最近看数据存储领等方面全球营收以及发展报告。根据相关报告总结出一些建议,如果2018年存储领域的相关厂商能够在这几个领域发力,就可以很大程度上提升其年度营收来获得品牌和服务价值等方面的增值。
全球来看,在2017年闪存SSD的收入为249亿美元磁盘为240,亿美元。也就是说在2017年,客户在SSD产品层面的支出首次超过磁盘。但是我们也看到了从出货总容量来看,磁盘存储出货容量仍达到闪存的十倍以上。
根据最新的报告显示,2017年全球企业级SSD出货存储容量总计达7.18 EB,较上年同期的5.57 EB增长29%。
而在企业级硬盘领域,随着视频监控领域、公有云领域以及对象存储领域对手海量数据增长的需求,希捷、西数以及东芝还在积极推动磁盘技术的发展。大容量、低成本、低能耗的企业级磁盘还将在未来几年在数据中心领域占有很大的份额。
2018年存储厂商可以分别闪存和硬盘方面继续双重出击。
再闪存方面基于最新的闪存技术在积极推动。西部数据公司最近已经确认了基于其专有控制器架构的新一代CSSD PCIe产品; 首款面向移动设备的UFS产品; 外加96层BiCS4 NAND技术。英特尔力推存储级内存,Storage Class Memory,简称SCM概念。这是介于DRAM和NVME之间的一个非易失性存储。
这其中华为认为这将导致SCM(存储级内存,Storage Class Memory)1.0时代的到来,通过在SCM介质、NVMe和NVMeoF的速度之间的平衡,构建新一代全闪存系统。
在硬盘方面基于海量存储技术推动,希捷科技日前发布12TB企业级海量盘,该盘兼具大容量及业界最低能耗和最轻重量,满足个人和公共云数据中心日益增长的存储需求。东芝也发布了14TB氦气海量硬盘。所以存储厂商要在2018年获得增长,需要在这两方面进军,一方面是基于闪存的全闪存阵列进军关键系统业务增长。一方面基于海量硬盘的存储系统,包括在视频监控领域、公有云、对象存储等领域的海量数据存储的需求。
这里我们看到,在闪存领域, NetApp积极布局,公司公布的最新财报当中,全闪存全年总营收为15.2亿美元,较上年全年的14亿美元增长8%。华为2017前三季度厂商全闪存存储 全球收入增速第一,高达200%以上的增长。
在大容量磁盘领域包括百度、腾讯、阿里等公有云服务商以及浪潮、曙光等积极与各个磁盘生产上在企业级存储、硬盘技术以及闪存解决方案等领域开展深入合作,并建立联合实验室,促进中国云计算、大数据的持续健康发展。
在2018年,全球主要存储厂商将重点关注在超融合领域。Gartner报告显示,在2017年,全球集成系统收入预计在2018年达到123亿美元,比2017年的102亿美元增长18.4%。
而这主要增长是超融合系统。超融合集成系统2017年营收28亿美元,预计2018年营收44亿美元,增幅为55%,这个增长相信各大存储厂商非常眼红,也可以看到各大存储厂商将在2018年继续积极投入到超融合系统中来。
资料来源:Gartner(2018年3月)
在超融合市场方面包括,Dell EMC存储业务全年营收达到153亿美元,其中超融合产品组合实现三位数需求增长。超融合领域领导者Nutanix在2018年已经收购了两个初创企业,包括公有云计费系统和分布式云空间中发现、映射和管理微服务。积极推动超融合系统不断扩展到更多领域。
随着企业业务的增加和数据的增长,数据的管理和保护越来越重要,将拉动存储营收的大幅度增长。从业务上看基于人工智能、物联网、机器学习等技术的应用产生的数据价值越来越大,从数据量来看,各种交易数据、视频、音频、文档、邮件及移动数据增长等,因此数据保护,从本地存储再到云上数据,数据的保护、备份、恢复对于企业的重要性愈发凸显。
可以预见在数据备份和保护领域,如果围绕云和虚拟化环境开发数据保护技术,那么其将具有满足企业业务需求的核心竞争力。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。