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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。