2023 年 9 月 25 日,北京 – 日立集团 (TSE: 6501) 旗下提供现代基础架构、数据管理与数字解决方案的子公司 Hitachi Vantara 今天宣布,在 2023 年 Gartner® 主存储魔力象限™ 报告中,Hitachi Vantara 入选“领导者”象限。在过去13 年里,Hitachi Vantara 已 15 次被 Gartner 报告评为领导者,其中包括今年入选主存储魔力象限。今年报告中评估的 Hitachi Vantara 产品是虚拟存储平台 (VSP) 5600 和软件定义块存储 (VSS Block) 解决方案。
下载 2023 年Gartner® 主存储魔力象限™ 报告:
https://www.hitachivantara.com/ext/2023-gartner-magic-quadrant-for-primary-storage.html
Hitachi Vantara 产品与解决方案副总裁 Gary Lyng 表示:“我们相信,在 2023 年主存储魔力象限报告中获评领导者,彰显了 Hitachi Vantara 在致力提供尖端存储解决方案所做出的不懈努力。我们认为,这一表彰说明我们的前瞻思维方式受到了认可,包括在系统全生命周期内大幅减少温室气体排放的能力,以及整合人工智能、机器学习、预测性分析等新兴技术以优化数据管理的能力。我们相信,Hitachi Vantara 在主存储魔力象限中连续多年榜上有名,不仅说明了我们系统和数据的可靠性,也进一步坚定了我们推动存储行业在创新和可持续发展之路上不断突破的决心。”
Hitachi Vantara 相信,在魔力象限报告中获评领导者,证实了公司对创新和以客户为中心的解决方案的长期承诺。Gartner 在魔力象限报告中指出:“领导者象限中的供应商在执行能力和愿景完整性方面的综合得分最高。获评领导者的公司拥有推动新技术被接受所需的市场份额、市场信誉、营销和销售能力。这些供应商对市场需求了解深刻。他们是创新者和思想领导者,拥有精心制定、阐述清晰的计划,使得客户及潜在客户在设计存储基础架构和战略时能够利用这些计划。此外,获评领导者的公司还在三个主要地区开展业务,财务表现稳定,并支持平台计划。”
随着当今企业环境的不断演变,除需为客户提供高速度和高效率的产品外,存储产品还必须做到更多。数据密集型技术和生成式人工智能等应用程序,正掀起一场奔向更高洞察力、自动化水平和可预测性的“淘金热”。但这些技术同时也使其运行所依赖的基础架构和混合云环境承受更大压力。近期的一份报告发现,72% 的中国公司担心其当前的基础架构将无法扩展以满足未来需求。数字基础架构必须提供自适应和弹性服务,通过平台更快地运行更多应用程序,并为现有工作负载增加更多容量。
Hitachi Vantara 的 VSP 5600 系列支持核心应用程序和云原生开发,并保证 100% 数据可用性。日立的 VSS 块存储旨在整合新型和核心工作负载,实施云优先策略以支持应用程序现代化。
Gartner 在报告中根据优势和注意事项对不同的供应商进行了评估。魔力象限报告采用图形化处理和一致的评估标准,可帮助企业快速确定技术供应商在实现其既定愿景方面的表现,以及他们在 Gartner 市场观点中的表现。如需全面了解Hitachi Vantara 的整个存储产品组合,请点击此处:
https://www.hitachivantara.com/en-us/products/storage-platforms/primary-block-storage.html。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。