IDC的最新数据显示,到2027年,全球公共云服务支出预计将达到2190亿美元,云计算领军企业亚马逊网络服务公司(Amazon Web Services)、谷歌云(Google Cloud)和微软(Microsoft)将从中受益。
这家市场研究公司称,各种规模的客户出于敏捷性、可扩展性和成本效益的考虑,越来越多地采用云环境,随着这一趋势,未来三年内,公共云服务开支将继续以每年数十亿美元的速度增长。
IDC在其最新的2024年《全球软件和公共云服务支出指南》报告中指出:“对数据分析、网络安全和人工智能解决方案的需求推动了云的采用。”
IDC 表示:“这反映出软件在各行各业的数字化转型计划中发挥着至关重要的作用。”“企业正在大力投资基于云的软件、数据分析工具和人工智能平台,以优化运营、提升客户体验并获得有价值的洞察力。”
公共云和软件支出排名前 10 位的行业
IDC 数据显示,全球有 10 个行业的公共云服务和软件支出大幅增长。这10个行业约占全球IT支出市场总额的60%。
排名前五的行业分别是软件和基础设施服务、电信、零售、教育、政府和银行业(并列第五位)。
从2022年到2023年,软件和基础设施服务行业的全球支出增长了19.4%。
IDC表示,对数据分析、云计算、政府支持和创新的需求不断增长,这使得软件和基础设施服务行业成为增长最快的市场。
从2022年到2023年,电信行业在公共云服务和软件方面的支出增长了16.6%。IDC 表示,移动数据使用量的增加、5G网络的部署以及对基于云的通信解决方案的更多需求是电信行业的主要市场驱动力。
零售、教育、银行和政府支出的增长动力
排名第3的零售业在2022年至2023年期间的支出同比增长率略高于16%。电子商务、全渠道零售和移动购物的兴起是零售业公共云服务和软件支出增长的主要驱动力。
教育行业排名第4位,全球公共云服务和软件支出年增长15.6%。支出增长与在线教育需求的增长、教育技术的采用以及政府促进数字化学习的举措有关。
银行业和联邦/中央政府并列第五位,支出均同比增长14.6%。
银行业的主要增长动力包括数字银行应用的增加,而联邦政府正在投资于电子政务服务和网络安全。
汽车、高科技和工业制造
州和地方政府、汽车、高科技和电子以及工业和其他类型的制造业是最后四个在公共云服务和软件方面支出增加的行业。
在全球范围内,州和地方政府的支出同比增长了14.5%,其次是汽车行业的14.3%、高科技和电子产品行业的14%,然后是工业和其他类型制造业的13.4%。
州和地方政府支出的主要增长动力来自对电子政务服务和数字基础设施的投资。
电动汽车采用率的提高以及政府对电动汽车的激励措施是汽车行业的主要增长动力。
由于对消费电子产品和智能手机的需求不断增长,以及对半导体制造业的投资,高科技和电子行业的支出增长了14%。
最后,由于自动化程度的提高、工业4.0技术的采用以及政府促进制造业发展的举措,工业和其他制造业的支出逐年增加。
IDC的《全球软件和公共云服务支出指南》按云的类型量化了8个地区和47个国家的28个行业和5种公司规模的公共云计算采购情况。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。