ZDNet至顶网软件频道消息:现在,云基础设施市场的竞争非常激烈,每个厂商都在尽可能的使自己与众不同。建设基础设施需要大量资金,选择正确的位置来配置资产就更加重要。云供应商可以对产品或技术水平创新,但位置同样重要,那么原因究竟是什么?
为什么位置很重要?
多样化的位置很重要有以下原因:
世界范围内部署数据中心并不便宜,这就是大型云供应商的优势所在。它不只是为数据中心配置装备和人员,更重要的创新来自那些设施的效率。这是否意味着使用当地的地理环境或者建立自己的电力系统可以让数据中心更环保?这些只有在真正达到规模时,才有助于降低价格。
现下情况
不同的供应商都有区域的概念,或数据中心在一个特定的区域。通常,他们被分割成多个地区,所以可以在地区内实现冗余,但对真正的冗余并不够,由于整个地区可能会故障,或有可能遭遇风暴似的地区事件。因此,真正的地域分开非常重要:
Data Center Locations by Geography
|
Provider |
USA |
Europe |
Asia |
Other |
|
Amazon Web Services |
3 |
1 |
3 |
1 |
|
Microsoft Azure |
5 |
2 |
4 |
1 |
|
|
1 |
1 |
1 |
0 |
|
Rackspace |
3 |
1 |
2 |
0 |
|
Softlayer |
5 |
2 |
2 |
0 |
Azure以12个区域领先,接着是Softlayer的9个,Amazon 8个,Rackspace 6个。Google比较落后,只有3个。
巨头选址
长时间以来,亚马逊在欧洲只有一个数据中心(虽然随着德国新中心的建立而改变),这很奇怪。如果想保持冗余性,就需要2个数据中心挨着,否则延迟会是一个问题。例如,在两个数据中心间复制生产数据库将延迟更久,如果要跨海洋发送数据(例如从美国到爱尔兰)。在爱尔兰和德国之间复制会更好!
2014年以来,随着声称在新数据中心耗资12亿美金,Softlayer也正在推广到其它地区。最近,它推出了香港和伦敦的数据中心,接下来还有更多计划,美国北部2个、欧洲2个、巴西、阿联酋、印度、中国、日本和澳大利亚2个。
最令人失望的是Google,它在基础设施支出一大笔钱,其实有很多全球的数据中心,还不是Google云的一部分。当然,Google是新加入云市场的,大部分的需求来自搜索和Gmail等产品,消费者的需求将占主导地位。考虑到Google推出新功能的速度,如果它真的想和别人竞争,将很快取得进展。
关于中国
我专门从上述数据排除了中国,但它仍然是一个有趣的案例。问题是,即使国内的连接非常好(某些区域),越境会显著增加延迟和丢包,微软和亚马逊都在中国拥有数据中心,但是需要一个单独的账号,通常必须在中国申请。Softlayer宣布在上海成立了一个数据中心,值得关注的是,它是否可以连接到全球专有网络并具有很好的吞吐量?对Google来说,它4年前公开离开中国,因此它不可能在这儿推出一个数据中心。
很明显,位置将是一个竞争优势,目前微软占据第一,但是很快会输给Softlayer。考虑到投资的金额,云的可用性下一步会扩展到哪儿将值得关注。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。