Forrester Wave™：中国的 AI/ML 平台，2023 年第 4 季度
AI 工具、行业加速器和 ModelOps 支持最重要
作为中国政府新基建愿景的关键组成部分，人工智能已成为中国企业技术战略的重要组成部分，助力其数字化业务转型。得益于过去一年左右的基础模型和生成式人工智能的变革浪潮，中国决策者进一步优先考虑人工智能的采用，以推动生产力提高和加速业务创新。在人工智能之旅的新篇章中，中国企业需要能够支持其自身业务环境中复杂用例的人工智能/机器学习 (ML) 平台。他们还希望在整个组织中利用新人工智能技术背后的能量来促进协作并解决人才限制。
由于这些趋势，中国的人工智能/机器学习平台客户应该寻找以下供应商：
- 提供跨数据管理、模型训练和人工智能应用程序的全面工具。人工智能平台的核心是开发和管理工具，用于管理培训数据、构建人工智能模型和创建支持人工智能的应用程序。本土公司不仅应该关注对数据科学家和算法工程师设计、训练和评估人工智能/机器学习模型至关重要的工具；他们还应该考虑人工智能应用程序开发所需的工具，例如为专业开发人员提供的开发框架和高级笔记本支持，或为业务开发人员提供的可视化仪表板和低代码支持。此外，跨探索、准备、增强和特征工程的数据管理工具对于构建模型训练的数据基础至关重要。人工智能领导者必须对供应商的基础模型工具抱有现实的期望，因为它仍然比传统模型成熟得多。
- 提供针对行业业务场景量身定制的易用加速器。大多数中国企业缺乏既具备技术专业知识又具备深入业务知识的数据科学家和算法工程师，无法根据自己的业务需求定制传统的人工智能/机器学习模型。他们更难适应新兴的通用基础模型，使用自然语言进行快速工程或使用业务洞察进行模型微调。因此，预建模型、应用模板、示例代码等行业加速器对于本土企业加快人工智能开发至关重要。可视化配置、编排和低代码开发支持将进一步加速创新。
- 通过广泛的 ModelOps 覆盖范围实现大规模模型操作。面对快速变化的客户需求、激烈的竞争和经济不确定性，中国企业努力在生产中部署、监控和管理人工智能模型，以确保其成本效益。ModelOps 包含工具、技术和实践，可帮助本地组织以负责任、可重复和可扩展的方式开发和部署 AI 模型。他们需要具有一系列 ModelOps 功能的 AI 平台，以简化和自动化整个模型生命周期的模型开发和部署。这包括发布模型和监控数据漂移；定义任意审批工作流程；模型性能监控；A/B 测试；以及自动调整和重新训练模型的能力。
评估总结
Forrester Wave™ 评估重点关注领导者、优秀表现者、竞争者和挑战者。这是对市场上顶级供应商的评估；它并不代表整个供应商格局。您可以在我们的报告中找到有关该市场的更多信息：2022 年第四季度中国 AI/ML 平台格局。
我们希望此评估仅作为一个起点，并鼓励客户使用基于 Excel 的供应商比较工具查看产品评估并调整标准权重（见图 1 和 2）。单击 Forrester.com 上本报告开头的链接即可下载该工具。
图1
Forrester Wave™：中国的 AI/ML 平台，2023 年第 4 季度
图2
Forrester Wave™：中国 AI/ML 平台记分卡，2023 年第 4 季度
供应商产品
Forrester 评估了下面列出的产品（参见图 3）。
图3
评估的供应商和产品信息
供应商简介
我们的分析揭示了各个供应商的以下优势和劣势。
领导者
- 百度AI云为AI开发者提供全面的能力。百度人工智能云为人工智能创新提供全面的愿景和产品组合。该公司拥有Baige，一个异构计算平台，由昆仑等自研芯片组和其他图形处理单元（GPU）提供支持。它还提供了大量的人工智能平台，包括其自主研发的开源深度学习框架PaddlePaddle；BML和EasyDL作为针对专业和低代码开发人员的开发平台；EasyData 用于模型数据集成和特征工程；AIS作为人工智能服务的运营平台；以及用于AI资产共享的AI Hub。百度AI云是中国基础模型的先行者之一。它将 ERNIE 系列基础模型嵌入到具有可靠产品路线图的产品组合中。其围绕 PaddlePaddle 的活跃生态系统有效地吸引了人工智能开发人员进行共同创新。百度人工智能云在数据探索、数据准备、数据增强、特征工程、模型算法、模型评估、推理性能、应用工具和加速器方面拥有卓越的能力，并具有卓越的架构设计。参考客户欣赏该平台的综合功能及其推动平台发展的战略研发投资。公司拥有丰富的模型开发工具，但产品稳定性有待提高。它还具有可靠的 ModelOps 功能来部署、监控和管理模型，但参考客户希望它们更易于使用。百度人工智能云对于寻求广泛的面向开发者的平台能力和开放生态系统来加速人工智能创新的公司来说是理想的选择。
- 阿里云在云中提供具有卓越工具和性能的人工智能平台。阿里云的人工智能机器学习平台（PAI）拥有卓越的愿景，以“4S”（规模、速度、简单性和业务场景覆盖）为目标，帮助企业客户转变其数字基础设施和应用程序。该公司有效利用其在公共云市场的领先地位，为混合云环境中的大规模分布式 AI/ML 工作负载提供支持。阿里云还专注于人工智能工程、机器学习自动化和基于模型的应用程序，以满足整个模型生命周期的客户需求。它拥有明确的产品路线图，并对基础模型进行战略投资。阿里云与阿里巴巴达摩院的紧密合作，加速了自身研发成果的商业化进程。其 ModelScope 还推动了开发者社区的开放协作。阿里云在模型训练工具和性能、模型推理性能、应用工具等方面拥有优越的能力。它的 DataWorks 服务具有特征存储功能，但 PAI 对特征工程的支持有限。PAI 支持一系列推理框架，例如 Triton、TensorRT 和 oneDNN，但它不提供预构建服务来在边缘环境中部署模型以进行模型推理。PAI的运行时支持也仅限于部署在阿里云的公有云和私有云环境中。参考客户称赞其平台的丰富性和易用性、创新步伐及其在基础模型和生成人工智能方面的专业知识。对于寻求强大工具和可扩展性以在阿里云混合云环境中进行快速人工智能创新的公司来说，阿里云是理想的选择。
表现强劲
- 华为云提供全栈AI能力，但需要更广泛的多云支持。华为云旨在通过云平台之上的全栈AI服务，全面支持业务场景，推动行业智能化。该公司提供一系列人工智能软件和硬件产品，例如用于训练和推理的人工智能处理器Ascend；CANN作为芯片组支持的异构计算架构；MindSpore 作为模型开发和部署的人工智能框架；ModelArts作为AI开发的一站式AI平台；盘古作为差异化人工智能创新的基础模型。它还推动了 ModelArts 和 DataArts Studio 之间的集成，DataArts Studio 是其用于统一大数据和人工智能操作的数据管理平台。华为云具有卓越的定价灵活性和透明度，注重技术自力更生和生态系统协作。华为云在推理目标和性能方面具有卓越的能力。该公司的 DataArts 产品具有扎实的数据探索能力，但与 ModelArts 的集成仍在进行中。它具有可靠的数据增强功能，但缺乏特征工程能力。华为云有丰富的方法和可视化来评估单个模型，但缺乏模型比较功能。该公司提供了可靠的 ModelOps 功能（例如审批工作流定义和性能监控），但缺乏用于模型部署的预构建 A/B 测试功能。参考客户称赞其具有竞争力的价格和专业的服务，但他们希望看到更透明的产品路线图。华为云非常适合寻求全面技术自力更生、通过强大的专业服务推动行业智能的企业。
- 商汤科技打造了卓越的人工智能软件产品组合，但需要更多应用工具支持。作为亚太地区领先的人工智能软件独角兽之一，商汤科技致力于人工智能创新，并将生成式人工智能作为其战略核心。SenseParrots 和 SensePPL 分别是深度学习的训练框架和推理引擎。INTERN 2.5 是其通用的多模式、多任务和开源基础模型，适用于生成人工智能和图像描述和视觉推理等复杂场景。其SenseCore人工智能云提供了强大的软件基础设施，由亚洲最大的人工智能数据中心提供支持，用于模型训练和推理。公司还提供SenseMARS、SenseFoundry Enterprise、SenseCare、SenseAuto等一系列解决方案，加速商业、虚拟宇宙、医疗保健、汽车制造等行业的数字化转型。商汤科技在模型训练算法、推理性能、应用加速器、架构设计等方面拥有卓越的能力。该公司的AI数据服务产品为AI模型的训练和推理提供了坚实的平台来管理海量非结构化数据，例如版本管理、自然语言图像检索、标注数据虚拟化等，但在特征存储能力方面还需要改进。它还具有 ModelOps 的基本功能，例如模型性能监控、审批工作流定义和预构建的 A/B 测试，但它对低代码开发和可视化仪表板等 AI 应用程序工具的支持有限。对于寻求强大的人工智能基础设施和具有深厚专业知识的针对性解决方案来推动创新的公司来说，商汤科技是理想的选择。商汤科技拒绝参与完整的 Forrester Wave 评估过程。
- SAS 利用其全球技术实力促进中国增长，但缺乏动力。自1999年进入中国市场以来，SAS凭借其在高级分析领域的全球技术领先地位，实现了快速增长。2005年，在北京设立研发中心和客户支持中心；其中国研发中心已成为全球七大研发中心之一，具备齐全的软件工程能力。SAS在中国的业务增长大部分来自银行、保险和政府部门，提供反洗钱和IFRS 17监管合规等解决方案。该公司还在中国举办了一系列竞赛，吸引人才参与数据探索、分析，以及 ML/深度学习 (DL)。然而，SAS 必须提供更多的应用程序开发能力以及与当地技术生态系统更广泛的合作，以吸引中国的人工智能团队。SAS在推理性能和架构运行时方面具有卓越的能力。该公司在跨工具、算法、评估和性能的模型训练方面也拥有扎实的功能，并为 ModelOps、应用程序工具和加速器以及架构安全提供必要的支持。它提供了一个具有辅助功能的工作台，可以加速结构化数据的标记和重新标记，但需要改进对图像、视频、音频和 3D 点云等非结构化数据的标记支持。SAS提供内置的深度学习模型编译器来加速推理，但它需要本地芯片组生态系统更广泛的支持。对于希望与在先进数据科学领域拥有全球技术领先地位和创新经验的供应商合作的公司来说，SAS 是理想的选择。SAS 拒绝参与完整的 Forrester Wave 评估过程。
- 京东云提供了优质的人工智能开发工具，但需要更好的模型评估。作为京东集团专注于政企客户数字化解决方案的业务单元，京东云技术覆盖人工智能、大数据、云、区块链、物联网等领域。在人工智能技术方面拥有雄厚的研发投入，为AAAI、CVPR、NeurIPS等全球顶级人工智能组织发表论文500余篇。它还利用其在零售、金融、物流、医疗保健和制造领域的广泛业务组合来打造以洞察为导向的行业解决方案和电力行业转型，并具有卓越的定价灵活性和透明度，从而使其人工智能平台脱颖而出。京东云正在对生成式人工智能进行战略投资。2023 年 7 月，它发布了 ChatRhino（又名 Yanxi），这是其 1000 亿参数的基础模型，并拥有坚实的创新路线图。京东云在模型训练工具、AI应用工具、架构运行时等方面拥有超强能力。该公司在开放数据标签平台 EASYLABEL 上拥有丰富的功能，但并未与其人工智能平台集成。它支持 Knative 作为无服务器基础设施以实现推理性能，但对模型优化的支持仅限于内部使用。京东云还支持一系列差异化的增值算法，用于跨 ML 和 DL 的模型开发，具有标准评估功能，但对假设分析和模型比较的预构建支持有限。参考客户称赞其直观的模型开发工具设计、自定义应用程序开发的简便性以及具有竞争力的价格，但他们希望看到对基础模型的更好支持。对于寻求易于使用的人工智能开发能力以及行业知识来推动人工智能创新的公司来说，京东云是理想的选择。
- 腾讯云AI业务增长强劲，但需要更好的ModelOps支持。腾讯云旨在帮助客户低成本、高效地构建满足业务需求的AI模型。该公司拥有强大的公共产品路线图，覆盖面广，里程碑明确，但其创新步伐和生态系统广度有限。其TI平台提供专用功能来满足人工智能从业者的特定需求，包括面向数据科学家的TI-ONE、面向人工智能开发人员的TI-Matrix以及面向人工智能数据服务提供商的TI-DataTruth。它还与腾讯云上的人工智能基础设施和模型即服务（MaaS）产品集成，作为核心引擎为精选基础模型的一站式商店提供支持，以实现其 MaaS 战略。加上人工智能战略投资以及公有云、社交平台等数字生态系统的协同，2022年公司人工智能业务实现了200%以上的增长。腾讯云在模型训练工具、训练模型评估等方面拥有超强能力、推理目标、AI应用工具。该公司内置了16个数据源的连接器来支持数据准备，但不支持NoSQL和时序数据库。它正在对特征工程进行战略投资，但诸如特征存储之类的一些基本功能尚不可用。腾讯云支持可视化配置模型部署的任意审批流程，并支持 A/B 测试，但模型性能监控的基本功能仍在开发中。其供行业采用的预构建模型和应用程序在其人工智能市场中也受到限制。腾讯云是寻求数字生态系统协同效应以加速人工智能采用的公司的理想选择。
竞争者
- PERCENT 涵盖了为 AI 提供支持的整个数据生命周期，但需要更多的行业 AI 解决方案。PERCENT 旨在解决常见的业务需求，同时将数据转化为业务知识并促进决策。该公司的 DeepMatrix 数据科学基础平台在统一数据湖基础设施之上提供集成的知识驱动功能，涵盖数据管理、模型开发和知识增强服务的整个生命周期。PERCENT 采用集成产品设计和最小可行产品的思维来执行其可靠的产品路线图，并积极参与国内软件联盟以促进市场采用。该公司还战略性地扩展其在中国和全球 20 多个国家的合作伙伴生态系统。PERCENT 为数据、训练、推理和应用程序的大多数功能提供了可靠的产品。该公司提供必要的特征工程能力，但其特征存储支持有限。它对模型评估的支持缺乏跨模型类型的候选模型的假设分析和标准报告。PERCENT仅提供少数行业AI解决方案，例如用于智能安全分析的DeepFinder、用于社会治理智能的DeepGovernor、用于媒体洞察的MediaForce。其针对行业的预训练人工智能模型也仅限于公共安全。参考客户称赞其用于数据探索和准备的内置数据源连接器的丰富性，但他们希望看到对 ML/DL 算法和基础模型的更广泛的本机支持。对于寻求大数据和人工智能统一管理的公共部门公司来说，PERCENT 是一个不错的选择。
- DataCanvas 构建了多云 AI 基础，但需要更多预先构建的行业支持。DataCanvas成立于2013年，一直致力于开发以自动化和云原生为重点的AI基础软件。公司采取差异化的“云中云”产品策略，打造面向多云环境的AI云平台DataCanvas APS；其目的是覆盖人工智能模型的整个生命周期，但其路线图需要更高的透明度。它还为一系列数据科学领域做出了重大贡献，包括作为因果推理算法工具包的 YLearn、作为自动化机器学习 (AutoML) 开发框架的 Hypernets 以及作为结构化数据深度学习算法的 DeepTables。6 月下旬，DataCanvas 推出了 Alaya，这是其开源多模式基础模型，其中 DataPilot 可以使用自然语言进行自动化数据集成、处理和分析。DataCanvas在架构运行时能力超强，为国内公有云和私有云提供最丰富的官方支持。DataCanvas 为主要数据管理功能提供了可靠的产品，包括探索、准备和特征工程，以及用于模型训练、推理目标和架构设计的工具和算法。该公司为金融、交通和通信等一系列行业提供解决方案，但缺乏开发工具和特定行业加速器来加速人工智能应用交付。参考客户称赞其开源算法、产品成熟度和用户体验，但他们希望看到模型评估在可解释性方面的改进。对于在多云和混合云环境中寻求统一数据管理和人工智能模型开发能力的公司来说，DataCanvas 是一个不错的选择。
- AWS 在云中提供了可靠的人工智能平台，但需要更多的本地可用性。Amazon Web Services (AWS) 致力于中国市场，并逐步对其全球人工智能平台组合 SageMaker 进行本地化。其目标是连接中国和其他国家，以便企业能够利用其在公共云市场的全球领导地位进行全球扩张。该公司在全球范围内拥有坚实的产品愿景，并将基础模型与人工智能基础设施、框架、开发平台和应用服务一起作为其人工智能技术堆栈的关键支柱。然而，在地缘政治摩擦的阴影下，其创新战略和产品路线图需要满足当地市场独特的客户需求，例如混合云支持、本地技术生态系统的互操作性和优化以及预构建的工业人工智能解决方案。AWS 在数据探索、数据准备、特征工程、模型训练工具、算法支持、模型训练性能、推理目标和架构安全方面提供了可靠的产品。但是，一系列 Amazon SageMaker 服务在中国尚不可用，例如用于数据增强的 Ground Truth、用于无代码 AutoML 支持的 JumpStart、用于自动超参数调整的 Automatic Model Tuning 以及用于边缘推理目标支持的 Edge Manager 。其为基础模型和生成人工智能提供支持的 Amazon Bedrock 仍在全球市场上进行预览，尚未在中国推出。所有这些限制都影响了AWS为中国企业客户提供人工智能功能的广度和深度。对于寻求可靠的人工智能基础以进行全球运营的公司来说，AWS 是一个不错的选择。AWS 拒绝参与完整的 Forrester Wave 评估流程。
- BeagleData 提供了坚实的人工智能基础，但需要更广泛的行业覆盖范围。BeagleData 旨在通过场景驱动的方法提供跨数据管理和人工智能的全面数字基础设施，为易于访问的机器智能提供动力。该公司提供MaximAI、Kaleido和Sail，分别用于模型开发、特征工程和模型推理，针对复杂的业务场景。它还提供了一个差异化的企业数据结构平台，以促进数据准备和数据资产管理，并与用于人工智能决策的Gaea和用于知识图生成的KGG一起。BeagleData 对于基础模型有坚实的战略，但其产品路线图需要更加清晰。该公司还拥有丰富的金融行业客户服务经验，并在能源和制药等其他行业取得了一些早期成功。BeagleData在ModelOps方面拥有超强的能力。该公司还提供可靠的数据管理产品，包括探索、准备、增强和特征工程，以及用于模型训练、推理和人工智能应用程序开发的工具。它为模型训练评估提供了一系列评估方法，但缺乏假设分析支持。其用于推动行业人工智能采用的预构建模型和应用程序也很有限。参考客户称赞其在整个模型生命周期（涵盖开发、部署和监控）的统一管理以及定制应用程序开发专业服务的质量。对于寻求跨数据和人工智能的统一软件组合来构建定制的人工智能应用程序并促进人工智能决策的公司来说，BeagleData 是一个不错的选择。
挑战者
- 创新奇智主攻智能制造，但能力还需提升。自 2018 年成立以来，创新奇智主要致力于推动人工智能在中国制造业的应用。其 MMOC 产品组合不仅包括 Orion 作为 AI/ML 平台，涵盖支持 AutoML 的 AI 模型的整个生命周期，还包括 ManuVision 作为具有制造专用功能的计算机视觉平台，例如工业控制器集成和针对制造场景优化的算法。此外，该公司还提供MatrixVision，这是一个用于智能工厂和工业物联网等边缘应用的智能边缘视频平台，以及用于基础设施资源管理的AI云引擎。创新奇智2022年业务收入突破15亿元，年增长率超过80%，但与本次评测的其他厂商相比，其行业覆盖范围有限。创新奇智在数据准备、数据增强、模型训练工具、算法、架构设计等方面拥有扎实的能力。该公司有预先构建的特征工程支持，但缺少特征存储功能。它还通过预构建的模型存储库提供跨数据管理、模型开发、模型验证和模型服务的 ModelOps 支持，但其模型评估、训练和推理性能优化、人工智能应用程序开发以及制造业以外行业加速器的功能需要改进。创新奇智非常适合寻求专用解决方案和丰富行业经验来加速人工智能创新的制造业企业。创新奇智拒绝参与完整的 Forrester Wave 评估过程。
- IEIT SYSTEMS 为 ModelOps 提供了坚实的 AI 基础，但在数据和应用程序开发方面落后。IEIT SYSTEMS 成立于 1998 年，是 IT 基础设施产品、解决方案和服务的领先提供商。旨在打造统一、高效、规范的人工智能开发流程，驱动企业人工智能创新。该公司的AI Station专注于为需要基础设施管理以快速采用AI能力的中小企业客户提供AI培训、部署和服务场景。IEIT SYSTEMS 利用其在人工智能服务器硬件方面的独特优势和“Meta Brain”计划来扩展其合作伙伴生态系统并推动市场采用。它已服务于能源、金融等多个行业的客户，但其行业解决方案有限，其创新路线图侧重于人工智能基础设施。IEIT SYSTEMS 在模型推理目标和 ModelOps 方面拥有扎实的能力。一个很大的差距是缺乏跨数据探索、准备、增强和特征工程的数据管理支持。该公司支持基于浏览器的Jupyter在线查看、编辑和调试训练模型脚本，但可视化建模有待未来考虑。它对模型评估、模型优化、人工智能应用程序开发工具和运行时的支持也很有限。目前它还缺乏预构建的行业加速器。参考客户称赞其易于配置模型训练环境及其人工智能基础设施的可扩展性，但他们希望看到基于笔记本的开发的易用性得到改进。IEIT SYSTEMS 非常适合寻求可靠的人工智能基础设施来增强人工智能引擎并大规模支持人工智能工作负载的企业。
- 金蝶采用低代码方法来驱动人工智能，但需要提高其可用性。金蝶软件是中国最大的企业应用软件供应商之一，为全球约740万客户提供服务和产品。通过利用其在中国的综合软件即服务（SaaS）生态系统，该公司旨在帮助企业优化业务流程、加速洞察生成并加速数字化转型。针对不同客户群体，提供一系列人工智能平台，如面向大型企业的宇宙、面向中型企业的星空、面向小微企业的精斗云等。作为一个低代码开发平台，Cosmic 提供可配置的接口，将人工智能支持嵌入到业务应用程序中。金蝶对外部客户采用的产品愿景有限，路线图也不明确。创新关注客户需求，但缺乏成果和生态影响力。金蝶软件在架构运行时具有扎实的能力。该公司在其 Cosmic 平台上提供一系列功能和垂直领域的人工智能解决方案，例如聊天机器人、销售预测、客户价值分析和产品推荐。然而，与本次评估中的其他供应商相比，数据管理、模型训练、模型推理和应用程序开发方面的大多数能力都受到限制。它们还主要被内部产品团队用于业务应用程序定制，以满足客户需求；企业采用试点尚处于早期阶段。参考客户称赞其能够灵活地嵌入到现有业务流程中以实现智能自动化，但他们希望看到更多的开发支持。金蝶软件非常适合希望通过简单的配置和本地专业服务推动人工智能创新的现有客户。
评估概览
我们将评估标准分为三个高级类别：
- 目前的产品。每个供应商在 Forrester Wave 图表垂直轴上的位置表明了其当前产品的实力。这些解决方案的关键标准包括数据、训练、推理、应用程序和架构。
- 战略。横轴上的位置表示供应商策略的强度。我们评估了愿景、创新、路线图、合作伙伴生态系统、采用以及定价灵活性和透明度。
- 市场存在。我们的市场影响力分数以图形上标记的大小表示，反映了每个供应商的收入、客户数量和项目数量。
供应商纳入标准
我们参与本次评估的每个供应商：
- 拥有全面、差异化的AI/ML平台解决方案。供应商必须提供一个平台，为人工智能团队提供构建、部署、编排和管理机器学习模型的工具和功能，这些模型是构建人工智能应用程序所需的智能“金块”。
- 积极作为面向企业客户的 AI/ML 平台进行营销。供应商提供专门针对购买 AI/ML 平台的目标企业客户提供的解决方案，以便为最广泛的用例构建定制的 AI 解决方案。
- 有安装基础和收入要求。截至 2023 年 5 月 4 日，供应商必须拥有至少 100 个使用我们评估的 AI/ML 平台版本的付费指定企业客户。纳入的供应商还必须通过客户采用供应商的产品而产生 1 亿元人民币的已证明收入。人工智能/机器学习平台。
- 引发了客户询问和/或具有市场动力。Forrester 客户通过询问和其他活动表达了对供应商和产品的兴趣。
补充材料
在线资源
我们在 Excel 文件中发布所有 Forrester Wave 分数和权重，该文件提供详细的产品评估和可定制的排名；单击 Forrester.com 上本报告开头的链接下载此工具。我们希望这些分数和默认权重仅作为起点，并鼓励读者调整权重以满足他们的个人需求。
Forrester Wave 方法论
Forrester Wave 是买家在技术市场考虑购买选择时的指南。为了为所有参与者提供公平的流程，Forrester 遵循Forrester Wave™ 方法来评估参与供应商。
在我们的审查中，我们进行了初步研究，以制定供评估时考虑的供应商名单。从最初的供应商库中，我们根据纳入标准缩小了最终名单。然后，我们通过详细的调查问卷、演示/简报以及客户参考调查/访谈来收集产品和策略的详细信息。我们使用这些输入以及分析师在市场上的经验和专业知识来对供应商进行评分，并使用相对评级系统将每个供应商与评估中的其他供应商进行比较。
我们在每份 Forrester Wave 报告的标题中明确注明了 Forrester Wave 发布日期（季度和年份）。我们使用参与本次 Forrester Wave 的供应商在 2023 年 6 月 21 日之前向我们提供的材料对他们进行了评估，并且在此之后不允许提供更多信息。我们鼓励读者评估市场和供应商产品如何随时间变化。
根据我们的供应商审查政策，Forrester 要求供应商在发布之前审查我们的调查结果，以检查其准确性。在 Forrester Wave 图表中标记为非参与供应商的供应商符合我们定义的纳入标准，但拒绝参与评估或仅对评估做出部分贡献。我们根据我们的供应商参与政策对这些供应商进行评分，并将他们的定位与参与供应商的定位一起发布。
诚信政策
我们根据我们网站上发布的诚信政策进行所有研究，包括 Forrester Wave 评估。
原文：https://reprints2.forrester.com/#/assets/2/1435/RES178518/report
既然来了，说些什么？