2006年,亚马逊推出了亚马逊云科技(Amazon Web Services),自此云服务让世界获取计算资源的模式发生了巨变,同时也让更多创新想法的实现成为可能。因为云就是这样一个能让所有人都有机会打破常规,创新无限可能的技术。
15年后的今天,Gartner发布最新的《2021年云基础设施和平台服务魔力象限》,亚马逊云科技连续第11年被评为领导者,在愿景完整性和执行能力两个象限均排名第一。
2021年云基础设施和平台服务魔力象限
在数字经济的持续发力下,云已经成为实现数字化转型的必要基础,这也让亚马逊云科技在全球龙头老大的地位不断巩固,云业务实现了良性的循环。
云计算市场格局已定
最近,亚马逊公布了截至2021年6月30日的第二季度财务业绩。其中,亚马逊云科技净销售额达到148.09亿美元,相比去年同期的108.08亿美元增长37%,2021年第二季度运营收入41.93亿美元,相比去年同期的33.57亿美元增长25%。
亚马逊云科技已成为亚马逊重要的营收组成,而且亚马逊云科技一直引领着公有云的趋势。
从2009年开始Gartner就推出了《虚拟主机与托管云系统基础设施服务(按需)魔力象限》,到后来改称为《云基础设施即服务(IaaS)魔力象限》,2020年再拓展为《云基础设施和平台服务(CIPS)魔力象限》。
通过对比2009年-2021年间的系列魔力象限图,可以看到亚马逊云科技在2009年就已经进入远见者象限,到了2011年更是进入到领导者象限,在愿景完整性和执行力均排名最高。
虽然2011亚马逊云科技排在第一,但是和第二名的差距并不明显,2012年这一趋势有了明显的变化,亚马逊云科技与第二名大幅拉开差距,自此一直处在遥遥领先的位置。
13年来根据云市场的变化,魔力象限每年都不乏有一些新进者和淘汰者,但从2018年开始,云计算整体市场格局就基本已定,近四年亚马逊云科技在愿景完整性和执行能力两个象限均排名第一。
三大优势霸榜魔力象限
针对今年的魔力象限,Gartner指出亚马逊云科技在三个方面具有优势,这也是为什么其可以持续领先的原因。
第一,亚马逊云科技利用自己的工程能力在自研CPU等领域开展深度创新,自研CPU 为某些工作负载提供比x86同类产品更高的性价比。相对于市场上的其他提供商而言,亚马逊云科技在自研芯片上的投入使公司具备了长期的供应链和工程优势。
这就不得不说第一款以数据中心为定位的ARM架构CPU,Graviton基于 64位ARM Neoverse N1微架构设计,其与同配置X86实例相比,Amazon EC2 M6g、C6g 和 R6g 实例的性价比提高了40%,满足了未来现代化应用对于计算架构的需求。
第二,长期大客户优势,很多企业对使用亚马逊云科技的平台做出了大额的财务承诺。亚马逊云科技在市场份额方面持续保持领先地位也是因为这一点。
亚马逊云科技的客户几乎覆盖了所有企业类型,无论是大中型企业还是初创企业都愿意使用亚马逊云科技进行创新,不仅是因为其拥有最新、最广的技术、庞大的支持团队,更重要的是亚马逊云科技可以响应企业的每一个需求,与客户共同成长。
第三,亚马逊云科技通常在创新方面引领市场,为其它CIPS(云基础设施与平台服务)提供商提供了路线图指引,由此也使得它在不同类型和角色的客户人群中,有着更高的品牌知名度。
去年一年,亚马逊云科技就推出了2757项新的服务和功能,这是所有云服务商都无法比拟的。而且亚马逊云科技在全球拥有10万多家合作伙伴分布在150多个国家,能够为客户提供丰富的解决方案,满足来自于各行各业、各种规模客户在各个应用场景的需求。
一骑绝尘的中国战略
亚马逊云科技在全球25个地理区域,有81个可用区,服务全球245个国家和地区。中国一直是亚马逊云科技重要的市场,是除美国外,拥有三个完整区域的国家。
同时亚马逊云科技也在加速新服务在中国的落地,通过与西云数据和光环新网的合作,2021年上半年落地服务数量相比去年增长了将近50%。
今年年初,亚马逊云科技发布了“三驾马车”的中国战略,帮助中国客户深耕本地业务,帮助全球客户植根中国市场,帮助中国客户出海走向世界。最近在2021亚马逊云科技中国峰会上,亚马逊全球副总裁、亚马逊云科技大中华区执行董事张文翊又提出了“5+1+1”的优势进一步推动“三驾马车”的中国战略,助力中国企业快速创新,构建业务的新格局,助力整个数字经济的发展。
在过去五年,亚马逊云科技全球合作伙伴网络(APN) 每天都在以50多家合作伙伴的速度新增,获得了5倍以上的增长。而且去年亚马逊re:Invent也宣布了最新的合作伙伴项目,更加注重速度、差分化、增长,更好的服务市场和客户。
好文章,需要你的鼓励
首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试,评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本,通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法,即使使用较小的Llama-3.1-8B模型,也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证,该方法优于现有技术,并展示了良好的跨模型迁移性,为构建更可靠的多模态系统提供了重要见解。
SridBench是首个评估人工智能模型科研插图绘制能力的基准测试,由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本,并设计了六维评估标准。实验结果显示,即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平,文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状,为未来技术发展提供了方向。
ChartLens是马里兰大学与Adobe研究院合作开发的创新技术,专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法,能够将AI对图表的分析结果与图表中的具体视觉元素(如特定柱形或数据点)精确关联起来,使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集,并证明他们的方法比现有技术提高了26-66%的归因准确率,为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。
这篇论文介绍了一个名为"CrEval"的创新框架,用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集,包含超过10万条人类水平和100多万条合成创意文本,涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法,包括GPT-4o。研究发现,结合人类创建的数据和合成数据对训练有效评估器至关重要,且CrEval不仅能评估创造力,还能提升AI模型生成更有创意内容的能力,为创造力评估和提升开辟了新方向。