2024年,中国的公有云支出增长了21.8%,预计到2028年这一领域的支出将增加至1120亿美元。随着中国企业越来越多地采用公有云解决方案来推动创新和敏捷性,他们也遇到了许多挑战。这些挑战可能导致代价高昂的错误,引发业务部内的投诉和问题升级。
计划采用云技术的企业往往希望学习早期采用者的经验,避免潜在的陷阱和不必要的成本。企业公有云采用过程中应避免出现错误的四个常见领域(见图1):
由于云支出受到多种因素的影响,首席信息官(CIO)及其基础设施和运营(I&O)团队应与其他IT领导者(包括数据和分析、软件工程、安全、人工智能[AI]等领域的领导者)合作,避免在云采用过程中的高成本错误。
制定有效的工作负载配置策略
CIO及I&O领导者应制定有效的跨本地、公有云和混合多云环境的工作负载配置策略,以指导工作负载迁移到云端之前的应用评估和成本管理。
设计最优架构解决方案
云采用中会产生高成本的一个领域是企业云解决方案的架构设计,以及云架构师是否意识到设计选择所带来的云成本影响。最佳架构应该在业务价值与成本效益之间取得平衡。CIO及I&O领导者需考虑以下方面的问题。
建立云成本治理机制
主动云成本治理对于有效管理支出和控制预算限额至关重要;设计良好的治理机制不能仅仅依靠单个团队。CIO及I&O领导者需要考虑以下问题,以建立有效的云成本的治理机制。
实施有效的成本管理
云成本管理除了进行成本优化之外,CIO及I&O领导者还应考虑如下几方面的问题。
管混合云成本:标记或标签是区分私有云和公有云中共作负载的基础,而制定明确的标签策略对于确保一致性至关重要。标签策略实施之后,企业可利用标签实现成本治理、访问控制、自动化和DevOps。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
莫斯科高等经济学院研究员尼古拉·斯克里普科开发了IFEval-FC基准测试,专门评估大语言模型在函数调用中遵循格式指令的能力。研究发现,即使是GPT-5和Claude Opus 4.1等最先进模型,在处理看似简单的格式要求时准确率也不超过80%,揭示了AI在实际应用中的重要局限性。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室联合多家机构推出MinerU2.5文档解析模型,仅用12亿参数就在文本、公式、表格识别等任务上全面超越GPT-4o等大型模型。该模型采用创新的两阶段解析策略,先进行全局布局分析再做局部精细识别,计算效率提升一个数量级。通过重新定义任务标准和构建高质量数据引擎,MinerU2.5能准确处理旋转表格、复杂公式、多语言文档等挑战性内容,为文档数字化提供了高效解决方案。