作者:Nutanix中国区董事总经理马莉
当前,云计算已经成为中国的重要产业。在共享经济中,租用IT基础架构的概念仍然相对较新,而且只在经济繁荣时期才会出现,就像电子邮件一样,IT基础架构对企业各项基本业务的运转至关重要。
租赁模式非常简单,公有云提供商为企业提供将IT系统 (在某些情况下还可能是企业的整个IT部门)“外包”到庞大云网络的服务。如果租用公有云,客户需要支付安装部署费和核心功能订阅费,其他的短期或永久服务还需要额外收费。这种模式让企业不必一次性在搭建IT基础架构和人员培训上投入大笔费用,而是将这部分成本分摊到更长的时间内。
但是,随着经济衰退的风险日渐显现,企业有理由开始担忧,因为他们在云服务上的大量资金投入并不会给他们留下任何可以自行使用和处置的资产。
在经济不景气的时期,我们往往会延长对必需品的使用时间:过去每隔二至三年就更新换代的汽车,在这种时候往往会坚持用上五年甚至更久;装修房屋的计划也会推迟,因为即使不加修缮,日子也能凑活过;衣物在被丢弃之前会多穿几;换购新品的念头也会相对消减。
尽最大程度利用手中的资源是一种生存本能。我们能够这么做是因为我们已经买下了这些东西——更换、更新或继续持有它们的权力在我们手中。正因如此,即使在人们可以通过短期租借或长期租用任何物品的年代,对所有权的渴求仍旧如此普遍。
但就云而言,当企业一旦意识到无法按需取消公有云供应商的月度订阅服务时,那些在短期看来划算的交易就可能迅速变成一种财务负担,而且这些钱还不是花到能看得见、摸得着的有形资产上。
完全关停也很棘手——公有云服务往往让用户无法轻易全身而退:储存在云端上的数据越多,就越难退出。而且企业不可能简单地完全割断与这些数据的联系,因为企业需要依赖这些数据处理电子邮件、运行销售和财务软件以及在上面运行其他软件。
面对云环境的普及,许多企业陷入了别无选择的境地,这种趋势正在困扰着中国的企业。最近的一项研究表明,技术供应商在新软件上超过30%的投资将从“云优先”向“云唯一”转变,让公有云成为唯一的选择。
对云服务永无止境的需求,部分是由于企业和技术专业人员对管理日趋庞杂的IT基础架构越来越心力憔悴。多年来,这些成本昂贵、僵化、笨重的设备,五花八门的供应商和解决方案,以及对基础架构的管理已消耗了大量重要资源和精力。相比之下,企业高管们更愿意将这些资源和精力投入到更有价值的关键业务中。
对IT部门而言,面对经常性的抢修救急、彻夜工作、周末加班进行系统升级以及管理层和同事的高期望,让这个曾经在企业中备受重视的部门逐渐丧失了斗志。
谈到价值或投资回报率,传统硬件每隔三至五年左右就需要更新或更换一次,成为典型的资金捆绑和硬件锁定的例子。考虑到设备和解决方案的规模和适用范围,现代数据中心的集成度较低,更多的是简单的拼凑,而云服务可以为企业提供最新的版本和高效率——企业不必再为上述问题而烦恼。
那么,所有问题都解决了吗?并不尽然——因为创建公有云的一些有识之士意识到,企业也可以使用同样的技术,最大程度解决与传统基础架构相关的问题和烦恼。超融合架构(HCI)和私有云应运而生。
凭借超融合架构,企业对硬件的依赖将降到最低,因为软件和应用能够通过按需付费(或按增量付费)的模式进行添加或升级,这意味着企业将不再受制于过时的硬件。所以,哪怕经济状况不景气,企业也有了可以充分利用以渡过难关的资产。
几家大型主要的公有云供应商近期都接连发布公告,宣布与其他厂商展开合作,开始投资和提供混合云技术,而不再只是提供公有云服务。看来他们也已经意识到,要从企业客户的基础架构中挖掘最大的商业价值需要拥有平衡的产品组合。
虽然公有云有很多优点,但商业的基本运行规则始终如一,不要将所有的鸡蛋放在同一个篮子里。随着现代合规和数据主权法规的增加和完善,它们将会限制公有云的允许使用范围,即使租用模式在不断增多。
在这个对探索性技术进行投资的时代,企业纷纷尝试开发聊天机器人、人工智能(AI)、物联网(IoT)等技术,而公有云提供的服务有效也有限。随着新数字服务的兴起,企业往往不清楚需要什么样的IT资源来对这些服务进行管理,又或者这些新服务在一年后是否仍然存在。出于这种目的对基础架构投资,就好比购买了可能根本不需要的健身房会员资格。
公有云是在尝试非弹性服务的同时能够保障企业安全和内部信息无外泄风险的一个理想平台。您可以在不受价格约束的基础上享受到公有云带来的优势,获得财务和企业信息保障和安全,以及拥有根据需要进行细微调整的能力。
企业始终试图在资本支出和运营支出之间取得适当的平衡,同时最大限度提高投资回报率。随着全球经济增速持续放缓,拥有混合、匹配及按需构建理想框架的自由和灵活性,将有助于增强企业信心和安全,从容应对即将到来的挑战。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。