ZD至顶网软件频道消息: 10月11日,百度宣布,百度云计算启动品牌战略升级,原百度云计算服务从“百度开放云”更名为“百度云”,并全面整合云计算产品架构和服务能力,面向企业级市场提供云服务。
放眼国内云计算产业,“云”市场蛋糕争夺日趋激烈。尽管前期投入规模大、周期长,然而后期云计算产业盈利能力要明显优于其他业务。从各项数据分析报告来看,未来的云计算产业规模效应明显,边际效益高,市场前景十分广阔。
百度此举意在强化百度面向企业级市场的云计算服务的品牌凝聚力,同时也是百度发力企业级云计算市场的发令枪。其实早在今年百度Q2财报中,已特别提及云计算业务,将其作为百度新业务的重要代表和百度推进人工智能长期战略布局的一部分。此次“百度云”的全新升级,预示着其在百度的未来发展中将扮演更加重要的角色。
云计算业务:互联网巨头新的增长引擎
如今,像百度等大型互联网技术公司提供的服务,将直接导致大部分公司缩减通过传统IT提供商购买软、硬件的订单,而且还将抢走传统IT提供商的一部分客户,只需通过租赁的方式获取云计算服务。随着越来越多的企业有上云的需求,云计算在中国的变现能力已经不足为虑。
之所以有此论断,是因为放眼全球,云计算不仅能够提升效率、服务质量以及资源利用率,市场规模更是惊人的庞大。市场机构Gartner研究报告显示,截至2015年末,全球云计算市场规模已达1750亿美元,预计到2016年将达2030亿美元,到2019年有望突破3000亿美元大关,达到3120亿美元。
在大型互联网公司中,转战“云”市场后最大的受益者莫过于亚马逊。在9月22日美股交易时段,亚马逊的股价首次突破800美元,最终收盘报804美元,以3815亿美元的市值稳居美股上市公司第四的位置,仅次于苹果、谷歌母公司Alphabet和微软。亚马逊受宠的背后正是因为有着云计算的影子。回顾亚马逊的成长史,从在线零售商到高科技公司,云计算业务AWS一直充当着重要增长引擎。
而此前,百度总裁张亚勤在百度世界大会上也明确表示,百度未来的四个新增长点,分别是无人车、百度云计算、金融业务、国际化业务。“百度云”作为百度一项新兴业务,极有可能成为新的增长点。
国内的云计算市场规模同样不容小觑,根据中国信息通信研究院发布的《云计算白皮书(2016年)》显示,我国云计算市场总体保持快速发展态势,2015年我国云计算整体市场规模达378亿元,整体增速31.7%。
竞争日趋激烈:技术优势引领“云”市场
云计算这块蛋糕如此大,哄抢的企业却也不少。
仅就国内而言,BAT、京东、网易等互联网大公司都纷纷抢占这一市场,加速布局云计算产业。在竞争日趋激烈时,技术优势才是立足“云”市场的根本。作为天生的云计算公司,百度16年来的技术积累和实践经验,正是“百度云”与生俱来的优势。
此外,人工智能已经成为“百度云”的核心优势。百度云计算在业内率先提出“云计算+大数据+人工智能”三位一体的战略,重点推出天算、天像、天工三大平台,分别针对智能大数据、智能多媒体、智能物联网这三个领域提供云服务,升级后的“百度云”,也将更加重视人工智能的发展。同时,人工智能的深度发展对于“百度云”云计算能力的依赖和需求也将增多。无论是建立于硅谷的人工智能实验室,还是于北京设立的大数据实验室和深度学习实验室,百度在人工智能领域的探索从未停止。
事实上,针对云计算、大数据和人工智能领域的深入研究,对于任何一个成熟的互联网公司都不是无用功。例如,亚马逊AWS业务助力企业实现增收的背后,Amazon Machine Learning(亚马逊机器学习)始终发挥着重要作用。
相比百度其他业务线, 作为云服务的“百度云”天然具备强大的变现能力。此外,“百度云”还正在从解决方案、云上服务、软件工具、创投孵化、渠道分销等领域与合作伙伴共建起一个完整的云生态圈。对于业务增长和未来的“云”蓝图,仍有诸多“干货”有待挖掘。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。