根据Gartner公布的最新全球服务器市场调查报告显示,2016年前三季度浪潮出货量同比增长28%,为全球最高,份额位居全球第五。在中国市场,浪潮以18.2%的销售额占比位居第一,在过去的9个季度中,浪潮有6个季度位居中国第一。
2016年前三季度,中国服务器出货量为181.4万台,同比增长10%,销售额为71亿美元,同比增长12%,中国依然扮演了全球市场发动机的角色。企业市场需求不足,超大型数据中心的采购需求增长放缓等都造成了全球需求的疲软,只有亚太市场增长明显,北美市场增长微弱,其他区域均有不同程度的萎缩。
业绩来源:双路X86和传统行业
双路仍是市场的出货主体,在整体市场出货量的占比为79%,浪潮双路X86服务器出货量增长最快,同比增速为24%,成为浪潮前三季度市场业绩的主要支撑。
从第三季度开始,金融、电信、石油、电力等传统高端行业用户开始年度集采,浪潮在行业集采中不断获得大笔订单,成为双路、四路、八路等X86产品出货增长的重要因素。据统计,浪潮连续5年入围国家电网集采,在国家电网和南方电网的采购占比保持在30%左右,在移动、电信和联通三大运营商也占据了主要的出货份额,仅在第三季度,浪潮在已经招标的联通和电信的集采中,占比第一。
高密度份额第一 浪潮整机柜持续升级
互联网运营商仍然保持旺盛采购,以互联网运营商为主要目标用户的高密度服务器(multi-node)前三季度累计销售超过15.6万台,在这一市场段,浪潮销售额份额达到34%,位居市场第一。
SR整机柜服务器是主要出货的产品,在阿里巴巴、百度、中国移动等大型互联网、电信运营商中累计出货超过10万节点,刚刚推出的新品SR4.5整机柜配置领先的SAS和PCI-E交换技术,实现了存储和PCI-E资源的重构和池化,并且采用了效率超过99%的分布式供电技术BBU。目前某互联网巨头已经实现了批量采购,在腾讯云存储的应用测试中,SR4.5整机柜相较传统服务器集群方式TCO降低了30%。
x86八路第一 高端战略稳步推进
在x86八路服务器市场,浪潮第三季度出货量份额为44%,这是浪潮第12个季度蝉联该领域的市场第一。 浪潮TS860G3八路服务器在本季度又一次刷新了SPEC测试世界纪录,摘得“最强计算性能”桂冠 ,基于八路的HANA的数据智能、交易处理以及云计算整合等方案等都金融、公安和财税等行业都大规模应用。
在2016年第三季度,浪潮天梭K1在10-50万美元的Non-x86市场段,份额进一步提升至25.3%,和市场第一的差距进一步缩小。浪潮天梭K1已经在金融、公安、财税等十几个行业实现应用,同时,承担应用的关键程度也越来越高,湖南有线的BOSS平台升级、中国银行河南分行的特色系统、ETC全国清分结算系统等都迁移到了天梭K1上。
据悉,在2016年底,浪潮将会推出新一代关键应用主机,并同时推出系列一体化解决方案,形成完整的高端业务布局。
布局全球化 从前五到前三
根据Gartner数据,前三季度浪潮服务器出货量在全球市场位列前五,浪潮集团副总裁彭震表示,浪潮一直在加速全球化战略的布局,建立全球化的运营体系,目前在美国、欧洲的市场影响力提升很快,云计算服务运营商等重点客户的开拓卓有成效,随着业务的走出去,浪潮会逐步成为全球领先的云计算产品和方案供应商,实现2020年从全球前五到全球前三的跃进。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。