Gartner最新发布的这份存储与数据保护炒作周期报告(https://www.gartner.com/doc/reprints?id=1-2AKYQ03B&ct=220714&st=sb)可谓体量惊人,其中凝结着Gartner咨询团队对行业及市场趋势做出的分析判断。
所谓炒作周期的概念,就是在沿时间横轴与预期竖轴的两轴空间内,各项技术呈现出的曲线轮廓。技术沿线条游走,初期呈现为上升线,即所谓创新触发期。推进至最高点时,即达到膨胀预期的顶峰,之后开始迅速下落至炒作破灭的低谷。但这并非结束,接下来可以看到创新技术会回归真正的启蒙阶段,再次回到人们的讨论与应用视野,最终进入切实服务生产力的实践平台期。

从期望膨胀的顶峰到泡沫破灭的低谷,整个炒作周期的概念不禁让人想到John Bunyan的神学寓言书《天路历程》。
Gartner的专家们将各项技术分别置于曲线上的各个点,再通过固定的文本格式陈述这种点位选取的合理性——包括定义、重要意义、业务影响、驱动因素、障碍、用户建议等,之后还提供一组供应商技术示例:

而一旦进入最终生产力阶段,相关技术则被视为已经发展成熟,不再计入炒作周期讨论。
以下是优先级矩阵表,展示各项技术获得主流采用的预期年数:

这无疑是一份启发性极强,值得认真阅读的宝贵资料。
但这也给我们留下了新的疑问:Gartner的存储炒作周期报告本身,位于炒作周期中的哪个位置?到底是泡沫破灭的低谷,还是启蒙的二次上升期?
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。