ZDNet至顶网软件频道消息:上周,青云QingCloud下调公有云平台广东1区和北京2区部分资源价格,最高降幅达25%,同时还推出大额充值优惠政策。考虑到IaaS市场如火如荼的价格战,QingCloud此举不免有参战之嫌,然而,青云副总裁钟宏表示,QingCloud对价格战不感冒,不会采用价格战手段进行市场渗透。那么,这个不依赖低价竞争的云计算初创公司是为何降价的呢?答案很简单,那就是QingCloud业务规模的扩张带来的运营成本下降,QingCloud顺水推舟,把自身的成本优势转变为用户的价格福利。
对于市场和用户来说,价格战都是有好处的,它可以帮助市场迅速成长起来,也可以大大降低用户的使用成本。然而,在选择云时,只通过价格高低去评判是远远不够的,钟宏指出,”价格只是企业选择云的一个要素,但不是决定性因素。企业需要在云上进行测试和评估。”云的评估是一个多层次的问题,需要对供应商的产品性能、技术堆栈、服务级别协议与可靠性、开放API、生态系统、安全性和法规遵从等一系列因素进行全面考虑。
谈到如何界定合理定价时,钟宏表示,“首先,我们不能亏钱卖,因为QingCloud需要从IDC买资源,这部分是硬成本,同时还需要安装软件,进行大量的开发,这些成本都是无法忽略的。然而,随着规模不断扩大,基础设施单位成本逐步下降,QingCloud有望在保持技术和产品性能领先的同时具备最大的价格优势。”
随着云市场和用户的逐渐成熟,IaaS服务价格的下降是必然趋势。然而,考虑到当下国内云服务市场的成熟度,还远未达到价格战时代,现阶段的竞争更多地体现在技术层面。
初创伊始,QingCloud便以满足苛刻的企业级IT需求为目标,着力进行技术创新。QingCloud是全球唯一的资源秒级响应、按秒计费的基础云服务商,技术优势包括:通过分布式块存储系统实现超高性能IO、支持多种VPN和隧道协议通过简单配置搭建混合云、块设备级的在线备份与恢复、实时P2P机器人社区协作确保故障无害等。
企业都针对公有云提供商建立了各种各样的用例,但是并不打算放弃自己现有的基础架构。基于这样的现实,现在的游戏就是发展合作伙伴关系,并且成为数据中心生态系统之中的一员。QingCloud支持多种VPN和隧道协议,帮助企业设计及实现混合云,便捷地将现有IT环境同云端资源协调成一个整体的IT环境。
我们知道,IaaS服务的运维水平直接影响到服务质量和客户体验,运维的人工投入也是运营成本的重要构成。“0干预”的自动运维已成为QingCloud在服务品质保障和成本控制方面的法宝。
自2013年7月正式上线以来,QingCloud注册用户数将近16000家,活跃用户有2000多家。在QingCloud的用户中互联网企业用户占了很大比例。QingCloud提供的是一种普适的云服务,没有具体的行业云。钟宏指出,“QingCloud未来不会选择偏向某个行业,因为我们在各个行业中都有发展,面向的是所有需求云计算的企业。但是QingCloud会针对不同行业,提供相应的解决方案。”
QingCloud锁定的是IaaS服务。在QingCloud看来,只有把底层的IaaS层面做得非常开放,SaaS和PaaS服务才能迎来更好的发展。至于未来是否会涉及SaaS和PaaS服务,QingCloud还不确定,但即使涉及PaaS领域,QingCloud也只会做纯技术的工作,也就是底层的技术层面支撑。
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。