谷歌近日发布公告称将免除其公共云用户离开时的数据迁移费用。通常将数据迁入公共云服务商的网络或者在网络内迁移只需要支付很少的费用,甚至完全无需付费,但是,带着数据离开要付出的代价通常要大得多。
谷歌认为,客户不应该受制于迁出费用,尤其是当他们已经对获得的服务不满意的时候。
需要明确的是,谷歌云平台(Google Cloud Platform,简称 GCP)并没有完全免除迁出费用。除特殊情况外,该计划实际上只适用于那些永久放弃GCP的用户,谷歌甚至要求在迁移完成后关闭账户。当然,这一切的前提是已经经过了谷歌支持团队的批准。
下面简要介绍一下如何操作:希望离开GCP的客户必须先联系他们的谷歌账户团队专员(如果有的话),然后填写“免费数据迁移表”。
然后,谷歌支持部门将对申请进行审查,并决定你是否符合条件。获得批准的客户可以在60天内迁出。尽管规定如此,但如果你礼貌地提出要求,谷歌似乎也愿意延长这一期限。
迁移完成后,客户必须关闭账户。如果一切顺利,你应该会在最后的发票上看到一笔进账,用于支付迁出费用。
值得注意的是,此项迁出服务仅适用于存储在以下服务中的数据: BigQuery、Cloud Bigtable、Cloud SQL、Cloud Storage、Datastore、Filestore、Spanner 和 Persistent Disk。
虽然谷歌显然针对的是希望完全离开GCP的客户,但在常见问题解答(FAQ)中,也有部分服务迁移的规定,这要根据具体情况处理。
如果你想将数据从Cloud Storage永久迁移到Backblaze B2或AWS S3等云存储,但是打算保留托管在谷歌的虚拟机上的服务,那你仍然有资格享受免费的数据迁出。
那么,谷歌为什么要让客户更容易离开呢?这家云服务提供商声称,这是因为数据迁出费用并不像你想象的那样是离开的一大障碍。
谷歌云平台主管Amit Zavery在公告中称,取消更换云提供商的数据传输费“并不能够从根本上解决阻碍许多客户与他们喜欢的云提供商合作的问题。”这位谷歌的主管表示,根本问题在于某些云服务商采取了限制性的、不公平的授权方式,损害了客户的利益。
谷歌今天没有指名道姓,而是表示“某些传统供应商”不公平地利用软件垄断在云中创建了“被高墙围住的花园”。不过Zavery还是给出了一些暗示,他给出了El Reg八月份一片报道的链接,这篇文章报道了微软阻止谷歌和阿里巴巴的云运行Office 365应用程序。
大家可能知道,过去几个月我们一直在报道谷歌对微软及其云政策的抱怨,包括6月份对Zavery进行的采访就谈及了Azure的软件许可“税”的问题以及Windows巨头提出的让步被认为太少、来得太迟的问题。
Zavery在今天的声明中继续表示,这些不公平的软件许可规则“和其他没有任何技术依据的限制可能会让客户的成本增加300%。”“相比之下,客户从云服务提供商那里迁出数据的成本微乎其微。”
微软或亚马逊是否会效仿谷歌,让心怀不满的客户在离开自己的平台时能够轻松一点,这还有待观察。谷歌似乎希望向这两家公司施压,同时竭尽所能(包括调整自己的政策)让外界相信微软和其他公司用许可规则和数据迁出费用将用户锁定在特定云中的做法是不合理的。
问题的核心:反垄断调查升温
在公共云领域正面临着多家监督机构竞相审查之际,谷歌决定让用户更容易地将数据迁移到其他地方——我们必须看到,谷歌和其他公司对微软的正式投诉也在对监管推波助澜。
这家云计算巨头特别敢于直言不讳,抨击竞争对手,尤其是微软的不公平商业行为。因此,这家搜索巨头采取一些积极的措施来与这些监管机构保持良好关系也就不足为奇了。
例如,英国竞争市场管理局(UK's Competition Markets Authority)提出的关注问题就包括数据迁出费用、特殊折扣、互操作性和软件政策等。
正如我们之前所报道的,英国的调查引来了不少投诉。12月,AWS在回应竞争监督机构的调查时就指出微软的许可条款具有限制性,并带来了经济上的不可行性。这一说法与谷歌在一周前正式提交的投诉不谋而合,谷歌称微软的政策让英国的客户在Azure之外没有其他经济可行的选择。
然而,不仅仅是英国的垄断管理机构在注意这个问题。在谷歌的敦促下,美国联邦贸易委员会也对主要云服务提供商涉嫌反竞争的行为展开了反垄断调查。欧盟也对微软的商业行为展开了调查。在这两个案子中,谷歌都认为微软没有公平竞争。
需要明确的是,虽然AWS和谷歌一直在把微软描绘成坏人,但是监管机构也在关注更广泛的云市场,也包括他们的母公司。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
香港大学研究团队提出LightReasoner框架,通过让小型"业余"模型与大型"专家"模型对比,识别关键推理步骤并转化为训练信号。该方法在数学推理任务上实现28.1%性能提升,同时将训练时间、样本需求和词元使用量分别减少90%、80%和99%,完全无需人工标注。研究颠覆了传统训练思路,证明通过模型间行为差异可以实现高效的自监督学习,为资源受限环境下的AI能力提升提供了新路径。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
马里兰大学研究团队开发了MONKEY适配器,一种无需额外训练的AI绘画控制技术。该方法通过"两步走"策略解决了个性化AI绘画中主体保真与背景控制难以兼得的问题:先让AI识别主体区域生成"透明胶片",再在第二次生成中让主体区域听从参考图片、背景区域听从文字描述。实验证明该方法在保持主体特征和响应文字要求两方面均表现出色,为AI绘画的精细化控制提供了新思路。