云战略对云计算在企业机构中的作用进行了高度概括。根据Gartner的研究,业务和IT领导者在制定云战略时一直在重复十个常见的错误。
Gartner研究副总裁Marco Meinardi表示:“良好的云战略应简明扼要且易于使用,以10至20页的演示文稿就可表达清楚。另外,业务战略应成为制定云战略的基础并为云战略实施者提供指导。云战略必须与其他战略相互配合,而不是去试图取而代之。”
Gartner的分析师们在2022年Gartner IT基础设施、运营和云战略大会上讨论了如何启用和运用云计算并展示云计算的价值。业务和IT领导者应通力协作制定云战略,并在此过程中避免以下十个错误:
一、认为云战略是一项(纯)IT战略
云计算不仅仅涉及到技术。IT部门以外的员工同样掌握着推动云战略成功所需的重要技能和知识。Meinardi表示:“ 业务和IT部门领导者不应制定以IT为中心的战略,然后将这个战略‘推销’给企业的其他部门。在云战略制定过程中,业务和IT部门应是平等的合作伙伴。”
二、 未制定退出策略
制定云服务退出策略的难度很大,这也是许多领导者未制定退出策略的原因之一。许多企业机构认为不会从云端退回本地,因此无需制定退出策略。但退出策略对于企业机构云战略的成功实施至关重要。Meinardi表示:“这就好比你买了一份保险,但希望自己永远不会用到它。”
三、将云战略与云实施计划合并或混淆
云战略不同于云实施计划,而且云战略必须先行。云战略创建于决策阶段,需由业务和IT领导者确定云计算在企业机构中发挥的作用。接下来才是将云战略付诸实施的云实施计划。
四、认为现在制定云战略为时已晚
任何时候制定云战略都不算晚。Meinardi表示:“如果企业机构在推进云实施计划之前并未制定云战略,会让不了解计划背后关键驱动因素和原则的员工产生抵触,最终将拖累云计算实施的进度,甚至有可能危及整个云项目。”
五、将云战略等同于“一切上云”
许多企业机构误认为,云战略意味着一切都要上云。Meinardi表示:“许多业务和IT领导者认为在制定云战略后,就必须在所有工作中使用云计算,因此不敢制定云战略。业务和IT领导者应保持开放的心态,并且与企业架构师等云技术之外领域的专家合作,以便受益于后者可在云战略过程提供的更广阔视角。”
六、认为“云战略等同于数据中心战略”
许多企业机构将云战略与数据中心战略混为一谈。在将这两者分开的同时,也应保证两者的统一,因为这关系到云计算能在企业机构中发挥的作用。Meinardi表示:“决定云战略的是每一项具体的工作负载,而不是数据中心。”
七、认为高管的命令就是战略本身
因为首席执行官、首席信息官或业务部门负责人认为云计算可以节省成本而采用云计算,是企业机构常犯的另一个常见错误。Gartner分析师建议将高管的命令视为其对制定云战略的支持,而不是云战略本身。云战略还应该保持与业务的联系,确保企业机构了解迁移工作负载的原因和目的。
八、认为云战略就是“选定厂商”
企业机构可能会慢慢开始使用多种不同的云服务。由于云服务的使用可能会变得越来越广泛和多样化,业务和IT领导者应该考虑各种类型的场景、云服务、厂商和非云环境,制定出一项全面的云战略。
九、将云战略制定工作外包
外包听起来很吸引人,但云战略过于重要,企业机构不应将战略制定工作外包出去。Gartner分析师建议业务和IT领导者使用第三方,甚至使用云服务提供商来实施云战略,以便企业机构利用经济实惠的方式获得必要的云技术。
十、认为“云先行”就是云战略的全部
“云先行”是指将公有云默认为构建或放置新资产的首选地点。Meinardi表示:“但云先行并不意味着只能使用云技术。业务和IT领导者如果采用云先行原则,那么除默认选项以外,在制定云战略时还应考虑到不在云端开发应用的例外情况。”
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。