在Forrester Research本周发表一份新的报告中,Nutanix、SimpliVity和Pivot3被列为蓬勃发展的超融合基础设施市场中的领导厂商。
在这份题为《Forrester Wave报告:超融合基础设施(HCI)》的报告中,Forrester评估了12家超融合基础设施技术提供商,从EMC、思科和HPE这样的大型传统厂商,到Nutanix、SimpliVity和pivot3这样的小型初创公司。
被Forrester列为领导者的三家公司分别是位于加州圣何塞的Nutanix、位于马萨诸塞州韦斯特伯鲁的SimpliVity、以及位于德克萨斯州奥斯汀的Pivot3。
Pivot3虽然在规模上要比Nutanix和SimpliVity小,但是在两年前创建的时候就出货了超融合基础设施解决方案。Pivot3已经有超过1600家客户,Forrester在研究中发现,它是全球两大超融合数据存储集群之一的核心。
Forrester称Nutanix是能够提升一些最大型(有超过100个节点)、受管理的集群的领导厂商,并提到了Nutanix的易用性、简化管理以及无中断等能力。Forrester估计,Nutanix大约2亿美元的年收入使其成为收入方面最大的超融合基础设施提供商。
Forrester还提到,SimpliVity提供的解决方案虽然局限于24个节点,但是有强大的多站点能力,连接集群的总原始容量达到1.3PB。
在Forrester Wave提到的这三个领导这种,Nutanix和Pivot3据称都可能会计划IPO上市。上周Pivot3公布自己在2016年上半年的收入比2015年上半年增长了103%,新增了超过400家客户。Pivot3还表示,2016年上半年自己的员工人数增加了40%。
Nutanix和Pivot3都拒绝就Forrester Wave报告发表评论,理由是Forrester禁止谈论该报告,截稿时SimpliVity也没有回应。
Forrester Wave是评估市场的领导者,类似于知名的Gartner魔力象限。在Forrester Wave中,拥有特定技术的厂商被分为领导者、抢眼表现者、竞争者和挑战者,依据是他们在战略以及现有产品方面的表现。
在报告中,Forrester将超融合基础设施定义为“一种技术型基础设施的方式,将服务器、存储和网络功能封装到一个模块化的单元中,并增加软件层跨多个单元快速且轻松地发现、池化和重新配置资产,无需深度技术技能。”
在2016年上半年的超融合基础设施Forrester Wave中,Forrester根据产品供货、厂商会议、参考客户评估以及解决方案展示对厂商进行分类。Forrester Wave中的解决方案和厂商必须也“赢得了Forrester客户的浓厚兴趣”,Forrester在报告中这样表示。
在今年的Forrester Wave中被列为“抢眼表现者”的厂商包括位于加州山景城的Atlantis Computing;位于加州山景程的Gridstore,上个月重新命名为HyperGrid;位于马萨诸四周霍普金顿的EMC;位于以色列的Stratoscale;位于加州帕洛阿尔托的VMware;位于加州圣何塞的思科;位于加州帕洛阿尔托的HPE;以及中国厂商华为。
位于印第安纳波利斯的Scale Computing被Forrester Wave列为竞争者。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。