至顶网软件频道消息: IDC亚太区刚刚发布了首个MarketScape for Asia/Pacific Big Data and Analytics Platform 2017 Vendor Assessment厂商评估报告,其中Splunk和IBM被评为"领导者"。该报告评估了市场中11家涉足亚太区市场的全球顶级厂商所提供的大数据和分析(BDA)解决方案,并分析了他们的优势和挑战。IDC使用了一种综合框架来评估这些厂商大数据和分析解决方案的各种功能,包括大数据管理、集成平台、分析工具、认知/人工智能软件功能。
IDC亚太区大数据分析和认知/人工智能团队研究经理Kar Leong Tew表示:"大数据和分析是企业组织在数字化转型过程中最常见措施之一,这项研究结果证实了厂商在扩大他们解决方案在BDA项目生命周期内的覆盖范围,以及满足认知/人工智能解决方案需求的程度。那些既在该领域树立了品牌和声誉、又有效在市场中扩大了解决方案覆盖面的企业组织成为领导者。"
亚太区大数据分析解决方案的"领导者"们正在面临越来越多的"挑战者"。例如,领导者和主要厂商例如SAS、Oracle和Fusionex之间的差距很小,考虑到这个市场中BDA解决方案的快速升级,他们很容易被赶超。而且,随着市场逐渐成熟,意识到大数据的各种可能性,以及这些解决方案可以用于现实工作环境来改善业务流程,这个领域的机遇将快速增加。
该研究中涉及的厂商涵盖那些提供了跨生命周期(提取、转换和加载[ETL]、摄取、分析、预测和可视化)提供解决方案和产品的全球厂商,以及那些专注于亚太区的厂商,该地区总共11家厂商参与了这项研究,包括:
1. Splunk
2. IBM
3. Qlik
4. Oracle
5. SAS
6. Hortonworks
7. Cloudera
8. MapR
9. The Information Bus Company (TIBCO Software)
10. Fusionex
11. Pentaho (2017年9月品牌更名为Hitachi Vantara)
该研究还分析了每家厂商的解决方案利用率、解决方案的普及程度、解决方案的智能性、以及如何帮助企业组织专注于核心能力(包括性能、治理、可用性、本地化、定制以及准备好利用他们的数据来提高利用率、普及程度和智能性)。
Tew补充说:"分析解决方案通常被部署成了孤岛,也就是结果和数据在不同业务部门之间或者不同团队之间是无法共享的。很快,随着企业组织执行BDA解决方案的成熟,这种趋势将会发生改变,最终企业组织将采取一种更加协作的方式,实现由认知/人工智能模型驱动的解决方案。因此,对这些厂商的评估专注于他们对跨业务线部署分析解决方案的就绪程度、他们支持客户部署认知/人工智能能力的战略。'领导者'在这些方面表现出色,'主要厂商'则紧随其后。"
BDA市场在不断增长,尽管厂商在争夺市场主导和领先位置,但是这场竞争还远没有结束。推动这个市场增长的趋势包括:
• 对预测和规范性分析以提高流程自动化、提高生产力的需求日益增加
• 出现了带有内嵌决策架构、可以自动学习和决定如何响应的新智能系统
• 出现了越来越多数据即服务应用API,能够有效地连接那些此前还是孤岛的业务流程
目前,BDA解决方案的各种可能性还会增加,厂商正在涉足该市场的不同领域。反过来,这也意味着未来有巨大的潜力,IT和业务线决策者将会就他们的解决方案采用做出重大决策,还不仅仅是基于他们各自业务部门的单一用例。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。