IBM公司的最新收入显示,COVID-19疫情影响促使更多企业快速向云端迁移,这也给蓝色巨人带来新的云计算业务发展空间。该公司发布的第一季度云计算总收入为54亿美元,今年第二季度云计算总收入则快速增长至63亿美元。当然,即使坐拥近20%的环比云收入增长率,IBM仍然面对着巨大的市场竞争压力。Amazon Web Services今年第二季度报告收入达108.1亿美元。微软方面虽然没有公开Azure收入,但旗下智能云业务部门——包括Azure公有云、Windows Server、SQL Server、GitHub以及企业服务——在第二季度的总收入为133.7亿美元。微软同时指出,Azure收入环比增长47%。
在此期间,Google Cloud在开发企业级销售、服务与客户支持结构方面也取得了长足进步。搜索巨头还凭借对分析技术与人工智能工作负载的有力支持得到广泛关注。包括Google Cloud Platform(GCP)与G Suite在内的Google Cloud,在2020年第二季度总收入达到30亿美元,较上年同期增长43%,不过与上一季度的28亿美元基本持平。但无论是GCP还是Azure,都没有公布云软件收入的占比以及云计算本身的单项收入。总体来看,似乎所有云服务供应商都在着力渲染自己令人印象深刻的增长率,但只有最终的赢家能够把市场份额转化为实实在在的经济收益。
尽管大多数云服务供应商发布的服务收入都不够透明,但相信任何人都不会低估IBM这支力量在云市场争夺战中的重要地位。IBM提供的云收入数字并未包含认知应用与交易服务等数额相对较低的收入类别,但其总额仍然达到甚至超过了Google Cloud目前的预期年化收入水平。另外,云市场一直是高度动态而著称,我们也正在迈入下一波云计算浪潮。这一波浪潮将呈现出怎样的面貌?与当下的形势又有何不同?
早期云计算专注于基础设施即服务(IaaS)。随后,市场逐步转向平台即服务(PaaS)。在第三次浪潮中,云服务供应商得以将具有一定云特性的服务保留在企业客户内部,并将其与公有云产品绑定起来(即早期的混合云)。展望未来,Lopez Research认为下一波云计算浪潮将带来三大重要新趋势。
首先,云计算的概念重心将从场所转变为运营模式。此次浪潮不再将重点放在将工作负载转移至公有云中,而更多强调立足工作负载所在的任意环境(包括本地、边缘数据中心以及集中度更高的云数据中心)提供云级别的可管理性与经济性。未来的云计算能够使用来自云服务供应商与硬件供应商的托管服务,实现按需服务形式的设备与管理选项,且各项相关元素皆可灵活组合。其次,云服务还将使用容器等开源及云原生架构将来自多家云供应商的服务整合起来。最后,专业云也将快速兴起。
随着云计算市场的发展成熟,企业正在寻求与特定行业或工作负载需求相匹配的服务方案。IBM等云服务供应商也开始推出专业云方案以满足这方面需求。当然,云服务的开发不可能在真空中进行,IBM与多家银行客户开展紧密合作,开发出一套能够充分满足金融机构提出的性能、数据保护、安全性与合规性等实际功能需求的IBM Cloud for Financial Services。
今年7月底,蓝色巨人正式公布面向金融服务的IBM云策略框架,这一旨在为合规控制工作建立运营标准与简化框架的举措也代表着IBM的勃勃雄心。欧洲最大银行之一的法国巴黎银行宣布将采用IBM Cloud for Financial Services支持其在欧洲建立的首套GDPR专业云。IBM还建立起新的金融服务云咨询委员会。从本月开始,已经在IBM Cloud for Financial Services上运行工作负载的银行与独立软件开发商,将能够使用IBM最新推出的云安全与合规中心对自身云合规态势进行定义、管理与审计。
为了证明企业云业务的发展势头,IBM方面在过去几周还发布了一系列振奋人心的公告,包括戴姆勒、英国政府、CELERO以及可口可乐欧洲合作伙伴(CCEP)等企业机构都已加入蓝色巨人客户阵营。
目前我们还很难断言谁能在2021年的云计算市场上力压群雄,但IBM公司明显正在努力推动这一领域的创新探索。IBM公司CEO Arvind Krishna继续专注于推进IBM的开源、混合云以及专业云产品。Lopez Research预测,随着企业客户越来越多地希望在混合工作模式中实现“零信任”支持,IBM的网络安全服务也将在明年迎来重大创新。正如Krishna在IBM公司2020财年第二季度财报电话会议中所言,“客户希望推进应用程序现代化,将更多工作负载迁移至云端并实现IT任务自动化。他们希望将AI注入工作流程当中,并保护自身IT基础设施抵御日益增长的网络安全威胁。结果就是,我们看到大规模转型项目的占比开始提升。”毫无疑问,IBM的未来命运,将直接由其在云市场中的表现决定。
2020年可谓云计算全面普及的标志性一年。尽管2021年的紧缩态势可能减缓某些组织的云部署脚步,但路线已经确定,云业务将继续保持增长。IT领导者们普遍表示,目前他们仅有一小部分工作负载完成了现代云服务迁移。随着新型混合云与专业云的全面崛起,云市场必将保持可观的长期增长。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。