研究机构Gartner发布了2023年存储技术成熟度曲线,突出了存储行业中各种技术的不断发展,其中一些技术已经完全消失。 成熟度曲线作为一个五阶段的技术进展图,从创新触发阶段开始,接着是过高期望的巅峰,然后是幻灭的低谷,启蒙的斜坡,最后达到生产力的高原。
Gartner研究副总裁朱莉娅·尔默在LinkedIn上分享了这一更新,她说:“这就像有了一张路线图,可以帮助我们在曲线中导航,找到最有前的创新。”您需要登录Gartner账户才能详细查看。在这里,我们展示了亮点的截屏:
图表上的技术由点的颜色表示,蓝色表示达到高原需要5到10年,浅蓝色表示需要2到5年,白色表示不到2年就能达到高原。 进一步分析发现,一些位置似乎不太正常。例如,NV-oF应该被放置在更靠右的,对象存储和分布式文件系统的位置可能可以互换。
Flash Summit组织者杰伊·克拉默指出图表中一些值注意的遗漏,包括存储级内存、多云和融合基础设施。
以下是去年的存储技术成熟度曲线图表:
存储级内存SCM在2022年处于启蒙运动中,也就是在成熟度曲线斜坡上起步,但在英特尔停产Optane后面临挫折。然而,像SCM级固态硬盘、MRAM和RERAM这样的技术仍在继续发展。去年存储技术成熟度曲线中的显著趋势包括复制数据管理、企业信息归档、永久性内存DIMM和管理软件定义存储的消失。
混合云文件数据服务不知从何而来,并正在降入幻灭的低谷。图表中没有CXL的条目,预计它将在存储产品中发挥重要作用。此外,我们认为数据编排和SaaS应用程序备份值得在排行榜上占有一席之地。
虽然存储技术成熟度曲线可能是对行业发展前景的一个有趣的洞察,但它也许应该被视为市场演变的一个有趣但不太正式的表达方式。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。