ZD至顶网软件频道消息:亚马逊网络服务(AWS)日前公布,2016年的营业利润为31亿美元,营收为122.2亿美元,高于2015年的78.8亿美元。AWS仍然是云提供商里的头羊。
尽管分析师在此之前曾担心亚马逊的电子商务业务和增长,但要知道AWS可是个利润引擎。其各项表现如下:
AWS 2016年营业收入为31.1亿美元,总收入为122.2亿美元。
AWS的年度营业利润率超过25%。
亚马逊的北美电子商务营业利润率为2.95%。
值得注意的是,亚马逊披露了实际收入,而不是运行率(Run rate)。在这一点上,亚马逊的透明度作为云提供商值得点赞。讲完亚马逊了,来看看各大云提供商,各家在过去两个星期里发布了收益报告。
自然,AWS也有自己的运行率。亚马逊首席财务长Brian Olsavsky在第四季度收益电话会议上表示:
我们觉得我们的客户基础非常广泛,从初创到小中型企业到大型企业到公共部门。我们持续在所有这些领域里录得强劲增长。我们的AWS业务年运行率现在是140亿美元。我们清醒地认识到,AWS业务就是要为客户创造新的功能。
来看一下各云计算巨头的情况。
微软曾称商业云的年运行率超过140亿美元。玄机是什么?外人不太容易知道这个运行率涵括了什么。据官方发布的资料,商业云计算运行率的计算方法是用该季度最后一个月Office 365商业版、Azure、Dynamics 365和其他云产品收入乘以12。明白了吗?
不过,微软一堆的云资产组合在一起构成了一个庞大部门。微软明显是亚马逊AWS的强劲竞争对手,但微软和AWS大不相同。微软Azure与混合云能很好地整合。从Windows服务器等产品到Azure不是太大的一步,Active Directory几乎就像一款云网关灵丹妙药。首席执行官Satya Nadella表示,
我们现在的商业云收入年运行率超过140亿美元,我们正在迈向在2018年财年里实现200亿美元的目标。
客户选择微软云有以下的原因:他们想要一个值得信赖的、全球性的超级规模云提供商,以满足企业品位的需要。他们想要得到混合支持架构,并能够整合到超级规模服务以及云服务器里。他们想要得到更高层次的服务,以帮助自己在在物联网和企业应用开发、先进分析和人工智能功能方面建立起数字功能。此外,最重要的一点是,CIO、CSO、BDM和开发人员都认识到,他们的数字资产分布在Windows 10云安全与管理、Office 365、Dynamics 365,企业移动性和Azure里,因此,选择微软云有操作一致性、效率和安全上的好处。
听起来很妙,但笔者希望看到Azure实际销售在该季度和财政年度的基于“基础架构即服务”的详细分类。透明度打分:丙。大概这个样子。
IBM称第4季度即服务运行率为86亿美元,较上年同期增长53%。IBM的即服务运行率包括软件平台、基础设施平台。IBM表示,第4季度旗下认知解决方案部门(Watson)的即服务运行率为18亿美元,全球业务服务部的运行率为11亿美元;技术服务和云平台业务的运行率为58亿美元。IBM云透明度的玄机在于,IBM将认知计算和云在多个方面合在了一起。
透明度打分:乙。 IBM提供了足够的资料让人可以看到旗下云和Watson转型的神奇之处,但要搞明白就必须在各部门的科技和营销的之间迂回。
业界人士普遍认为谷歌是云竞争者及市场上的关键玩家。谷歌的云平台将应用和机器学习合在一起,有关的概念十分强大。但谷歌云收益却是混在其他类里。
谷歌第4季度的其他类营收为34亿美元,较上年同期增长了62%。谷歌表示,可以看到硬件、谷歌Play和谷歌云的表现强劲。
谷歌首席执行官Sundar Pichai在收益电话会议上表示,
2016年里我们在打造谷歌云平台(GCP)在各领域的产品方面取得了巨大的进步。我们经常听到客户说我们已经远远超出了新手阶段,而且,我们在四个关键领域拥有真正具特色的产品,包括数据分析和机器学习、安全与隐私、应用程序开发工具及利用我们最近收购的Apigee创建连接业务平台的能力。
谷歌2016年其他类的收入为100.7亿美元。我们不知道该数字在Play、云和硬件之间的分配。笔者的猜测是,Play现在占销售额的大部分,而Google Apps有重大贡献。透明度评分:丁。
剩下的云提供商是甲骨文。甲骨文在截至11月30日为止的六个月里的云总收入为20亿美元,较上年同期增长了11%。甲骨文将软件、平台和基础架构即服务分了类。以后再加上NetSuite,甲骨文的运行率大可与一众大腕平起平坐。但各种即服务产品的透明度有改进的空间。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。