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
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。