近日,权威调研机构IDC公布《中国企业级外部存储市场跟踪报告,2023Q3》。报告显示,2023年第三季度,中国企业级存储(ESS)市场规模达17.1亿美元,同比下降2.8%。其中,浪潮信息存销售额同比增长10.9%,市场份额达11.5%,位居中国前二,特别是全闪存市场销售额同比增长26.6%,3倍于市场平均增速,领跑市场。
2023Q3:浪潮信息逆势增长位居中国前二
中国企业级存储市场即将触底反弹
报告显示,受宏观经济形势影响,各国企业均降低了在IT领域的投资,2023年Q3全球企业级外部存储市场规模为75.2亿美元,同比下降8.5%,呈负增长态势。其中,作为全球第二大企业级存储市场,中国市场规模为17.1亿美元,同比下降2.8%,市场份额提升至22.7%。IDC预测中国企业级存储市场将实现良性的市场增长,并在未来五年保持3.6%的复合年增长率。
IDC中国企业级存储市场预测(2022-2027)
中国企业级存储市场之所以有望触底反弹,一方面,随着经济的深度复苏和产业政策的强力支持,医疗、制造、交通、教育等行业重回稳定增长的态势,引发存储产品的更高需求,SDS因其高性能、易部署的特性而广受客户青睐,在2023年前三季度同比增长达6.4%。另一方面,AIGC等创新的数字化应用的蓬勃发展,引发生产力与创新力变革,高性能全闪存储需求飙升,推动全闪存储市场快速发展,2023年中国全闪存市场将实现5.8%的增长,与全球市场规模差距进一步缩小。
全闪和分布式创新引领 浪潮信息逆势增长
尽管企业级存储市场的整体略有下滑,但浪潮信息仍保持逆势增长。报告显示,2023Q3浪潮信息企业级存储销售额同比增长10.9%,市场份额达11.5%,位居中国市场前二。其主要增长来自全闪存市场,浪潮信息相关产品市场销售额同比增长26.6%,增速领跑市场。
浪潮信息全闪存储的快速增长,源于对市场的前瞻洞察和全栈自研战略。早在2019年浪潮信息就洞察到数据爆发式增长、数据处理实时性增强、数据价值重新定义的新数据时代已经到来,提出新数据存储战略并持续布局全闪存储市场。作为业界唯一一家从存储部件、存储系统到整机全面自研的存储厂商,率先推出自研NVMe SSD高速存储介质,打造了新一代集中式和分布式全闪存储两大平台产品。基于闪存原生的Turbo 2.0智能加速引警,和盘控协同、ZNS数据分流等技术,实现千万级IO均衡落盘且时延业界最低,在SPC-1国际基准测试中,高端全闪存储HF18000以2300万IOPS夺得集中式存储榜单第一,凭借领先的性能优势,满足金融、高端制造业数据库和海量数据检索等高性能应用场景的需求。
IDC预测,AIGC将在未来几个季度推动存储市场持续增长。面向AIGC等创新应用的存储需求,浪潮信息在业界率先推出分布式融合存储架构和生成式AI存储解决方案,实现文件、对象、大数据和视频等多种协议的无损互访,支持闪存、磁盘、磁带、光盘四类介质分层存储,通过一套集群即可支撑起大模型的海量复杂数据的采集、处理、训练和管理,避免了协议转换带来的效率降低和多套存储带来的管理难题,加速生成式AI的应用创新。
IDC报告显示,浪潮信息的全闪、分布式存储产品在银行、通信等行业大客户中广泛部署和应用,助力千行百业构建安全、可靠、经济、高效的数据基础设施,加速行业数字化转型和智能化升级。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。