今年的魔力象限十分拥挤,有8家厂商进入领导者象限,前三分别是Dell EMC、HDS和HPE,紧随其后的是NetApp、Dell Technologies以及IBM。
华为从挑战者跨了一大步进入领导者,从2014年一直到今年的稳步发展可以从下面图表中看出。
Nimble Storage也进入到领导者象限。
在特定领域者象限中AMI和Imation消失不见。
挑战者象限有新的成员加入进来:昆腾首次出现在这个魔力象限中,显示出该公司在Jon Gacek带领下取得的进展。
2016年11月Gartner磁盘阵列魔力象限
2014年和2015年魔力象限的情况如下:
2014年及2015年Gartner磁盘阵列魔力象限
其中,Infinidat在远见者象限得到了更多的领先优势,如果未来12个月能够取得同样的进展那么它就有望进入领导者象限。总体来看,从去年到现在进步最大的就是华为、昆腾和Infinidat。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。