产业数据:
Gartner预测,2020年全球公有云服务市场将增长6.3%,总额将达到2579亿美元,高于2019年的2427亿美元。桌面即服务(DaaS)预计将在2020年实现最显著的增长,增幅高达95.4%,达到12亿美元。
Gartner最新预测,2020年全球5G网络基础架构市场营收将接近翻倍,达到81亿美元。2020年无线基础架构市场总营收将下滑4.4%,为381亿美元。
Gartner发布数据与分析领域的十大技术趋势,趋势1:更智能、更高速、更负责的AI;趋势2:仪表板的衰落;趋势3:决策智能;趋势4:X分析;趋势5:增强型数据管理;趋势6:云成为必然;趋势7:数据和分析的碰撞;趋势8:数据市场和交易平台;趋势9:区块链技术在数据和分析中的应用;趋势10:关系奠定了数据和分析价值的基础。
Gartner“2020年数据中心备份和恢复解决方案魔力象限”发布,Veeam连续第四次被Gartner评为行业领导者,Commvault连续第九次评为行业领导者。Veeam第一次在总体执行能力上排名最高。Veeam还是唯一一家在执行能力和愿景完整性方面都有所提升的供应商。Commvault Complete Backup & Recovery软件在《2020年Gartner数据中心备份和恢复解决方案关键能力》报告的所有用例中(包括物理、虚拟与公有云环境)获得最高分,其中在公有云环境的用例中获得了4.15分(满分5分)。
企业数据:
西部数据旗下全资子公司晟碟半导体(上海)有限公司7月28日举行了晟碟半导体三期扩建暨综合配套项目开工仪式。作为西部数据公司除深圳工厂之外在华的另一大型工厂,此次扩建规模约为11,800平方米,预计于2021年完工,主要从事先进闪存存储产品的研发、封装和测试。作为全球规模较大的闪存存储产品封装测试工厂之一,其生产的产品类型主要包括SD、MicroSD、iNAND闪存模块等。
IBM发布第二季度财报显示,该季度调整后的利润去年同期的每股3.17美元降至每股2.18美元,收入从去年同期的191.6亿美元降至181.2亿美元,但再次超出市场预期的177.3亿美元。这也是IBM过去32个季度的第28个季度收入下滑。但IBM表示,在充满不确定性的时期,IBM的业务仍表现出了弹性。调整之后的云计算业务收入增长了34%,达到63亿美元,远高于第一季度的23%。
英特尔发布2020财年第二季度财报。财报显示,英特尔第二季度营收为197.28亿美元,与去年同期的165.05亿美元相比增长20%;净利润为51.05亿美元,与去年同期的41.79亿美元相比增长22%。以数据为中心的收入增长了34%,占总收入的52%;以PC为中心的收入同比增长7%。
SAP第二季度财报显示,该季度SAP的收入为79亿美元。其中,云业务收入增长18%,达到23.9亿美元;软件许可收入下滑18%,至9.1亿美元。该季度SAP的营业利润增长8%,至23亿美元,每股利润增长8%,至1.37美元;营业利润率增长了5%,达到29.1%。
微软第四季度财报显示,该季度微软稀释后的每股收益为1.46美元,收入为380亿美元,较去年同期增长13%。微软在整个2020财年的净收入为443亿美元,合每股收益5.76美元,收入为1430亿美元,同比增长14%。
瞻博网络第二季度的非GAAP净收入为1.163亿美元,同比下降17%,非GAAP摊薄后每股收益为35美分。收入为10.86亿美元,同比下降1%,分析师之前曾预期该公司本季每股盈利34美分,收入10.5亿美元。瞻博网络预计第三季度非GAAP每股净收入约为43美分,浮动5美分,预计收入约为11.25亿美元,浮动5,000万美元。
A10 Networks第二季度非GAAP每股净收益为9美分。收入为5250万美元,同比增长7%。华尔街分析师此前曾预期每股盈利8美分,收入为5210万美元。
Check Point公布第二季度财报显示,该季度利润和收入均有增长,但收益低于分析师的预期水平。这家总部位于以色列的网络安全公司报告称,在不计入股票新手等特定成本的利润为1.964亿美元,合每股1.38美元,收入为5.056亿美元,同比增长4%,华尔街此前预计的每股盈利为1.43美元,收入为4.882亿美元。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。