的同比业务增长,而接下来的季度甚至会实现更为迅猛的发展势头。随着业务增长的继续,运营亏损将逐渐降低,投资方则会拿出更多时间与Pure公司的客户进行交流,我们预计这将改变他们的固有观点。"
BTIG方面认为,Pure公司拥有"一款差异化产品,其巩固了全新的商业销售模式,即将客户忠诚度及满意度与一流技术成果加以结合。"
可持续发展动力
可持续商业模式代表产品拥有固定的维护费用、每三年进行控制器升级以及不存在许可复杂性的软件选项。
"升级相对顺畅,而且不会带来任何痛苦的迁移过程以及叉车式升级机制。"分析师们强调称,"从长远角度看各类计费模式本身并没有太多区别,事实上我们发现业界正在越来越多地复制Pure的业务实现手段。"
不过凭借着可扩展且可模块化升级的产品,外加基于"买家需求"以及"按使用量计费"的定价模式,客户明显非常欢迎Pure的解决方案。该公司最近还添加了合理的细化与容量合并选项,这将使其可持续发展拥有更为广泛的施展空间。
Pure公司总裁Dave Hatfield在会上向参加者们表示,其第三条产品线正在开发当中(除现有FlashArray与开发中的FlashBlade之外),且指向目标不再局限于存储基础设施。这是否意味着其将向计算、网络、融合型系统、超融合型系统乃至数据中心架构领域进军?答案尚不得而知。
FlashBlade与更多
在活动现场,与会者们迎来了FlashBlade,即Pure公司的向外扩展NAS产品。预计其将拥有比FlashArray产品更为广阔的市场适用空间。另外,Pure公司还发布了其产品发展路线图,并表示首款系统将于今年晚些时候正式推出,在采用8 TB刀片组件时能够扩展至PB级别存储容量。
Pure公司管理团队指出,52 TB刀片产品将于今年年末左右推出,并提示称随着NAND存储密度的不断提升,100到200 TB级别刀片产品也已被纳入发展路线图,计划针对数据中心等单机架规模用例。
Pure公司的高层同时表示,以规模化方式将高容量与高性能相结合将使得FlashBlade拥有独一无二的市场定位。
BTIG的分析师们指出,"Pure Storage公司的设计理念围绕着立足硬件与软件设计降低资本支出而展开,同时计划利用自动化与编排机制降低运营成本。"Pure方面提供的融合型系统能够实现这一目标,具体产品包括FlashStack与FlashStack Mini。FlashStack将于今年晚些时候扩展至PB级别规模。
意料之外的管理失误
Pure公司的管理者在第一季度营收方面出现了意料之外的失误,BTIG公司的分析师们解释称,"管理层并没能解决目前呼声较高的缺失,他们很清楚自己的业务会在本季度出现探底,但却没能拿出足以解决问题的应对方案。"
着眼于第一季度财报,BTIG表示这主要受到严苛经济环境、季度性萎靡以及销售团队在规模扩张后尚需时间进行磨合等因素的影响。事实上,本季度营收增长速度较预期水平低出60%左右,"该公司目前仍处于良性发展轨道,预计能够在2017年下半年实现全面盈利。"
分析师们将Pure视为一家与NetApp类似的企业:"从长远角度看,假定Pure公司能够利用现金流折现模式在未来五年内占据全闪存阵列市场上约20%份额,未来十年的市场占比则预计在25%左右--虽然低于EMC的市场定位,但已经可以与NetApp在其核心NAS市场上的表现基本持平。"
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。