管理来自不同提供商的云服务集群是许多组织刚刚开始着手解决的一个挑战。他们如何将坐在数据中心的数据和应用程序移动到另一个供应商?他们如何将许多不同部分的环境无缝拼凑在一起?
回答这些问题是艰难的。首先弄清楚哪些部门正在使用什么云服务,然后来规划和处理业务。对于提供云基础设施的服务或软件开发平台,有各种工具可以帮助您整理出哪些是可移动的,以及需要什么连接。
但是,当涉及预先包装的云软件服务或软件即服务(SaaS)时,问题就更难解决了。例如,如果软件提供商提价或因为该应用不再适合该业务,则数据和信息和流程不能轻易地从一个应用程序转移到另一个应用程序。事实上,IT顾问Judith Hurwitz表示,服务商力争维持现状。
Hulwitz表示:“如果您查看任何这些应用程序,你会发现它们基本保持客户锁定,这是整个设计点。”Hurwitz是一系列关于IT的书籍作者,包括Cloud Computing for Dummies。
“运气不好”
顾问Jeffrey Kaplan本周在E-Commerce Times上写道,定制服务使得SaaS管理应用程序“随着时间的推移变得更加困难”。 咨询公司THINKstrategies的总经理Kaplan写道,组织希望自定义他们的云应用程序以适应现有的IT运营,而且供应商很乐意接受,因为对应用程序进行更多的定制意味着很难移动数据和所有这些专门化的特性——因此客户仍然是客户。
Kaplan在接受采访时说:“你每天的大部分数据都依赖于那些软件即服务的企业应用程序。这些应用程序在许多方面是最易被定制的。” 作为供应商锁定的一个例子,Hurwitz引用了他的咨询公司Hurwitz & Associates的情况。多年前,该公司安装了云应用程序Salesforce用于客户关系管理(CRM),并把钱花在构建特定的业务流程上。
后来,“我们发现这对我们来说实在是太过了。” Hurwitz表示,大多数CRM系统都是为拥有大型销售团队的公司而设计的,而Salesforce中的功能对于她的小团队来说并不有用。
因此,该公司决定将其数据从Salesforce转移到开源系统。 “我们一定可以得到我们的名字,地址和客户,一切都转移过来,”Hurwitz说, “但是,这个过程——你运气不好,因为这都是与这个应用程序有关的代码。” Hurwitz指的是业务流程,即销售系统将高端销售自动路由到特定团队进行处理。“这是一个业务流程规则,需要编码。”
扫除代码障碍
Hurwitz说,可能有办法,但这并不容易。如果一家订阅云软件服务的公司想要将这些业务流程与数据一起移动,那么首先必须弄清楚如何从基础应用程序中分离出自定义编码。
早期的关系数据库提出了类似的问题。在20世纪80年代,当它们在市场上激增时,可以对应用程序进行编码来定制它们,但是从一个数据库转移到另一个数据库是困难的。
最终,购买数据库的CIO和CTO最终设法将流程代码从应用程序中分离出来。 “但是,这让一些真正聪明的人来解决这个问题,”Hurwitz说, “我们绝对不会有软件即服务。” 容器技术可以解开云软件服务的答案。这是一种流行的虚拟化技术,允许应用程序或其中的一部分快速移动。可以将定制代码放入容器中,从而可以轻松地从应用程序的其余部分中移除。
Hurwitz说,有一天会有一些这样的创新,但是不要指望云软件服务提供商。 “可能是第三方,”她说,“因为如果您是SaaS供应商,为什么会让别人更容易离开呢,信不信由你,这是一个重要因素。” Kaplan表示,像容器这样的新技术以及带宽更大的网络可能确实有助于将云软件服务带入多云。
但是,随着我们对云计算能力的期待,新的问题将会出现。随着人工智能和机器学习等先进技术被集成到云服务中,云将被要求做更多、更快的工作。 Kaplan说:“我们每天都在为自己创造新的挑战,因为我们对于技术总是做出更高的期望。”
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。