ZD至顶网CIO与应用频道 03月06日 北京消息:据全球领先的信息技术研究和顾问公司Gartner预测,全球公有云服务市场将从2016年的2092亿美元增至2017年的2468亿美元,增幅高达18%。最高增速将来自云系统基础架构服务(基础架构即服务,IaaS),预计将在2017年增长36.8%,达到346亿美元。云应用服务(软件即服务,SaaS)预计将增长20.1%,达到463亿美元(参见表一)。
Gartner研究总监Sid Nag表示:“全球公有云市场正在整体进入稳定期,其增速将在2017年达到峰值18%,随后将在未来几年内逐渐下降。当一些企业机构仍在试图搞清云服务到底如何才能与其整体IT战略相契合时,进行成本优化与发启转型的努力将为IT外包方带来更好的前景与结果。Gartner预测到2020年,云普及战略将影响50%以上的IT外包交易。”
Nag认为:“由于云服务可实现多种价值,例如敏捷性、可扩展性、成本优势、创新以及业务增长,各企业机构因此均对云战略趋之如骛。虽然并非所有的外包决策都能够引起向云端的自动转变,但买方希望制定‘以云为本’的决策,以便借助惊人的速度来实现从时间到价值的强大影响力。”
表一、全球公有云服务预测(单位:百万美元)
2016年 |
2017年 |
2018年 |
2019年 |
2020年 |
|
云业务流程服务(BPaaS) |
40,812 |
43,772 |
47,556 |
51,652 |
56,176 |
云应用基础架构服务(PaaS) |
7,169 |
8,851 |
10,616 |
12,580 |
14,798 |
云应用服务(SaaS) |
38,567 |
46,331 |
55,143 |
64,870 |
75,734 |
云管理与安全服务 |
7,150 |
8,768 |
10,427 |
12,159 |
14,004 |
云系统基础架构服务(IaaS) |
25,290 |
34,603 |
45,559 |
57,897 |
71,552 |
云广告 |
90,257 |
104,516 |
118,520 |
133,566 |
151,091 |
市场总计 |
209,244 |
246,841 |
287,820 |
332,723 |
383,355 |
资料来源:Gartner(2017年2月)
今后几年内,由于SaaS产品,即人力资本管理(HCM)与客户关系管理(CRM)正日趋成熟,同时财务应用采购更加频繁,SaaS市场的增速预计将会小幅放缓。尽管如此,SaaS仍将是全球云服务市场内的第二大细分市场。
Nag表示:“随着企业应用买方正逐渐注重以云为本,我们预计2017年超过50%的北美大型企业所采用的新应用将包含SaaS或其他类型的云端解决方案。中小型企业甚至处于普及曲线的更加上升的位置。到2019年,超过30%的百家最大型厂商的新软件投资将从云优先转变至云唯一。”
Gartner预测,随着SaaS正日益成为主流,基础架构计算服务领域将呈现出更高的云增长率。将基础架构迁移至云端的其他需求以及企业与初创公司领域内计算日益密集的工作负载(如:人工智能、分析与物联网)所带来的更多需求正在推动这一增长。此外,蓬勃发展的平台即服务(PaaS)也正在推动着IaaS的普及。
从地区角度而言,由于预计买方的需求会在预测期内升高,中国的IaaS云市场预期亦会有所提升。具体而言,中国更大型的单一业务IaaS提供商以及推动该市场的其他与电信相关的云提供商均会出现显著增长。虽然中国的云服务市场尚处于萌芽期,且落后美国与欧洲市场多年,但随着数字化转型在未来5年内日益成为主流,中国市场预计将保持高速增长。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。