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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。