根据IDC全球融合系统季度追踪报告显示,2017年第四季度全球融合系统市场收入同比增长9.1%达到36亿美元。全年销售额超过125亿美元,比上年增长9.4%,是历年来首次超过120亿美元。
IDC企业服务器和存储研究副总裁Eric Sheppard表示:“2017年部署融合系统的企业数量在持续增长。这一年中,融合系统市场的总市场规模超过125亿美元。虽然今年并非所有细分市场都有所增长,但那些增长的细分市场能够为当今数据中心面临最核心基础设施的挑战提供显著的好处。”
融合系统细分市场
IDC的融合系统市场观点提供三个部分:认证参考系统和集成基础架构,集成平台和超融合系统。经过认证的参考系统和集成基础架构是预集成的,供应商认证的系统,包含服务器硬件,磁盘存储系统,网络设备和基本元素/系统管理软件。集成平台是集成系统,与其他预集成套装软件和定制系统工程一起销售,以优化应用开发软件,数据库,测试和集成工具等功能。超融合系统将核心存储和计算功能折叠成一个高度虚拟化的解决方案。将这些解决方案与其他集成系统区分开来的超融合系统的一个关键特征是其横向扩展架构以及通过相同的x86服务器资源提供所有计算和存储功能的能力。所有三个部分的市场价值包括硬件和软件,但不包括服务和支持。
IDC将融合系统市场分为三个细分领域:认证参考系统与集成基础设施、集成平台、超融合系统。认证参考系统与集成基础设施是预集成的、厂商认证的系统,包含服务器硬件、磁盘存储系统、网络设备、基础元素/系统管理软件。集成平台是配有额外预集成打包软件的集成系统,还有针对实现应用开发软件、数据库、测试和集成工具等功能进行优化设计的定制系统。超融合系统则是将核心的存储和计算功能融入单一的、高度虚拟化的解决方案。超融合系统的一个关键特征就是其横向扩展架构,以及能够通过相同的基于x86服务器的资源提供所有计算和存储功能。
在2017年第四季度,认证参考系统与集成基础设施系统市场收入达到17亿美元,同比下降3.4%,占整个融合系统市场总值的47.1%。戴尔是该细分市场中最大的厂商,销售额达到7.35亿美元,市场份额为42.9%。思科/NetApp的销售额为5.656亿美元,市场份额为33%,排名第二。HPE的销售额为2.893亿美元,市场份额为16.9%。
* 注释:戴尔代表着戴尔与EMC在所有显示季度中的销售收入。
2017年第四季度,超融合系统销售收入同比增长69.4%达到12.5亿美元,占整个融合系统市场的34.3%。2017年全年超融合系统的销售额超过37亿美元,相比2016年增长64.3%。
在品牌解决方案看来,戴尔是这一细分市场中最大的供应商,收入为3.468亿美元,占有27.8%的份额。Nutanix的收入为2.430亿美元,占有19.5%的份额,位列第二。惠普和思科并列第三,收入分别为6160万美元和5630万美元,份额分别为4.9%和4.5%。
注释:
* 戴尔代表着戴尔与EMC在所有显示季度中的销售总额。
** 在全球融合系统市场中,当两个或者多个厂商之间的收入份额差等于或者小于1%的时候,IDC认定这些厂商为并列位置。
2017年第四季度,在HCI软件的基础上,运行VMware超融合软件的系统得到了4.051亿美元的厂商收入,占总市场份额的32.4%。运行Nutanix超融合软件的系统得到了3.684亿美元的厂商收入,占总市场份额的29.5%。这两者代表了所有软件和硬件,不管最终品牌是什么。
注释:
* 戴尔代表着戴尔与EMC在所有显示季度中的销售总额。
2017年第四季度,集成平台销售额同比减少18.1%,收入为6.755亿美元,在整个融合系统市场中占比18.6%。Oracle是该季度排名第一的集成平台提供商,收入为3.605亿美元,在该细分市场中占有53.4%的份额。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。