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
亚马逊在CES期间宣布推出Alexa.com网站,用户可像使用其他AI聊天机器人一样与Alexa交互。经过数月早期体验,Alexa+已获得数千万用户。新网站支持语音和文本交互,需登录使用以确保跨设备功能连续性。76%的Alexa+交互为独特任务,包括智能家居控制和第三方集成。Alexa+兼容七年来的设备,正式版将收费每月20美元或包含在Prime会员中。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
AI笔记公司Plaud在CES 2026推出新款可穿戴设备NotePin S,可夹在衣领、戴在手腕或挂在脖子上记录对话。该设备通过蓝牙连接手机,配备双麦克风,录制范围约3米,支持一键高亮标记重要时刻。同时发布的还有Plaud Desktop桌面AI记录工具,可原生捕获线上会议内容,无需机器人加入通话。两款产品将所有笔记、会议和对话整合到统一平台管理。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。