至顶网CIO与应用频道 06月14日 北京消息:Gartner的数据显示,2017年第一季度,全球服务器收入同比下降4.5%,出货量较2016年第一季度下滑4.2%。
Gartner研究副总裁Jeffrey Hewitt表示:“2017年第一季度,全球市场普遍下滑,各地区降幅略有不同。除了亚太地区逆势走强,其他地区均有所下滑。”
Hewitt先生补充说:“虽然超大型数据中心市场的采购量持续上升,但这些部门的终端用户通过虚拟化适应增长的应用需求,并且考虑采用云替代方案,因此,大企业和中小企业市场仍然低迷。”
按收入计算,惠普企业(Hewlett Packard Enterprise,HPE)继续雄踞全球服务器市场。2017年第一季度,该公司的收入总额刚好超过30亿美元,市场份额达到24.1%(见表一)。戴尔EMC依然紧随其后,市场份额为19%。戴尔EMC是2017年第一季度前五大供应商中唯一保持增长的厂商。
表一、2017年第一季度全球服务器厂商收入初步统计(单位:美元)
公司 |
2017年第一季度收入 |
2017年第一季度市场份额(%) |
2016年第一季度收入 |
2016年第一季度市场份额(%) |
2016年第一季度——2017年第一季度增长率(%) |
惠普企业 |
3,009,569,241 |
24.1 |
3,296,591,967 |
25.2 |
-8.7 |
戴尔EMC |
2,373,171,860 |
19.0 |
2,265,272,258 |
17.3 |
4.8 |
IBM |
831,622,879 |
6.6 |
1,270,901,371 |
9.7 |
-34.6 |
思科 |
825,610,000 |
6.6 |
850,230,000 |
6.5 |
-2.9 |
联想 |
731,647,279 |
5.8 |
871,335,542 |
6.7 |
-16.0 |
其他 |
4,737,196,847 |
37.9 |
4,537,261,457 |
34.7 |
4.4 |
合计 |
12,508,818,106 |
100.0 |
13,091,592,596 |
100.0 |
-4.5 |
资料来源:Gartner(2017年6月)
2017年第一季度,在服务器出货量方面,戴尔EMC蝉联第一,拥有17.9%的市场份额(见表二)。该公司较2016年第一季度,出货量小幅增长0.5%。惠普企业尽管出货量下滑16.7%,但市场份额却占到16.8%。浪潮电子的出货量增长最快,达27.3%。
表二、2017年第一季度全球服务器厂商出货量初步统计(单位:台)
公司 |
2017年第一季度 出货量 |
2017年第一季度市场份额(%) |
2016年第一季度 出货量 |
2016年第一季度市场份额(%) |
2016年第一季度——2017年第一季度增长率(%) |
戴尔EMC |
466,800 |
17.9 |
464,292 |
17.1 |
0.5 |
惠普企业 |
438,169 |
16.8 |
526,115 |
19.4 |
-16.7 |
华为 |
156,559 |
6.0 |
130,755 |
4.8 |
19.7 |
联想 |
145,977 |
5.6 |
199,189 |
7.3 |
-26.7 |
浪潮电子 |
139,203 |
5.4 |
109,390 |
4.0 |
27.3 |
其他 |
1,254,892 |
48.2 |
1,286,097 |
47.4 |
-2.4 |
合计 |
2,601,600 |
100.0 |
2,715, 138 |
100.0 |
-4.2 |
资料来源:Gartner(2017年6月)
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。