技术业务研究报告揭示了云计算,虚拟化和超融合对传统数据中心硬件收入的影响。
如今,数据中心硬件供应商看到他们的利润因从企业采用传统的服务器、存储和网络组件的IT预算转向虚拟化、超融合和公共云的技术而减少。
根据技术商业研究(TBR)的最新数据中心基准报告,现在的数据中心硬件供应商报告2016年第二季度收入同比下降4.3%,毛利下降5.4%。
TBR高级数据中心分析师科瑞斯塔·麦康伯表示,企业内提高业务灵活性和生产力的需求促使数据中心硬件购买者重新思考其数据中心的投资重点。
麦康伯说,企业对超融合技术的兴趣日益增长,并“严重干扰”了数据中心市场,这种技术与传统孤立的服务器相比,其存储和网络设置更加容易部署和配置。
“加快步伐,客户正在为业务关键型工作负载和数据中心整合计划采用软件定义的功能和基于服务的交付。”麦康伯说。
鉴于这些趋势,分析师们正在敦促现有的数据中心硬件供应商采取行动,以确保其战略符合企业IT买家的需求。
麦康伯说:“对于主流硬件供应商来说,这种转变需要商业模式的演变,同样也要激进地保持相关性。”
技术商业研究TBR的数据显示,在今年第二季度,行业企业将继续推动采用业界标准服务器(ISS),该部门的收入同比增长39.8%,而软件定义网络工具的市场需求也在上升。
业界标准服务器(ISS)技术的越来越多的使用是由需要更具成本效益和灵活的IT基础设施的客户推动的,TBR表示,当专有服务器和存储阵列构成其数字计划的基础时,并不总是可能实现。
TBR的数据中心研究分析师StephanieLong说,这些趋势将会为戴尔EMC,惠普和博科等这样的硬件厂商带来压力,以确保他们的产品路线图充分反映企业现在开始遇到的“不断变化的基础设施级的痛点”。
她说:“如今减少了硬件和巩固供应商格局的机会,并将在可预见的未来,导致市场竞争更加激烈。”
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。