对存储供应商收入趋势的最新观察发现,闪存与硬盘厂商的业绩正在跳水,戴尔、Pure Storage及Snowflake等系统供应商的占比则逐渐崛起。
随时间推移,我们一直在关注上市存储公司的收入变化。下图所示,为变动模式的最新比照结果:
所有供应商的季度收入报告,都经过标准化处理以与HPE财年设置对齐。对于其中列出的戴尔、HPE等系统供应商,我们只关注存储部分收入。
我们的上一轮存储厂商收入趋势回顾是在2022年9月,当季度各厂商的收入增势相当强劲。但NAND供应过剩加上总体经济形势疲软,共同拉下了一季度的统计结果。其中美光收入已经不及戴尔存储业务,甚至连西部数据和希捷也被戴尔斩落马下。自2021年中以来,戴尔甚至一直保持着逆势增长的状态。
以下是重新整理的图表,其中仅列出收入高于NetApp的厂商,这样可以更明确地了解到存储领域各头部厂商的运营情况:
就存储收入而言,NetApp与HPE间的差距正逐渐拉开。有三家厂商正在向HPE靠拢,分别为Pure、Snowflake以及Nutanix,后两位本季度刚刚互换了份额排名。
在第二份图表中排名垫底的选手分别为:Commvault、Quantum、N-able以及Backblaze。
我们认为,Rubrik可能会在今年晚些时候或2024年进行首轮公开募股,Cohesity、Databricks乃至Veeam都有可能紧随其后。在上市之后,这些新秀的业绩数字也将出现在我们的统计图表当中。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。