ZD至顶网软件频道消息: 公有云市场竞争日趋激烈,电信巨头Verizon双拳难敌四掌,将于今年春季关闭自己的公有云平台。
上周,Verizon在给用户的信中表示,所有运行在Verizon Plublic Cloud、Reserved Performance and Marketplace Services上的虚拟服务器将在4月12日关闭运行。Verizon敦促用户迁移到成本更高的Verizon Virtual Private Cloud上,或者寻找其他云服务供应商。同时,Verizon表示,Verizon Cloud Storage (VCS)用户不会受此影响。
据知情人士透露,Verizon与Google正在开发基于Verizon品牌的混合云服务,该服务将运行在Google的公有云上。
一位不愿透露姓名的Verizon合作伙伴公司高管称:“我认为Verizon退出公有云市场,更加证明了此事。如果Verizon与Google合作,Verizon就没有道理保留自己的公有云基础设施。”
Verizon致用户信中明确指出,在截止日期之后,Verizon将不会保留公有云平台上的任何数据,剩余的内容将会被“无可挽回地删除”。对此,一些合作伙伴猜测此举可能意味着Verizon将出售自己的数据中心资产。
事实上,在去年第四财季电话会议上,Verizon首席财务官Fran hammo就曾表示,Verizon正在评估出售自己数据中心事宜,但是截止到1月尚未做出决策。
据了解,Verizon此举对渠道的影响并不大,此前,渠道商对公有云产品的依赖性并不大。一位合作伙伴公司高管表示:“我们更愿意销售私有云,而不是公有云产品。”
Verizon合作伙伴Intelisys对于Verizon关闭公有云的决定并不感到意外,Intelisys公司云转型高级副总裁Andrew Pryfogle表示:“目前我们看到私有云的销售额迅猛增长,Verizon是这个领域的一个重要玩家。”
公有云在渠道中并不是一个热门产品,因为这些解决方案对渠道不是那么友好。不过,因为企业用户在公有云和私有云中都有工作负载,因此渠道商们将负责在公有云业务关闭之前帮助用户迁移数据的工作。
Andrew Pryfogle表示:“已经在Verizon公有云中部署了重要基础设施的客户不得不寻找新的服务商。其中一些最终很可能会选择Azure或者AWS,一些则有可能会以私有云替代。”
Verizon退出公有云,加速了公有云市场的洗牌,像AWS和微软Azure这样的业界巨头挤掉了越来越多的竞争对手,这些巨头允许用户只凭借一张信用卡就可以用上云服务。像惠普这样的公司也不能幸免,去年惠普宣布将在1月31日之前关闭自己的Helion Public Cloud平台,转而把精力放在私有云和云管理产品上。
对于此次退出公有云的决策,一位Verizon的新闻发言人称,即将关闭的只是接受信用卡支付的云服务。
Verizon发言人表示:“随着我们继续专注于企业市场,我们将在4月12日终止接受个人信用卡刷卡的利基云服务。我们有众多面向企业和政府用户的企业级的云服务,包括像云存储和虚拟私有云这样的多租户产品。2016年,我们还将在云平台上有重大的投资。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。