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
IDC数据显示,Arm架构服务器出货量预计2025年将增长70%,但仅占全球总出货量的21.1%,远低于Arm公司年底达到50%市场份额的目标。大规模机架配置系统如英伟达DGX GB200 NVL72等AI处理设备推动了Arm服务器需求。2025年第一季度全球服务器市场达到创纪录的952亿美元,同比增长134.1%。IDC将全年预测上调至3660亿美元,增长44.6%。配备GPU的AI服务器预计增长46.7%,占市场价值近半。
华为诺亚实验室联合多家顶尖院校推出开源机器人编程框架Ark,通过Python优先设计和模块化架构,实现仿真与现实环境的无缝切换。该框架大幅降低机器人编程门槛,支持现代AI技术集成,为机器人学习研究提供统一平台,有望加速机器人技术普及。
AI正在重塑创业公司的构建方式,这是自云计算出现以来最重大的变革。January Ventures联合创始人Jennifer Neundorfer将在TechCrunch All Stage活动中分享AI时代的新规则,涵盖从创意验证、产品开发到团队架构和市场策略的各个方面。作为专注于B2B早期投资的风投合伙人,她将为各阶段创业者提供关键洞察。
网易有道研究团队开发了Confucius3-Math,这是一个专门针对中国K-12数学教育的14B参数AI模型。该模型在多项数学推理测试中表现出色,超越了许多规模更大的竞争对手,训练成本仅需2.6万美元,推理速度比DeepSeek-R1快15倍,能在消费级GPU上高效运行,旨在通过降低AI教育成本来促进教育公平。