法国存储研究机构Coldago发布了2025年文件存储地图报告,与去年一样,该报告包含三个独立的供应商评级地图:企业文件存储、云文件存储和高性能文件存储。
Coldago地图解读方式
由首席分析师Philippe Nicolas制作的Coldago地图,将供应商按照愿景和战略轴线分为四列,从左侧的"利基",到"专业"、"挑战者",再到右侧的"领导者"。垂直轴从低到高评估执行力和能力,水平轴评估愿景和战略。对于各类别中的供应商来说,最有利的位置是高位且偏右的区域。
2025年版本评估了29个不同的供应商,各报告中的领先供应商按字母顺序排列如下:
企业文件存储领域
共8家:Arctera(现由Cloud Software Group内的InfoScale实体代表)、戴尔、华为、IBM、微软、NetApp、Pure Storage和Vast Data。
云文件存储领域
共4家:CTERA、Hammerspace、Nasuni和Panzura。
高性能文件存储领域
共9家:DDN、戴尔、Hammerspace、华为、IBM、Pure Storage、Qumulo、VAST Data和WEKA。
各领域供应商排名变化分析
对比去年和今年的报告,可以看出供应商排名的变化。在企业文件存储图表中,变化不大,尽管Arctera首次进入该图表就成为领导者。NetApp在执行力和能力方面略有下降,华为则有所提升,VAST Data在愿景和战略方面也有改善。值得注意的是,HPE完全未出现在此地图中。
在云文件存储领域,领导者中Panzura排名下降,而Hammerspace排名上升。LucidLink和Peer Software从专业级提升到挑战者级别,与Egnyte一起位于挑战者区域,Resilio是该区域的新进入者。
高性能文件存储领域的变化更为显著,Quantum从领导者降级为挑战者,Hammerspace从挑战者升级为领导者。领导者排名中也有更多变化:DDN仍然领先,但VAST Data超越IBM升至第二位,Pure Storage也超越戴尔升至第六位。
报告内容结构
该报告包含以下内容:市场、产品和技术趋势;供应商和产品清单;Coldago指数;Coldago地图;供应商详情;未来方向;标准和方法论;值得关注、新增和退出的供应商;地图定义;结论。
您可以通过发送邮件至reports@coldago.com购买该文档(售价7990欧元)。Coldago的首席分析师是Philippe Nicolas。
Q&A
Q1:Coldago文件存储地图是如何评估供应商的?
A:Coldago地图将供应商按照愿景和战略轴线分为四列,从左侧的"利基"到右侧的"领导者"。垂直轴评估执行力和能力,水平轴评估愿景和战略。最有利的位置是高位且偏右的区域。
Q2:2025年文件存储市场有哪些主要的供应商排名变化?
A:企业文件存储领域,Arctera首次进入就成为领导者,NetApp略有下降,华为和VAST Data有所提升。高性能存储领域变化最大,Quantum从领导者降为挑战者,Hammerspace升为领导者,VAST Data超越IBM升至第二位。
Q3:如何获取Coldago的2025年文件存储地图报告?
A:可以通过发送邮件至reports@coldago.com购买该文档,售价为7990欧元。报告包含市场趋势、供应商详情、评估方法论等完整内容,由首席分析师Philippe Nicolas制作。
好文章,需要你的鼓励
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。