边缘计算正在推动着硬件成为云变革的一个核心,而设备是当今云端到边缘机制的核心,是嵌入了人工智能软件的硬件平台,将数据驱动的智能融入几乎方方面面。
打上硬件厂商的标签是一种轻视吗
硬件再度流行起来。对于物联网、移动、嵌入式设备和其他边缘设备市场来说,强大的硬件工程和设计专业能力是一种重要资产。那为什么给解决方案提供商打上“硬件厂商”的标签仍然感觉是一种轻视呢?
显然,硬件已经无处不在了,包括改变我们世界的“无服务器”云计算环境。然而,基于硬件的功能可能永远不会再度成为多云时代的一个关键竞争优势。实际上,基于非硬件的收入模式——尤其是公有云和软件即服务产品——是目前最赚钱的一种方式。
因此,各种IT厂商——包括那些以前一直依赖于硬件收入的厂商——都在向基于软件和SaaS商业模式转型也就不足为奇了,尽管取得成功的程度各不相同。
即使是多元化的厂商也难以摆脱人们对他们专注于硬件的看法
有一家公司成功地实现了这一转型,它就是思科。尽管思科以提供网络基础设施硬件而著称,但如今思科已经转型成为一家云计算、数据分析、安全、数字媒体、移动、内容交付、VoIP及其他应用软件和服务的多元化全球提供商,拥有高度多样化的软件服务产品组合。
自1984年成立以来,思科通过内部开发和稳健的战略收购不断发展壮大,但似乎一直无法实现突破。出于某种原因,思科仍然经常被人们视为一家硬件厂商,而实际上思科和另一家云和软件提供商有些类似——IBM,一家曾经以企业硬件为主导的厂商。
凭借着Application Centric Infrastructure解决方案,思科过渡得很好,实际上也成为了软件定义WAN领域的领导厂商,其他如Juniper、Brocade、HPE、Dell等公司就说不好达到了和思科同样的高度——尽管Dell现在拥有了VMware。同时,与HPE相比思科已经完全转变为软件和云业务模式。
实际上,大多数硬件厂商都不难发展成为软件厂商
有研究表明,总体上传统硬件解决方案提供商向这个云/软件的新时代转型都是不错的。
2017年,一项针对300家“软件赋能硬件”制造商的调查发现,很多制造商已经转向软件收入模式,受访企业在转型之后收入平均增加了11%。研究还发现,大部分转型是硬件制造商专注于物联网和其他边缘设备实现的,人工智能和其他以软件为中心的创新推动实现了大部分的增值。
为了加快向软件商业模式的转变,很多受访企业都对员工进行了再培训,同时雇用具有软件技能的新员工,重新调整各个职能团队的技能组合。但是,做出这些改变的同时也带来了一些问题,因为很多受访者表示,他们所在的企业并没有采取一致的战略来实现转型,没有用新的软件替代旧的销售和运营流程,或者尚未实现具备适当技能的人员配置模式。
硬件或许是向云转型成功与否的关键
但是,硬件设计和工程能力也许会成为多云厂商体现差异化的一个重要方面。所有主流公有云提供商都已经公布或者发布了用于混合云部署的本地解决方案。除了Google Cloud之外,所有这些产品都是专为企业客户数据中心安装而设计的集成硬件/软件设备。这些设备的速度、可扩展性、可靠性和其他核心功能取决于高质量的硬件设计。
如果AWS仍在测试阶段的Outposts解决方案在多云领域上市,那么AWS的硬件设计就会成为他们的一项竞争力。如果这方面的竞争日益激烈,那么对于多云解决方案提供商来说,被打上硬件厂商的标签可能就是一种荣耀了。
有些公有云厂商如果无法转型回基于硬件的本地解决方案,那么他们可能就会面临着失败的结果。
好文章,需要你的鼓励
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。
OpenAI发布"企业知识"功能,为ChatGPT商业版、企业版和教育版用户提供连接组织数据的能力。该功能集成Slack、SharePoint、Google Drive、Teams和Outlook等应用,但不包含OneDrive。用户需单独验证每个连接器,数据经过加密且不用于训练。与微软365 Copilot的30美元月费相比,ChatGPT商业版仅需25美元,在品牌认知度和价格方面具有竞争优势。
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统,通过四个AI智能体协同工作,能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越,预测误差比传统方法降低10.4%,比其他AI方法降低38.2%,并能生成详尽的可解释报告,将专业级数据分析能力民主化。