日前,Gartner公布2020全球主存储“用户之选”报告(Gartner Peer Insights ‘Voice of the Customer’: Primary Storage Arrays),浪潮存储、Dell、HPE、IBM、NetApp、Hitachi Vantara、Infinidat、Pure Storage等9家全球存储主流厂商入选。凭借全闪存储产品和技术创新,浪潮存储用户评分位居全球第一。
“用户之选”报告由全球权威调研机构Gartner出具,与魔力象限、关键能力报告一起构成了Gartner评估全球存储厂商产品竞争力的“三驾马车”,有别于其他两份报告偏重专家分析的特点,“用户之选”报告聚焦用户口碑,为企业决策者的存储选型提供了重要参考。“用户之选”报告对于入选厂商和参评用户始终实行严苛的筛选标准。对于用户的选择,一方面,Gartner会对其所在行业、公司规模等情况进行审视;另一方面,只有年营收高于5000万美元的用户,其评分才被用于后续统计分析。同时对于存储厂商,Gartner规定,只有在一年内由用户提交的评论超过一定次数才能入选。
本次评选,Gartner邀请全球用户从总体评价、产品能力、评估签约、部署实施、服务支持、推荐意愿多个方面对主存储产品进行了全面、客观的评估。在过去18个月内Gartner共收集到874份用户评测,在此基础上经过层层严格评估,Gartner最终将9家总体评级领先的存储厂商列入主存储“用户之选”报告,浪潮存储成功入选,用户评分全球第一。至此,浪潮存储在Gartner分布式存储和主存储两大领域用户评分均实现领跑。
能够连续多年在全球用户评测中收获高分,源于浪潮在新数据存储领域的前瞻洞察和持续技术创新。浪潮存储是业界最早提出新数据存储战略的厂商,推出了中国首款、全球首批搭载傲腾双端口NVMe SSD的全闪存储,基于iTurbo 2.0智能引擎技术实现了智能路径选择、冷热分流和多核负载均衡,将存储性能提升35%、延时降低50%,在SPC-1性能测试中包揽了16控、8控、单位成本性能三块“金牌”。同时在Gartner报告考核期内,浪潮存储在全闪领域申报了数百份专利,占浪潮存储全年专利的1/3,并参与了金融、通信行业全闪存储标准制定,引领全闪存储技术创新与发展。基于领先的技术,浪潮存储在大型银行金融交易、中石化SAP HANA、ETC缴费、山东省级医保、华科大脑图谱研究等行业核心业务中实现了规模化部署。
随着企业数字化转型不断深入,5G、AI、大数据等新技术与实体经济将加速融合,全闪存储将成为企业级存储市场的增长引擎。浪潮存储基于“云存智用 运筹新数据”理念,加大高端存储、全闪存储研发投入与创新,率先引入NVMe、多云对接、智能运维等数据存储新技术,以领先产品加速企业数字化转型。
以下展示几条Gartner官网的用户评论:
金融用户:“浪潮存储是一家值得信赖的制造商。全闪存储 HF5000带给了我们非常好的体验。浪潮存储的销售、技术人员非常专业,为我们提供了很多关于系统架构设计的咨询服务和建议。”
通信用户:“浪潮全闪存储HF系列在我们的核心业务上表现出色,计费系统延迟显著降低”。
教育用户:“随着人工智能应用快速发展,我们人工智能实验室现有的存储设备已不能满足高IOPS和低延迟的要求。浪潮全闪存储HF5000G5可以提供百万级IOPS和0.1毫秒延迟,从而提升AI训练效率。同时HF5000G5接管我们的旧设备,实现资源的统一管理和使用。此外,浪潮存储的服务和产品一样好,可以为我们提供7*24服务,帮助我们做好存储系统维护。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。