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
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。