ZD至顶网CIO与应用频道 03月29日 北京消息:Gartner 2016年首席信息官调查结果(参见图一)显示,云服务位列首席信息官选择及投资的中国前5大技术领域。由于中国政府的积极参与,公有云服务(IaaS)在中国的采纳度明显有别于其他国家。另一个不同之处在于,各个垂直行业的采购行为或需求相去甚远。为了更好的定位基础架构即服务的咨询与实施服务,技术业务部的领导者们必须深入了解中国政府与各企业的政策和最新计划。基于以下优先选择项目,我们预计到2020年,公有云服务将为服务提供商贡献至少15%的咨询与实施收入。
图一、2016年中国首要的技术优先领域
资料来源:Gartner(2016年12月)
受政府监管的中国公有云服务(IaaS)
中国监管机构不允许国外公有云提供商自行提供公共通信服务。这些提供商在构建数据中心与网络基础架构以及实施日常运营与交付服务方面均须严格遵守相关法规。国外公有云服务提供商侧重于交付技术与平台;而中国公有云服务合作伙伴则一般负责基础架构的日常运营与本地客户支持。
另一个监管重点与数据的本地处理及存储要求相关。此类法规目前适用于银行与金融企业,而今后将延伸至其他行业。近期全球趋势显示,对于敏感数据跨境流动的关注正日益增加。
采用中国公有云的客户只能通过中国证书登录,而无法利用同一证书登录其全球云基础架构,反之亦然。此外,本地公有云提供商可以构建自身的独立数据中心,但仍需要遵守其他数据安全相关政策。
公有云服务商通过合作伙伴提供基于公有云的企业级咨询与实施服务是最可行的方式
各种合作伙伴关系构成了公有云服务的应用生态系统。中国的公有云服务提供商面临多种选择;我们将其分为全球从业者、中国本土互联网公司、通信服务提供商(CSP)以及一些在特定领域拥有优势的服务供应商。根据企业机构的技术与业务需求来挑选适合的服务,对于企业首席信息官而言将至关重要。
虽然有些人可能认为公有云服务是一种商品,而且价格是唯一重要的考虑因素,Gartner认为市场内领先提供商之间的服务特性与配置也差别很大,因此价格不应是制定采购决策的唯一考虑因素。
咨询服务提供商生态系统可帮助企业评估不同公有云服务提供商的服务产品,洽谈合同并展开总拥有成本分析。
大部分中国公共云服务提供商一般先构建基准产品与服务,然后在其中添加更多功能特性时再考虑具体使用案例。它们通常不为客户提供定制化服务。
咨询与实施服务提供商应从合同的视角深入了解各种公有云服务提供商的产品与服务,以帮助客户躲避陷阱。此外,它们还必须具体了解定价模式、保障服务水平协议的方式、数据保护与存储等详细信息。
咨询和服务供应商应该了解各垂直行业对于公有云的应用程度度各不相同
公有云服务成熟度在不同垂直行业不尽相同,如:完善冗余系统或交付新服务。最近,许多中国企业对运行在公有云上的数字商务应用很感兴趣。然而,公有云服务提供商的产品与服务往往非常复杂,且功能繁多,因此需要专业技能才能实现最佳应用。许多IT企业机构并未充分理解关于原生云架构以及这些平台DevOps运营的最佳实践,而专业的咨询与实施服务可以有助于弥合技术缺口。
此外,各垂直行业可能已制定了行业指南,借以充分利用与中国“十三五”规划相关的新兴技术。例如,中国银监会于2016年7月15日发布了《中国银行业信息科技“十三五”发展规划监管指导意见》。而且,所有银行均须协作建立行业性公有云平台。
一般而言,公有云服务提供商将提供云基础架构与支持服务,支持各企业通过云平台运行其应用,从而赋予客户可扩展性与敏捷性优势。公有云服务商不会提供以下服务,而这为咨询服务提供商带来了大好机会:
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。