Cloudian 针对企业云存储业务进行了一项调查,结果显示云存储使用率呈上升趋势,而在使用过程中又存在哪些问题呢?
对象存储系统供应商 Cloudian 于 11 月初做了一项调查,参与调查的是来自英美的 409 位 IT 管理者,共有 16 个问题。参与者普遍反映在使用混合云存储的过程中遇到了一些困难。
用户选择混合云的首要目的是存储,调查显示,68% 的 IT 决策者已经或是计划在一年内采用公有云存储作为本地部署存储的补充。其中 28% 的公司已经开始使用云存储,40% 的公司计划在未来一年内采取行动。还有 13% 的调查对象表示预计在一年后会开始使用云存储。公司采用云存储主要是为了对数据进行备份。
IT 管理者将备份数据上传至云后,不只得到了一份数据的复制品,而且将数据存储至一个不同的数据中心,这样即使自己的数据中心被破坏,也不会造成太大损失。此外还有 19% 表示不打算使用云存储。
Cloudian 是本地部署网络存储系统的供应商,地位与 Amazon Web Services S3 存储服务不相上下,进行此次调查此次调查的目的是分析预期客户使用云存储的可能性。
Cloudian 认为在此次调查中,对于云存储的概念存在一定争议,一些调查对象认为 OneDrive 或者 DropBox 是云存储,但他们的最初目的其实是实现文件同步和共享,而非大规模企业存储。40% 的调查对象认为 Salesforce SaaS 或 Microsoft Office 365 属于云存储。
在调查对象中,有三分之一虽然仍在使用本地部署装置,但是其本地部署装置附属于云存储服务,这也是一种传输途径,并能够加快本地部署系统和云存储系统间的文件传输。
Cloudian 在报告中总结道,公司使用云存储的目的主要是文件共享、电子邮件和数据备份。「但是他们也希望将云存储应用于更广泛的领域」,还有 18% 的企业只使用本地部署应用,这在一定程度上会对云存储形成制衡。
美国 90% 的员工在工作时会使用智能手机,2015 年移动 app 下载量接近 1800 亿,应该如何利用这个机会快速实现公司转型,又能将成本控制在承受范围之内呢?
除了数据备份,调查对象也会将混合存储系统应用在其他方面,其中将应用于网站基础架构的占 52%;用于应用研发和测试的占 48%;用于技术应用的占 43%,用于媒体及娱乐的占 21%;用于医学数据的占 21%。
使用混合云存储也会遇到一些问题,首先就是安全和成本问题。62% 的调查对象表示最担心的问题就是云的安全性,而 55% 则担心成本过高。
59% 的调查对象表示,出于安全考虑,现在大约有 47% 的数据无法上传至云端,将来或许也是如此,包括企业财务数据、客户记录、研究数据、电子邮件、文件共享以及其他协同数据。
企业担心的问题还包括存储系统管理的复杂性、与其他系统的互操作性以及使用云存储所需技能。
全球很多企业都开始考虑把本地部署存储和云存储相结合,而 Cloudian 发现大部分调查对象还未将应用程序上传至云。关于要设计一个怎样的混合系统才能满足多种需求,还没有达成共识。
那些尚未使用云存储的企业并不明确自己会选择何种混合系统界面。
可见,当前在国外,绝大部分企业在使用本地部署存储工具的同时,也愿意尝试使用云存储,因此在未来一段时间内,云存储的使用率仍呈上升趋势。
而在国内,云存储业务现状却并不乐观,2016 年以来,新浪微盘、115 网盘、360 云盘个人免费版等多家网盘陆续宣布关闭。最近,三星云服务也发布公告,将于 2017 年 1 月 20 日之后关闭三星云。
互联网服务类产品有着巨额的运营成本,单凭一些付费业务,云存储产品难以获得盈利。而且在「快播」事件之后,国家加大了监管力度,各云平台不愿背上「传播不良内容」的罪名,成为下一个「快播」,这也促使了各服务商关停云存储业务。
一方面,企业对云存储服务的需求在增加,另一方面,云存储服务却难以存活,所以国内云存储业务将何去何从,还有待观察。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。