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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。