如今,全球云计算市场竞争激烈。微软公司在市场竞争中很难超越亚马逊公司,对于Oracle公司也是如此。相反,微软公司应该专注于其传统的工作领域,并保持竞争力。
Oracle公司在2016Oracle全球大会阐述了其云计算发展计划,但这可能是一个错误的故事。Oracle公司坚持将大力在市场价格上进行竞争,并力争创新,声称其完整的云堆栈的所有权将提供其对亚马逊公司的竞争优势。但事实并不是如此,但却没有说明Oracle公司在云计算中最引人注目的实力:Oracle的传统企业业务。
尽管企业的首席信息官们似乎准备收拾行李离开他们的数据中心,并投身云计算中,然而微软公司已经证明,击败亚马逊公司最好的方式就是不模仿它,而是采用传统的业务击败它。“当然,大型IT厂商转换起来很难。”调查机构Gartner公司分析师梅尔夫•阿德里安为Oracle公司提出的建议,这是一个可以帮助Oracle实现飞跃的混合策略。
告别数据中心
尽管首席信息官们都不太情愿采用公共云,业务人员和为他们服务的开发人员却并不如此,这并不奇怪,因此,根据麦肯锡一个新的调查,大型企业的800多名首席信息官将其工作负载迁移到公共云基础设架构:
到目前为止,这种转变是不成比例的,而受益的厂商就是那些所谓的“超大规模”云供应商,如亚马逊Web服务公司,微软Azure和谷歌云。正如麦肯锡调查报告的作者解释说,“企业明确优先那些超大规模的供应商,因为他们提供的能力可以与供应商达到一种平衡。”如今,这意味着大型企业的工作业务的迁移正在进行,这些超大规模厂商采用云计算已达到48%,而到2018年这一数字预计将上升到80%。
Oracle公司为了保护其庞大的传统业务,推迟了其全面进入公共IaaS市场的计划,即使其以收购的方式进入SaaS和PaaS市场。Oracle公司目前的所作所为积极地告诉市场将认真对待公共云。
到底有多严重?拉里•埃里森宣布:“亚马逊的领先优势结束了,亚马逊将不得不面对激烈的市场竞争。”
为了支持这种说法,Oracle公司推出了一系列云服务,Oracle公司总裁马克•赫德总统坚称,该公司拥有“整个[云]栈”,这意味着Oracle公司将有机会带来最好的部件,并将其优化,使他们作为一个完整的系统。这是理所当然的,而这也是多年来亚马逊公司一直所做的,因此这几乎没有革命性的改变。
此外,Oracle公司不太可能在价格上击败亚马逊公司。尽管Oracle公司声称可以在亚马逊公司的定价下调20%的价格,调查机构Gartner公司的丽迪雅•列隆提醒说,谷歌公司实施这个战略并没有带来多大影响:“在竞争更为激烈的市场中,谷歌公司降价20%还不够。”
如果没有创新,只是在价格上做文章,那么Oracle公司怎么可能与亚马逊公司进行有效的竞争?
像微软公司一样发展
这样的答案很可能是来自微软公司,这是与Oracle公司最相近的企业。尽管亚马逊公司有着巨大的领先优势,微软公司设法让其Azure成为AWS的一个强有力的竞争对手。但是,与甲骨文的竞争姿态不同,微软公司并没有选择直接与亚马逊公司针锋相对的竞争。相反,微软公司注重于亚马逊公司所无法比拟的资产:传统业务。
大谈创新却不会去做。在数据基础设施的区域没有人比得上谷歌公司的创新,但谷歌的云计算总监黛安•格林已经迅速丢弃创新作为一个真正的竞争优势的想法,因为亚马逊公司和微软公司都有着了这些优势。
压低价格也是不可取的。公共云的定价多年一直在下降,亚马逊公司近年来也降低了价格。那么如何才能竞争,Oracle公司的最佳策略是成为新的甲骨文和旧甲骨文,并帮助其客户了解两个世界的意义。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。