中国的容器管理市场正不断增长。Gartner预计,到2027年,中国基于软件的容器管理最终用户总支出将从2024年的8900万美元增加到1.306亿美元。
图1:中国容器管理支出预测(2022 - 2027年)
容器管理可成为云原生基础设施平台的核心基础。容器管理市场的提供商包括超大规模云服务提供商、传统的本地基础设施提供商或第三方容器管理软件提供商。随着企业的数字化目标、地缘政治局势、监管环境和最终用户购买行为的变化,容器管理产品也在不断创新发展。此类产品必须满足多种需求,包括能够在混合环境中运行,与本地基础设施解决方案兼容,并且具备应用可移植性。因此,容器管理解决方案正在增加组装式和解耦能力,通常在企业内被称为云原生平台。中国市场上容器管理解方案或平台的能力可分为三类,分别是基础能力、增强能力和进阶能力(见图2)。
图2:容器管理解决方案核心技术能力
中国的数字经济不断发展,部署高效可扩展应用的需求和金融等高监管行业的多样化需求不断增加,促使容器管理解决方案为以下常见使用场景提供支持:
云原生应用架构
云原生应用架构具有延时感知、工具化、故障感知、事件驱动、安全、可并行、自动化和资源消耗感知(LIFESPAR)等特点。云原生基础设施上的容器管理解决方案可为云原生应用,特别是微服务,提供强大的基础架构。
云原生基础设施
基于Kubernetes的云原生基础设施应具有可编程、有韧性、不可变、模块化、有弹性和声明式(PRIMED)的特点。不可变属性和声明式配置是基于Kubernetes的云原生基础设施的核心,是使基础设施交付与云原生应用交付具有同等敏捷性的关键推动因素。
混合云部署
目前,中国的许多企业机构都采用了混合云模式,多数核心业务工作负载都在私有云上运行或计划迁移到私有云。超大规模云服务提供商和第三方软件提供商可提供跨不同云环境和异构基础设施的运营管理能力。
与国产化底层基础设施兼容
目前,中国多数本地云服务提供商、传统基础设施供应商和第三方容器管理解决方案提供商都已为此做好准备,并可与国产化基础设施架构兼容,如鲲鹏、麒麟和海光等。
边缘计算
容器管理解决方案有助于管理和部署容器化物联网(IoT)应用,优化资源利用率,实现与边缘计算和云服务的无缝集成。
GPU编排
容器管理提供的功能和插件可实现GPU编排,以便在容器化环境中管理和分配GPU资源,可有效地将GPU用于需要高性能计算的机器学习(ML)、AI或GenAI用例,并简化GPU密集型工作负载的部署和管理。
除了帮助中国企业满足需求(如混合云成本管理和边缘计算容器管理)和实现容器管理用例外,容器管理解决方案还具有如下优势:
提高数字生产力和敏捷性
容器管理解决方案可提供更高效、简化的测试和部署流程,使开发人员能够专注于代码编写,改善协作并缩短应用开发生命周期。此外,多数容器管理解决方案或平台都集成了CI/CD能力。这有助于不同环境中的自动测试、持续集成和部署,能够更快地反馈和识别错误或问题。容器管理解决方案或平台还能够统一不同云环境中的活动,使用户能够无缝使用任何云基础设施环境。
支持跨混合云环境的应用可移植性
容器管理解决方案利用容器化技术将应用及其依赖关系、库和配置封装为一个容器镜像。该镜像将应用及其运行环境进行封装,使其自成一体,独立于底层基础设施。借助混合云集群群组管理(包括多云)的能力,应用在不同底层基础设施环境中的可移植性将得到提升。
资源优化
中国的多数工作负载都在私有云上运行。容器管理解决方案或平台使企业能够在一台主机上运行多个容器,从而最大限度地提高资源效率。带有Kubernetes编排功能的容器管理解决方案可使多个容器在一台物理机上运行,从而实现了硬件资源的高效利用。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。