八家对象与分布式文件存储供应商共同进入Gartner公司发布的年度重量级魔力象限报告,不过本次排名与上年有所区别——新晋厂商两家、升段厂商三家、降级厂商两家、落榜厂商一家。
这份极富盛名的魔力象限报告以两项基本指标为基础,其一为代表执行力的垂直轴,其二为代表前瞻性的水平轴。整个区间被分为四个象限,分别对应前瞻者、利基者、挑战者与领导者。
各供应商共同在其中角逐,并凭借着两大基本指标占据各自的市场定位。
除了去年的三家领导者厂商——分别为戴尔-EMC、IBM以及Scality——之外,今年Qumulo也首次迈入领导者象限。顺带一提,Qumulo去年被定位在前瞻者象限。
下面来看今年与去年魔力象限报告之间的区别:
可以看到:
Gartner公司的分析师们认为,到2022年,80%以上的企业数据将存储在企业与云数据中心内的向外扩展存储系统当中——这一比例将远高于2018年的40%。
如果出现这种情况,那么对于供应商们而言无疑是个振奋人心的消息,且明年的魔力象限也许会迎来更多上榜厂商。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。