至顶网服务器频道 06月08日 新闻消息:根据IDC全球服务器市场季度追踪报告,2017年第一季度全球服务器市场的厂商收入同比下滑4.6%。整个服务器市场的增长继续放缓,大多数超大规模服务提供商都在等待今年第二季度部署英特尔新的Skylake处理器。高端服务器销售继续拖累整体市场表现,同时这个市场也受到了DRAM定价问题的负面影响。2017年第一季度全球服务器出货量同比增加1.4%达到221万台。有一家客户占到了第一季度服务器出货量的10%以上。
批量出货的服务器收入下滑3.4%至950万美元,中端服务器收入增长16.5%达到13亿美元。对高端系统的需求遭遇29%的同比收入下滑,至10亿美元。IDC预计高端系统收入将持续长期下滑。
IDC计算平台研究总监Kuba Stolarski表示:“服务器市场仍在试图寻求增长。因为该市场正在为切换到英特尔的Skylake做准备,所以我们可能会看到未来工作负载部署方式的转变,以及围绕模块化、操作环境、软件和云服务该如何选择架构。根据该季度的业绩,有一家大型服务器客户似乎正在投资向云服务的重大转型,单单这一家客户就在该季度占到了大约1/4的服务器出货量。”
在2017年第一季度,HPE以24.25的全球服务器市场份额保持第一的位置,收入同比减少15.85至29亿美元。HPE的份额和同比增幅包括来自H3C中国(从2016年5月开始)合资企业的收入;因此,HPE/新华三集团是包括两家公司的全球总服务器收入。戴尔在全球服务器市场以20.1%保持第二位置,同比增长4.7%达到24亿美元。思科、IBM和联想并列第三位置。思科占7%的市场份额,收入同比减少3%至8.25亿美元。IBM占6.2%的市场份额,收入减少34.7%至7.45亿美元。联想占6.3%的份额,收入减少16.5%至7.27亿美元。ODM Direct类厂商的收入增长41.8%达到12亿美元。戴尔和HPE在整体出货量份额方面并列第一,份额分别为21%和20.8%。
* 注释:在全球服务器市场,当两家或者多家厂商之间的收入或者出货量份额差距等于或小于1%的时候,IDC认定这些厂商处于并列位置。
** 注释:由于目前HPE和新华三集团成立了合资公司,所以IDC从2016年第二季度开始将HPE全球外部市场份额作为“HPE/新华三集团”。
IDC计算平台全球市场分析总监Lloyd Cohen表示:“该季度的结果与2016年第四季度的预期是一致的。双路服务器的需求继续控制着目前及未来大部分的出货量,因为这是密度优化型服务器的最佳选择。双路服务器无论从能耗还是成本方面对于数据中心部署都是具有吸引力的。这部分服务器的增长可能会在短期内放缓,因为在整体服务器市场中控制着很大一部分份额,全球来看整体服务器市场增长会有所放缓。”
从地域来看,中东欧(CEE)是增长最快的地区,同比增长7.2%,其次是加拿大2.8%,亚太(不包括日本)0.9%。在亚太区,中国温和增长1.7%。美国下滑2.3%,日本下滑4.3%,西欧下滑14.3%,拉丁美洲下滑14.6%,中东和非洲下滑14.8%.
2017年第一季度对x86服务器的需求呈持平态势,收入106亿美元。非x86服务器同比下滑30.9%至13亿美元。
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。