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
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。