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
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。