根据TrendFocus公布的数据,2023年第二季度全球磁盘驱动器出货量初步呈现萎缩,东芝的市场份额被希捷与西部数据无情夺走。
作为研究机构,TrendFocus将调查数据发布给付费订户,而富国银行等组织又将数据内容传递给自己的订阅用户和联络人,因此我们似乎应该对数字的准确性持保留态度。TrendFocus表示,本季度全球磁盘驱动器出货量为3080万至3220万块,与去年同期的3860万块相比下降了20.2%。而2023年第一季度的出货量,更是较2022年第一季度缩水达33.5%。
TrendFocus将出货量统计中的磁盘驱动器具体划分为近线(3.5英寸)、台式机与消费级3.5英寸/2.5英寸这三类,而后按各供应商将销量相加。富国银行的Aaron Rakers表示,本季度近线(3.5英寸高容量)驱动器的出货量约为950万块,总存储容量约136 EB。同比下降幅度约45%,远远高于2022年第四季度的30.5%降幅和2023年第一季度的27%降幅。
那么,近线磁盘的出货容量数字能否快速恢复?Rakers给出的图表显示,以往并没有出现过如此剧烈的衰退。但根据IDC发布的数据存储增长趋势,相信市场对于存储产品的需求将会回归,近线磁盘的出货容量也将重新回归增长。
根据预测,随着SSD继续吞噬市场份额,近线类别以外的磁盘驱动器在出货单位和出货容量两项指标上都将持续走低。本季度,非近线磁盘的出货总数约为2200万块,略低于今年第一季度的2210万块,较去年同期的2620万块更是下降17%。
3.5英寸台式机与消费级驱动器的出货量则在1150万至1190万块之间,今年第一季度出货量为1107万块,去年同期的出货量则为1423万块。本季度,2.5英寸移动磁盘和消费级磁盘的出货量不足900万块,低于第一季度各供应商售出的964万块和去年同期的997万块。
但暂时没有2.5英寸万转磁盘驱动器的销量数据,而这才是最容易被SSD取代的敏感设备类型。
我们已经进入SSD全面蚕食存储市场的第三或者第四个年头,但台式机和消费级磁盘驱动器的出货量仍然高于企业级近线驱动器——看来压力之下,硬盘市场并不乏顽强的生机,表现出典型的长尾迹象。即使是面向笔记本电脑的2.5英寸磁盘驱动器,每季度的出货量仍接近900万块,其中不少在小型台式机上也有使用。
各家厂商的具体出货量也不明确,但Rakers公布了大致的百分比份额。在四舍五入计算之后,可以看到希捷占比约44.5%,西部数据为38%,东芝为17.5%。
2023年的数字以斜体显示,代表为初步估计值
我们将数据随时间推移的趋势整理成图,以帮助大家理解各厂商的市场份额变化:
可以看到,希捷在出货量方面一直领先于西部数据。而且在过去两个季度中,双方始终在夺取东芝的原有市场份额,其中西部数据的表现尤其凶猛。据估算,东芝的磁盘出货量约为540万块。如果没法在产能方面跟上其他两家供应商的步伐,东芝很可能还有进一步拉大差距的风险。
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。