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
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
中科院深圳先进技术研究院联合中科院大学提出PACS框架,通过将强化学习问题转换为监督学习任务,让大语言模型学会自我监督和评价。该方法在数学推理任务上显著超越现有方法,在AIME 2025测试中成功率达59.78%,比传统方法提升13-14个百分点,为AI推理能力提升开辟了新路径。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。