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。”
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。
 
             
                 
                     
                     
                    