ZD至顶网软件频道消息: 公有云市场竞争日趋激烈,电信巨头Verizon双拳难敌四掌,将于今年春季关闭自己的公有云平台。
上周,Verizon在给用户的信中表示,所有运行在Verizon Plublic Cloud、Reserved Performance and Marketplace Services上的虚拟服务器将在4月12日关闭运行。Verizon敦促用户迁移到成本更高的Verizon Virtual Private Cloud上,或者寻找其他云服务供应商。同时,Verizon表示,Verizon Cloud Storage (VCS)用户不会受此影响。
据知情人士透露,Verizon与Google正在开发基于Verizon品牌的混合云服务,该服务将运行在Google的公有云上。
一位不愿透露姓名的Verizon合作伙伴公司高管称:“我认为Verizon退出公有云市场,更加证明了此事。如果Verizon与Google合作,Verizon就没有道理保留自己的公有云基础设施。”
Verizon致用户信中明确指出,在截止日期之后,Verizon将不会保留公有云平台上的任何数据,剩余的内容将会被“无可挽回地删除”。对此,一些合作伙伴猜测此举可能意味着Verizon将出售自己的数据中心资产。
事实上,在去年第四财季电话会议上,Verizon首席财务官Fran hammo就曾表示,Verizon正在评估出售自己数据中心事宜,但是截止到1月尚未做出决策。
据了解,Verizon此举对渠道的影响并不大,此前,渠道商对公有云产品的依赖性并不大。一位合作伙伴公司高管表示:“我们更愿意销售私有云,而不是公有云产品。”
Verizon合作伙伴Intelisys对于Verizon关闭公有云的决定并不感到意外,Intelisys公司云转型高级副总裁Andrew Pryfogle表示:“目前我们看到私有云的销售额迅猛增长,Verizon是这个领域的一个重要玩家。”
公有云在渠道中并不是一个热门产品,因为这些解决方案对渠道不是那么友好。不过,因为企业用户在公有云和私有云中都有工作负载,因此渠道商们将负责在公有云业务关闭之前帮助用户迁移数据的工作。
Andrew Pryfogle表示:“已经在Verizon公有云中部署了重要基础设施的客户不得不寻找新的服务商。其中一些最终很可能会选择Azure或者AWS,一些则有可能会以私有云替代。”
Verizon退出公有云,加速了公有云市场的洗牌,像AWS和微软Azure这样的业界巨头挤掉了越来越多的竞争对手,这些巨头允许用户只凭借一张信用卡就可以用上云服务。像惠普这样的公司也不能幸免,去年惠普宣布将在1月31日之前关闭自己的Helion Public Cloud平台,转而把精力放在私有云和云管理产品上。
对于此次退出公有云的决策,一位Verizon的新闻发言人称,即将关闭的只是接受信用卡支付的云服务。
Verizon发言人表示:“随着我们继续专注于企业市场,我们将在4月12日终止接受个人信用卡刷卡的利基云服务。我们有众多面向企业和政府用户的企业级的云服务,包括像云存储和虚拟私有云这样的多租户产品。2016年,我们还将在云平台上有重大的投资。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。