如今,企业领导者正在想方设法解决当今数字经济背景下存在的固有矛盾。一方面,他们认识到必须继续在云端推动围绕应用程序的创新,才能吸引客户并在竞争中脱颖而出;但另一方面,许多企业正苦于不断上升的云成本在侵蚀企业的利润。
随着企业的日常运作越来越依赖多云架构,这种矛盾正在加剧。根据VMware《多云成熟度调查报告》显示,99%的大中华区企业认为多云架构对业务成功至关重要。与此同时,93%的大中华区企业表示需要加强对云支出的控制。1简而言之,虽然企业意识到多云架构至关重要,但也同时受困于不断上升的云成本。
多云模式成为主流
VMware全球调查证实,多云模式在过去两年中已经成为主流。企业应用开发团队在拥抱多云方面表现得尤为积极;89%的大中华区企业表示,其拥有“多云应用”或拥有能够在多个云中扩展的应用程序。1
VMware高级副总裁兼首席技术官Kit Colbert在《福布斯》杂志上发表的一篇文章中写道:“我们建议应用团队不要以‘非黑即白’的态度看待公有云(不是全盘接受、并使用其所有服务,就是不使用任何公有云服务),而是要比较云服务和来自第三方的具体服务,判定其能否满足自己的需求。作出最佳选择的基本原则是将云和第三方单纯视为服务集合,并根据应用团队的需要混合搭配。这可以给应用团队带来更大的选择范围,让他们在构建和操作应用时获得最佳体验和功能。”
拥有多云应用的企业表示,多云策略带来的优势包括缩短产品上市时间、满足客户需求、招募和留住顶尖人才等。
企业领导者认识到,随着对云端应用创新投资的不断增加,其在控制和管理云成本上承受的压力越来越大,这将不断侵蚀企业利润,并在整个IT预算中占据越来越大的份额。根据Gartner预测,公有云服务的增长率将从2022年的17.9%提升至2023年的18.5%。2 IDC的最新数据显示,45%的企业认为其在云和数据中心基础设施上的开支过大。3《多云成熟度调查报告》中的受访企业也有同样问题,约39%的大中华区企业表示其正在为超出预期的云成本感到焦虑。
疲于应对云混乱的企业与更加成熟、先进的云智能企业之间存在着鲜明的对比。与云智能企业相比,处于云混乱状态的企业遭受着巨大的财务收入损失。
所有多云企业的最终目标都是最大程度地利用云固有的可扩展性来取得战略优势,而不是让这种可扩展性演变成失控的支出。处于云智能状态的企业在这方面显然更游刃有余。
VMware高级副总裁兼首席信息官Jason Conyard表示:“目前首席信息官也在评估实现云的灵活性与可扩展性所付出的成本。他们正在寻找新的方法,既能控制不断上升的云成本,同时又能够自由流畅地运行跨云服务。”
这里有一个很好的案例。日本沢井制药株式会社(Sawai Group Holdings)在其数字化转型过程中,采用VMware Aria进行成本管理和安全监控,从而使其成本降低了10%,同时保证了运营安全。该公司的目标是在未来降低26%的成本。
沢井制药株式会社集团信息技术部门总经理Koji Takeda表示:“我们上云面临的难题是如何将整体成本和安全状况可视化,并创建一个易于理解和管理的系统。无论是从技术,还是从成本角度来看,这个目标似乎都难以实现。最后,我们在VMware解决方案的帮助下快速、低成本地解决了这个难题。”
1 Vanson Bourne,《多云成熟度调查报告》,2022年10月。
2 Gartner,《2022年第4季度更新的2020-2026年全球公有云服务预测报告》,2022年12月20日。
3 IDC,《业务成果和关键绩效指标在全球不确定时期塑造了数字基础设施支出的优先权:IDC全球数字基础设施2022年全球情绪调查结果》,文件编号US49066722,2022年8月。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。