研究机构 Coldago 针对文件存储的不同使用场景,分别发布了三份独立的供应商评级报告。
Coldago 通过其四象限图谱展示了文件存储供应商的评估结果,将供应商分为三类 - 企业级文件存储、高性能文件存储和云文件存储。
这与 GigaOm 的圆形四象限雷达图有所不同。GigaOm 在 2022 年分别发布了高性能横向扩展文件存储 (SCOFS) 和企业级横向扩展文件系统两份报告。2023 年,他们发布了一份整合的企业级横向扩展文件系统雷达报告,并计划在 2024 年底发布第二版,同时还将发布一份云原生全球分布式文件系统雷达报告。
回顾 2021 年,Coldago 仅有一份文件存储评估图谱,但随着时间推移,文件存储的使用场景也在不断变化。
这两家分析机构对文件存储供应商领域有不同的评估视角,在类似的分类中采用了不同的供应商准入标准。
供应商可能同时出现在每个研究机构的多个类别中。
Coldago 的评估图谱将供应商分为四列,横轴代表愿景和战略维度,从左到右依次是利基型、专业型、挑战者和领导者。纵轴从低到高表示执行力和能力评级。分析师 Philippe Nicolas 在企业级文件存储图谱中列出了 11 家供应商:DDN、Dell、华为、IBM、iXsystems、Microsoft、NetApp、Pure Storage、Qumulo、SUSE 和 VAST Data。
供应商在各类别中最理想的位置是右上方。其中有三家挑战者 - SUSE、DDN、iXsystems 和 Qumulo,以及七家领导者:Dell、华为、IBM、Microsoft、NetApp、Pure Storage 和 VAST Data。Microsoft 领先于 Pure、IBM 和 Dell,华为紧随其后,而 VAST Data 则相对落后。
相比 11 家企业级文件存储供应商,Coldago 在高性能文件存储领域列出了 15 家供应商:
富士通被列为唯一的专业型供应商,有 5 家供应商被归类为挑战者:Hammerspace、HPE、Quobyte、ThinkParQ 和 VDURA (更名后的 Panasas)。
共有 9 家领导者,其中 Quantum 和 Qumulo 在执行能力和综合实力评级方面落后于挑战者 HPE。DDN 位居领导者榜首,其后是 IBM、VAST Data 和 WEKA。
Coldago 的云文件存储图谱包含 11 家供应商,其中仅有 4 家领导者:CTERA、Hammerspace、Nasuni 和 Panzura。
与其他两份图谱类似,该领域也没有利基型供应商。有两家专业型供应商 - Peer Software 和 Lucid Link,以及五家挑战者:Egnyte、TigerTechnology、NetApp、AWS 和 Microsoft。
Google Cloud 的 FileStore 未被 Coldago 收录。感兴趣的读者可以在此处购买 Coldago 报告,了解供应商间的详细对比。
附注: Gartner 对文件存储有自己的评估方式,将文件存储和对象存储合并到单一的文件和对象存储平台魔力象限 (MQ) 中进行评估。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。