根据Forrester最新的一份报告预测,2026年之前,公有云市场将激增至1万亿美元,是2022年4466亿美元的2倍多,未来4年年增长率将超过20%。
Forrester首席分析师Lee Sustar在最近的一篇博文中表示:“到2026年,公有云市场将巩固在IT领域的主导地位,不过做到这一点并不容易。”
在AWS、阿里云、谷歌云和微软的带领下,公有云市场经历了近十年超过30%的年增长率。
事实上,IT研究公司Forrester在最新的市场报告中指出,最近几个季度,AWS一直帮助母公司Amazon保持盈利,而Alphabet则接受谷歌云在云收入持续增长的情况下出现巨额运营亏损。
Forrester预计,随着云巨头面临基础设施的商品化,到2026年,云基础设施服务将贡献近5000亿美元的收入。
为什么公有云会出现爆炸式增长
Sustar表示:“即使在疫情导致预算紧缩的情况下,公有云市场也在加速发展,很多企业把公有云的快速普及归功于公有云平台。”
“不过在未来几年,无论是否出现衰退,增长的难度都会加大,随着四大公有云提供商之间加剧竞争,他们被迫在分析、人工智能/机器学习、以及其他差异化优质服务方面进行大量投资,以保持领先地位。”
公有云增长率将继续攀升,一部分原因是各种类型和规模的企业都需要数据和分析服务。
企业将借助AWS、微软和谷歌云等云提供商提供从数据洞察中收集的业务成果,这些成果将超越传统的IT运营团队,到达数据科学家手中。
Forrester预测,随着客户借助人工智能和机器学习提高运营效率,到2026年之前数据库和分析服务收入规模将增长3倍,达到890亿美元。
云基础设施差异化意在高价位服务
目前,云超大规模运营商每年投入数十亿美元在全球范围内建设新的数据中心,为未来几年把更多工作负载迁移到云端做好准备。
云基础设施的差异化因素体现在低成本芯片和专用硬件上不同的实例类型,这也将成为主要的销售驱动力。
Sustar表示:“开源Kubernetes项目的核心云基础设施越来越标准化,推动超大规模企业在堆栈的更高层进行创新。核心基础设施将继续在总体云收入中占大多数份额,但与其说它是一种利润来源,不如说它是吸引客户并将他们转向采用高价位服务的一种手段。”
尽管到2026年公有云市场规模预计将达到1万亿美元,但只有四家厂商占领着云基础设施市场。
阿里巴巴、AWS、谷歌和微软位居榜首
由于实现全球覆盖和全球客户群需要一定的资本实力,因此阿里巴巴、AWS、谷歌云和微软在云基础设施市场占据了最大份额。
Sustar说:“其余的云基础设施公司实际上已经放弃了追赶的努力——尽管他们传递出来的营销信息不是这么说的。”
根据Synergy Research Group的数据显示,截至2022年第三季度,在云服务方面AWS以34%的份额成为全球市场领导者。
微软赢得了21%的云服务市场全球份额,其次是谷歌云,份额为11%。阿里巴巴是中国最大的云服务提供商。
很多解决方案提供商看好2023年及未来云的销售增长。
Triumph Technology Solutions公司总部位于美国费城,该公司首席执行官Victor Raymond表示,公司在2022年的AWS销售额相比2021年增长了500%。他表示,公有云市场才刚刚起步。
他说:“在过去的三年中,我们在飞行的同时建造了一艘火箭飞船。但如果认真地看,其实我们还在发射台上,甚至都还没到起飞的阶段。我们把云称为现代‘淘金热’。即使明年出现金融不确定性,云也是必去之地。”
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。