谷歌、亚马逊和微软三大全球领导者在美国、欧洲和亚太地区的大部分云市场的市场份额遥遥领先其他竞争对手。
然而,Synergy Research Group 的最新数据显示,三大云计算巨头在庞大中国云计算市场的份额未进前十,中国的云市场是由阿里巴巴和腾讯等本地供应商主导。
Synergy Research Group 首席分析师 John Dinsdale 在发给记者的一封电子邮件中表示,“由于种种原因,庞大的中国云市场必须被视为一个独立的市场。”。
Synergy 最新报告的另一个重要结果显示,截至 2024 年第二季度,AWS(亚马逊网络服务)、谷歌云和微软在全球运营的超大规模数据中心网络超过 560 个。
笔者在下面按地区和全球分析了最大的云计算公司(包括甲骨文、Salesforce 和 IBM)以及全球市场份额数据。
全球云服务领导者 AWS、微软和谷歌投资的资本支出达 480 亿美元

云基础设施服务方面的企业支出在2024年第二季度达 790 亿美元,同比增长 22%。
全球服务市场前六名依次为亚马逊、微软、谷歌、阿里巴巴、甲骨文和 Salesforce。
Dinsdale 表示,“简单来说就是一个规模游戏。亚马逊、微软和谷歌目前在全球运营的超大规模数据中心网络超过 560 个。”
根据 Synergy 的数据,这三家云计算巨头仅在今年的第二季度就投入了超过 480 亿美元的资本开支,其中大部分用于数据中心和相关网络的建设、配备和更新。
Dinsdale称,“要想立足于日新月异的技术前沿,并能够为跨国企业和全球客户提供尖端服务,就需要巨额的资金和长期的企业承诺与专注。”
中国不会花钱购买 AWS、Azure 或 Google 云
Dinsdale 表示,由于“地缘政治和历史因素”,美国和欧洲的云计算提供商在中国市场的“竞争严重受限”。
就中国云计算市场而言,前十大供应商均来自中国,谷歌云平台(GCP)、AWS 和微软 Azure 几乎见不到踪影。
阿里巴巴在中国的云计算份额排名第一,腾讯位居第二,中国电信则排名第三。
华为排名第四,中国联通排名第五,中国移动排名第六。
Dinsdale 表示,“中国市场足够大,足以支持多家本地公司。”
甲骨文、Salesforce 和 IBM 在美国争夺云计算份额
在中国以外的所有其他地区,亚马逊的云计算市场份额位居第一,微软位居第二,谷歌位居第三。
不过在每个地区,诸如 Salesforce、阿里巴巴、甲骨文和 IBM 等云计算提供商都在争夺前五名的位置。
在美国,甲骨文公司的云计算份额排名第四,Salesforce 排名第五,IBM 排名第六。
Synergy 的 Dinsdale 表示,在一些特定的地理区域,本地企业可以利用本地专业知识、本地信誉以及监管或数据驻留要求等等进行竞争。他补充表示,不过“这往往限制了本地企业只能瞄着相对小众的市场机会”。
欧洲、亚太地区和其他地区
在美国和中国之外,亚马逊仍然是第一大云计算市场玩家,微软位列第二,谷歌排名第三。Synergy Research还调查了欧洲、亚太地区和世界其他地区的市场份额。
在欧洲,排名第四的云服务领导者是甲骨文公司,Salesforce 位列第五,IBM 排名第六。
在亚太地区(不包括中国),NTT 排名第四,阿里巴巴排名第五,富士通排名第六。
在世界其他地区,Salesforce 排名第四,甲骨文排名第五,IBM 排名第六。
Dinsdale 表示,“尽管三大巨头的地位十分突出,但对于那些明确专注于一些特定市场领域或特定客户群的企业来说,确实依然存在许多增长机会。这或许不会在全球或地区的市场份额上产生显著的影响,但对于那些有着实际目标、强大执行力和良好管理的企业来说则可能是一个理想的生存空间。”
好文章,需要你的鼓励
韩国电信巨头SK电讯(SKT)宣布与英伟达合作,计划在韩国建设吉瓦级AI云设施,首座设施预计2027年投入运营。该合作将部署英伟达DSX全栈平台,支持训练、推理及智能体AI工作负载,聚焦主权AI、物理AI与企业AI服务,并计划向亚洲市场扩展。双方还将联合研究下一代AI工厂架构,涵盖加速计算、存储技术及数据中心运营等领域。
本文介绍BenchEvolver系统,通过先进化参考代码再推导题目的方式,自动将AI已"刷烂"的编程题变换为更难的新题,并验证了其在提升测评区分度和模型自我训练方面的有效性。
安全公司Outtake发布报告指出,今年已有超过53%的企业遭遇针对高管或员工的冒充攻击。AI生成的虚假媒体内容开辟了企业反欺诈的"第二战线",近半数企业已确认或怀疑遭遇AI合成媒体冒充事件。然而,75%的受访者仅进行有限监控或被动应对。更令人担忧的是,仅4%的企业对AI智能体实施全面监控,治理碎片化问题突出,超60%企业的数字信任风险管理处于分散孤立状态。
布法罗大学研究团队通过理论推导与实验,揭示了AI图像幻觉的数学根源,并提出VSM训练方法,可将幻觉率降低约25%,同时保持图像质量与多样性。