研究机构GigaOm在其2025年对象存储雷达报告中识别出22家供应商,相比去年的18家有所增加,随着市场向具有通用市场吸引力的产品转变,一些厂商的地位发生了显著变化。
分析师Whit Walters表示:"企业级对象存储的关键特性已经发生变化,更多关注性能、易部署性、安全性、联邦功能和多租户能力。"这是在数据量和数据种类持续指数级增长的背景下发生的。
在这份第6版报告中,他识别出10家领导者,相比去年的8家有所增加;DDN和日立Vantara从去年的挑战者地位晋升为领导者类别。Walters观察到市场中的供应商日趋成熟,专注于构建通用平台导向的产品,而非细分市场领域的产品。
以下是2025年图表,并包含2024年图表作为参考:
我们可以看到几家供应商在2024年到2025年期间跨越了图表象限;IBM从成熟-平台象限移动到成熟-功能导向象限。WEKA从创新-功能导向移动到成熟-功能导向象限。日立Vantara从去年的成熟-平台导向挑战者变为今年的创新-平台导向领导者。去年的所有新进入者今年都成为挑战者:Quantum、Quobyte、SoftIron和Zadara。还有四家新供应商:Cohesity、希捷、SoftIron和Spectra Logic。
由于没有距离中心的具体数值,我们通过视觉评估对领导者按距离中心远近进行排名:Cloudian、Pure Storage、戴尔、Scality、NetApp、MinIO、日立Vantara、VAST Data、WEKA和DDN,按此顺序排列。
为制作图表,供应商在三个维度上被评级,评分从0到5分:关键功能、新兴功能和业务标准。每个维度都有子类别。这些评级决定了供应商在雷达图中的位置,该图"在一系列同心圆中绘制供应商解决方案,越接近中心的被判断为整体价值越高。图表在两个轴上描述每个供应商——平衡成熟度与创新性,功能导向与平台导向——同时提供箭头指示每个解决方案在未来12到18个月的发展方向。"箭头指示正常、快速和超越表现者。
Walters关于雷达图定位表示:"关键功能、新兴功能和业务标准被评分和加权。关键功能和业务标准获得最高权重,对供应商在雷达图中的定位影响最大。新兴功能获得较低权重,对供应商定位的影响较小。最终图表基于产品的技术能力和路线图,提供了对报告中所有供应商的前瞻性视角。"
我们按关键功能评分对每家供应商在三个维度的评级进行了图表展示;
需要注意的是:"雷达专注于技术,不考虑供应商市场份额、客户份额、支出、市场进入时间长短等业务因素。因此,这些因素不会影响雷达图中的评分和定位。"
Walters指出:"大多数被评估的供应商定位在平台导向半球(重点在成熟象限),而少数例外出现在功能导向一侧。这种分布表明大多数供应商在提供综合平台解决方案的同时,优先考虑稳定性和可靠的用户体验。"
他补充道:"供应商正在扩展其解决方案以满足更广泛的需求,整合核心对象存储之外的功能。这种扩展反映了对统一存储平台的需求,该平台可简化跨不同工作负载的数据管理。"
三家供应商未回应Walters的询问,他们的评级基于案头研究,即已发布的文档和网页。这些供应商是Cohesity(SmartFiles)、IBM(云对象存储)和Spectra Logic(BlackPearl S3混合对象存储)。
日立Vantara已通过其网站提供完整的雷达报告。
Q&A
Q1:GigaOm的对象存储雷达报告评估哪些维度?
A:GigaOm对象存储雷达报告在三个维度上评估供应商,评分从0到5分:关键功能、新兴功能和业务标准。其中关键功能和业务标准获得最高权重,对供应商在雷达图中的定位影响最大,而新兴功能获得较低权重。
Q2:2025年对象存储市场有什么新变化?
A:2025年对象存储市场供应商增加到22家,比去年的18家有所增长。企业级对象存储的关键特性发生变化,更多关注性能、易部署性、安全性、联邦功能和多租户能力。供应商日趋成熟,专注于构建通用平台导向产品。
Q3:哪些公司在2025年成为对象存储市场的领导者?
A:2025年有10家领导者,按距离中心远近排序为:Cloudian、Pure Storage、戴尔、Scality、NetApp、MinIO、日立Vantara、VAST Data、WEKA和DDN。其中DDN和日立Vantara从去年的挑战者地位晋升为领导者。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。