公有云、私有云、混合云,企业上云无外乎三种选择。过去一段时间,大多数企业会在公有云或私有云中做出选择 ,不过现在,云计算发展至今,吸纳了公有云、私有云两者长处的混合云逐渐成为上云首选。
混合云是一种云计算环境,特点是将本地设施与第三方公有云服务混合起来,并在这两类平台之间进行协调。混合云的核心,往往体现为如何管理本地数据中心到公有云之间的网络连接。这种连接往往还涉及其他多种私有资产,包括边缘设备或其他云平台。
企业应用混合云技术的主要优势
混合云服务要求将公有、私有及本地数据库和系统有机结合起来,由此实现的灵活性能够让企业在不同平台上充分发挥各自优势、获取全面收益。具体而言,混合云首先能够更好地支持远程办公人员,帮助企业更灵活地支持远程及分布式员工,引导他们随时按需访问业务数据。这种灵活性已经成为保障职责履行、获取支持服务的必要手段。
其次,混合云还能降低企业运营成本。部分基础设施会固定带来高昂的维护成本,这就要求我们建立一种有效的云替代方法与实现方案。事实证明,混合云解决方案在最大限度降低运营成本方面拥有无可比拟的优势。
第三,混合云系统还有助于提升敏捷性与创新能力。个人用户能够访问到不同形式的信息,并以高效方式享用与实际需求相匹配的不同创新解决方案。混合云的介入能够显著提升企业的营销速度与信息交互效率,大大增强企业在市场上的竞争力水平。
第四,混合云能够支持有效的备份体系,更好地保障业务连续性。一旦发生灾害,企业能够继续轻松管理业务、不致因意外事件而陷入系统宕机。这也是企业在设计业务连续性流程时必须考虑的重要因素。
最后,混合云能够改进安全性与风险管理能力。信息安全已经成为企业技术应用中的重要考量因素。云服务本身安全性突出,但也会因极高的广泛开放性而陷入风险。这种因众多用户随时访问而构成的安全缺陷主要体现在公有云环境当中,很容易影响到其他服务用户的安全。而混合云天然兼顾公有云与本地设施间的安全优势,所以在降低风险方面表现更优。
混合云市场主要趋势
企业希望平台支持人工智能(AI)与自动化技术——这是当前混合云计算市场的核心趋势之一。云服务商必须开发出能够适应这些新兴技术的基础设施。AI与机器学习技术的应用正愈发流行,也成为提高混合云应用成效的重要手段。不同类型的云计算各有优劣,需要辅以有效管理才能更好地达成目标。总之,如今的云服务必须能够支持AI与机器学习技术。
越来越多的企业希望采用按需付费模式——计费模式正受到广大云服务消费者们的高度关注。他们希望使用订阅或者基于实际用量的计费模式,而且比较抵触承担固定的月租——客户只愿意为自己实际使用的资源买单、再无其他。但这种按用量计费的模式也并非万能,在某些情况下,按月支付固定成本从长远来看反而更具成本效益。
虚拟云桌面使用率呈上升趋势——个人和企业对远程办公的接纳程度越来越高,云服务商也必须注意到这一重要趋势。因此,必须建立高效的基础设施以支持相应的工作与服务交付形式。
开放混合云解决方案加入战团——开源解决方案早已不是什么新鲜事,而开源运动给科技行业带来的价值堪称无价。如今,开放混合云正在健康成长,更多客户开始将开源及开放治理方案同混合云模型统一起来。在2020年由IBM委托、O’Reilly Media组织的调查中,70%的受访者表示更喜欢基于开源项目的云服务商,94%的受访者认为开源软件等同于或优于同类专有软件。
供应商与解决方案开始主导市场
各家云服务商已经为需要相应运营服务支持的组织开发出混合解决方案。服务商明显更了解市场,并开发出符合客户需要的解决方案。
亚马逊云科技(AWS)是云市场上最具份量的服务商之一,他们的产品充分考虑用户诉求,也因此受到市场的热烈追捧。目前,AWS已经能够提供用户迫切需要的各类重要服务。微软则是另一家能够提供真正混合云解决方案的少数供应商之一,这种能力源自微软丰富的历史积累。Microsoft Azure服务站立在Windows Server、.Net框架及Visual Studio等巨人的肩膀之上,也让本地应用程序面向云端的直接迁移之路变得相对顺畅。如今的微软也摆脱了上世纪末的僵化心态,开始积极拥抱Linux、容器及Kubernetes等新兴技术,并为开源产品提供更有力的支持。微软还拥有一款名为Azure Stack的产品,可以理解为在本地重现了整个Azure环境,可借此降低运营成本或充当灾备系统。
Red Hat、Citrix、IBM Cloud等厂商同样高度关注混合云业务,并在开发并交付各类提高企业效能的系统方面发挥着至关重要的作用。
基础设施即服务同样属于混合云计算领域的解决方案之一,主要负责为需要服务的企业提供更高效的解决方案。大部分企业负担不起采购和维护基础设施的费用,所以这类服务在市场上颇受用户们的青睐。目前市面上顶尖的服务商能够提供多种多样的基础设施访问通道,利用这些设施向客户提供必要的混合云服务产品。
虽然也有其他类型的解决方案存在,但上述用例已经在市场上成为混合云业务形态的主体。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。