本周关于华为公有云的更多细节公布了——就像是一个九头蛇,有着很多头的生物。
华为将基于自己的能力以及与合作伙伴一道构建全球云网络。在海外,华为正在与德国电信、奥兰治和西班牙电信等公司合作,他们将向那些使用华为基础设施的本地企业售卖云服务。
这个基础设施(也就是云数据中心)将被华为公有云联盟合作伙伴所拥有、贴牌以及运营,但仍由华为构建的。
实际上,华为正在他们所在的地区提供白牌公有云。华为表示,它希望成为五大公有云提供商,这意味着华为的公有云——包括华为自己的云以及白牌的合作伙伴云——将能够与前四大云提供商相竞争。
华为轮值CEO郭平表示:“云是智能世界的基石。整个社会在数字技术开发的过程中正在经历马太效应。再加上投资的规模效益,全球云计算将开始融合——越来越集中化。未来,我们预测全球将会有五个主要的云。华为将与我们的合作伙伴一起,致力于构建其中之一的云,我们拥有实现这一目标的技术和知识。”
我们的理解是,这五大云是中国的阿里巴巴、Amazon、Google和微软,再加上华为,其他则是一些规模较小的、专有的公有云,其中可能包括IBM和Oracle。
为了避免厂商锁定的质疑,华为提供的混合云解决方案能够集成第三方公有云平台,包括Amazon和微软。
混合云
华为认为,链接和沟通私有云是混合云的思想,这意味着,内部IT和公有云之间将进行数据和服务的转移,本地IT基础设施的配置和操作将会云化。
公有云可用作近线存储和冷存储层,热数据在本地部署的环境中保存和处理。备份、归档、测试和开发数据被发送到公有云也就是成本更低的存储中。
华为坚信云的业务可能性,所以最近将云部门的级别提升,高出公司其他部门。
客户
华为表示,自2017年3月创建云部门以来,用户群增长了238%,发布了40项新的云服务,包括一个数据仓库、高级DDoS保护和内容交付网络。到目前为止,华为已经发布了85项云服务。
有十几家汽车公司(包括大众汽车、梅赛德斯奔驰)、商业机构,飞利浦,中国工商银行以及多个政府服务平台正在使用华为云计算,以及其合作伙伴的服务。
欧洲核研究组织(CERN)一直在华为和德国电信共同开发的公有云上运行自己的工作负载。欧洲核研究组织有数千个华为的高性能计算节点,已经将大型强子对撞机(LHC)的整体维护成本降低了67%,并将在线周期从90天缩短到15天。
企业智能和人工智能应用及服务
华为正在为自己的公有云开发应用,其中就包括企业智能(EI)云服务,也就是人工智能。
华为表示,AI应用基本上是一次性使用的,但是AI需要更加通用化。华为IT产品线总裁郑叶来表示:“AI需要为企业创造更多价值。为了实现这一目标,我们必须整合单点技术,在复杂的企业场景中结合起来运用这些技术。我们将华为云定位为智能世界的推动者,它提供了AI、物联网、计算、和存储能力,为企业提供更多创新的、智能的云服务。”
这项EI服务具备:
华为自己也在使用EI服务,从供应预测到物流,从仓储到清关、过境和签收货物,把EI服务打包成可对每个容器进行3D视图,将容器整体效率提升6%,6%听起来可能不是很多,但是分散到数十万个容器的话,就是非常可观的了。
在仓储方面,EI可帮助设计出更好的放置货物和分类货物的方式,并优化路径以选择货物和储存空间,这将使仓储效率提高10%。
评论
与Amazon和Google不同的是,华为正在自己的云上开发应用平台服务,不仅仅是客户必须整合到数据中心级应用服务中的基本计算、存储和数据库组件产品。Amazon和Google提供相当于裸机的公有云,而华为及其合作伙伴提供的是企业数据中心类型的平台服务。
假设你希望从AWS那里租一辆汽车。你需要租赁的是基本的组件——发动机、变速箱、客舱、燃油、车轮等等——然后你自己把这些组装成一辆汽车。你有很大的灵活性,但是组装和定价是十分令人头疼的问题。
华为及其合作伙伴正在为客户提供类似定制租赁汽车的云产品。华为向堆栈的上层移动,策略与Amazon和Google不同,拥有Office 365的微软则向堆栈更高层移动,但是还没有达到华为及其合作伙伴的高度。
华为的策略是否奏效?如果我们看到企业从Amazon、Google和微软云转向采用来自华为+合作伙伴生态系统的云,那么我们就会知道华为的云联盟是具有吸引力的。未来几年让我们拭目以待。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。