Amazon、谷歌与微软都很清楚运行超大规模公有云意味着什么,而IBM亦在摸索当中。那么谁能够在新的一年当中俘获更多企业客户的心?
大家也许无需思考即能报出目前各大顶级企业软件供应商的名号:微软、IBM、甲骨文以及SAP。根据我能找到的最乐观估计结论,这四大巨头在2015年年内总计斩获1400亿美元软件营收,而其中一马当先的自然是微软及其无处不在的各知名产品。
我们的云未来亦将包含四大核心厂商——Amazon、微软、谷歌以及IBM。而且尽管目前的公有云营收尚完全无法同软件业务相提并论,但其确实拥有 迅猛的发展势头而且呈现出全线激增的喜人局面。作为当前领导者的AWS正在一路高歌猛进,于2015年年内收得超过70亿美元,较上年全年增幅在80%左 右。
微软的云业务亦迎来良好走势,根据FBR Capital Markets公司一位分析师的说法,微软帝国在2016年内的云营收将突破80亿美元,远高于去年的50亿美元。当然,这部分数字中包含Office 365服务(其确实拥有云接入与云交付等特性,但我们真的很难将其称为SaaS方案)。
而单从营收角度来看,IBM能够排在第三位,因为其最新季度财报显示蓝色巨人按照年营收折算能够从云业务中获得45亿美元,较上年增长45%。不过 与微软类似——最近有人对微软的云营收数字进行了猛烈抨击,认为其中存在造假行为,而且发言的正是其前任CEO鲍尔默同志——IBM向来拥有捏造云营收以 取悦分析师的“优良传统”。
谷歌方面则甚至根本不打算公布其云营收,但The Information曝料称谷歌云业务在2015年年内的营收接近4亿美元。听起来还可以,因为直到最近谷歌公司才刚刚推出了自己的一套企业级云业务发展战略。
在此之后,也就是两个月之前,谷歌公司技术研究员Urs Hölzle预测称谷歌旗下的云业务将在未来五年内成为其主要营收支柱——即超过其广告收入。在这里我们得提一句,谷歌公司2015年年内的广告收入为650亿美元……
那么Hölzle到底是喝了几两老白干才敢放此豪言?事实上,他认为在公有云领域,最终拼的就是基础设施规模。此前我们曾经发布过一篇《云基础设施 位置之战在全球打响,Amazon、微软与谷歌正全力以赴》的文章,其中提到谷歌在全球基础设施覆盖率方面排名第三,但归功于强大的搜索/广告业务,该公 司已经拥有良好的云数据中心铺设定位。
值得注意的是,那篇文章所勾勒出的排名结果立足于云有云可用区设置,而非资源容量,不过我们也可以看到IBM未能上榜的理由所在:IBM的大部分全 球化基础设施都是由SoftLayer所建立,且其明显未能像其它三大厂商那样提供良好的平台服务。IBM Bluemix PaaS倒是拥有不错的服务阵容,但就目前来看Bluemix还仅仅是一项面向美国南部、英国以及澳大利亚的公有云业务。
考虑到IBM公司的传统业务定位,这样的布局方针也确实有其道理。IBM的专业服务能够切实解决那些有意使用SoftLayer基础设施之客户的一 切需要,而Bluemix的可用性也必然会随时间推移而不断增加。与此同时,众多Bluemix部署方案将以内部形式完成,因为IBM公司从长远角度来看 走的是混合云路线。而其它三家厂商则更为明确地投身于提供公有云自助服务领域。
Amazon公司建立起完整的业务模式,这也给其带来了巨大的竞争优势——尽管企业客户在总体用户中的比例仍然比较有限。微软凭借着Windows Server与System Center而在企业级数据中心领域大行其道,而Azure Pack与Azure Stack的陆续面世亦让指定特定客户的混合型架构成为可能——这最终将使得Azure云成为一种顺理成章的内部客户基础设施扩展选项。而这种顺畅的转移 过程也成为Azure在企业级云竞争中超越AWS的最大推动因素。
谷歌方面则拥有最为广阔的发展空间。其自加入战团以来就一直在生产型容器的规模化部署层面占据优势,而这要归功于其在Linux容器规范领域的先驱 性工作以及每周启动数十亿套容器系统的丰富经验——更不用提谷歌最近刚刚启动了云原生计算基金会,旨在更好地推动混合型解决方案的实现。在2015年12 月的一篇报道中,分析人士认为谷歌Cloud Platform是一款高度灵活且精妙的方案。
那么谷歌能否最终找到吸引企业级客户的办法?Amazon又是否会利用AWS提供更为便利的企业级混合架构实现途径?微软能不能有效将持续推进中的Azure公有云同Azure Stack结合起来?我们相信,这些问题应该会在2016年年内得到解答。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
这项由ETH苏黎世等机构发表的突破性研究首次系统性揭示了优化器选择对AI模型量化性能的重大影响。研究团队发现传统的异常值理论完全失效,并开发了革命性的ABC分解框架来准确预测量化后性能。实验证明Shampoo优化器在量化场景下表现最优,该发现为AI模型的实际部署提供了重要指导,有望让AI技术在资源受限设备上发挥更大作用。