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
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。