你还记得Xen吗?
你还在使用虚拟化吗?
自从Citrix被Cloud Software Group收购退市后,曾经的虚拟化巨头其实某种意义上已经名存实亡。
Cloud Software Group为大规模企业提供关键任务软件。思杰、TIBCO、NetScaler、Jaspersoft、ibi和ShareFile都是Cloud Software Group旗下的品牌。
云原生时代的弃儿
政治与经济总是息息相关,在众所周知的中美之间的PK中,IT产业肯定是首当其中。
我们熟悉的国外厂商纷纷抽身中国市场,一方面是中美博弈的结果,另一方面则是整个IT市场的变革。
而今天,思杰(Citrix)宣布退出中国市场,似乎预示了传统IT架构的落幕。为什么这么说?
虚拟化技术出现于20世纪60年代,此前一直是一门小众的技术,直至x86架构的出现与之完美融合,进而在21世纪前后迎来爆发。
这些年,我们每一个人都可以觉察到数字生活的巨大变化。而这背后是整个IT技术的变化,比如云计算、大数据、人工智能、5G等。
就拿思杰(Citrix)所在的虚拟化市场来说,其直接面对K8S容器技术的冲击。
这种冲击是颠覆性的。经过几年的技术发展和大规模实践,越来越多企业将基于虚拟机的应用程序迁移到容器。
虽然虚拟化也是一种硬件和软件的解耦,但是这种解耦还不够彻底,而容器技术则站在应用角度实现了颗粒度更细的资源利用。
记得在容器技术刚刚出现的时候,业界也在讨论虚拟化与容器孰优孰劣,就像当初公有云与私有云的讨论。
其实不光思杰(Citrix),我们看到被博通收购的VMware的处境也并不乐观。
总之,淘汰思杰(Citrix)和VMware的是时代,因为云时代的云原生才是客户想要的。不管是思杰(Citrix)还是VMware,他们只能奋起直追。
来自国产替代的最后一击
另外对于退出中国市场这件事,其实也没啥可说的。
思杰(Citrix)提供的本地部署的软件以及云端交付的服务,而中国特色的中国市场让思杰(Citrix)水土不服。
虽然思杰(Citrix)也可以国内的伙伴有很多合作,但是随着整个信创(国产替代)的推进,思杰(Citrix)的市场一再被挤压。
原有生产业务加快从国外虚拟化平台迁移到国产信创体系上,国内关键行业客户往往倾向寻求与VMware功能及产品结构对标的虚拟化平台,以降低业务迁移过程中的风险与迁移成本。
在这种趋势下,国内厂商发展迅速,如浪潮、深信服、EasyStack易捷行云、ZStack云轴科技。
而国内公有云大厂,如华为、阿里、腾讯等,他们也转向了自研或者云原生。
Gartner的《中国语境:2023Q2服务器虚拟化市场指南》报告认为,越来越多的企业正在从国外的供应商(如:VMware)向中国供应商转移。在中国,技术重点已经转移到容器化和自动化。
写在最后
下一个离开中国市场的企业会是谁呢?
这是一个充满不确定性的时代,挑战与机遇总是并存。当一扇门关闭的时候,往往一扇窗也就打开了。
题外话:笔者曾多次参加Citrix在美国举行的Synergy大会,以及思杰中国在位于北京东方广场办公楼办公室举办的新闻发布会,并参观思杰设在南京的研发中心。
对于思杰(Citrix)退出中国,除了唏嘘,还有什么呢?
对了,看了下Citrix的官网,这张地图是不是需要更换了。
好文章,需要你的鼓励
高通公司宣布正在与领先的超大规模云服务商进行深度合作谈判,开发专用于数据中心的CPU产品。CEO阿蒙表示,公司正在开发通用CPU和推理集群产品,预计2028财年开始产生收入。同时,高通面临三星在高端智能手机市场的竞争压力,三星计划在2026年推出采用2纳米工艺的新款Exynos处理器。高通Q3财报显示营收增长10%至103.5亿美元,净利润增长25%。
这项研究由哈佛大学团队开发的创新框架,解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束,使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明,该方法在多个真实数据集上既保障了隐私,又显著提升了模型公平性,为医疗、金融和政府等领域的数据协作提供了实用解决方案。
微软公布2025财年第四季度业绩,营收764亿美元,同比增长18%。CEO纳德拉首次透露Azure云平台年营收超750亿美元,同比增长34%。公司计划在2025财年投入800亿美元资本支出建设AI数据中心。尽管分析师质疑AI变现能力,但投资者反应积极,推动微软股价上涨8%,市值突破4万亿美元大关。
Meta AI研究团队开发的ALOHA系统是一种低成本开源的双臂机器人远程操作平台,旨在使机器人学习更加民主化和普及化。该系统结合了价格亲民的硬件设计和先进的行为克隆学习算法,使机器人能够从人类示范中学习复杂技能。研究表明,ALOHA系统展示了强大的泛化能力,能够在新环境中应用所学技能,如打开不同类型的瓶子。系统的开源性质鼓励全球研究者参与并推动机器人学习领域的发展,尽管仍面临成本和精确力控制等挑战。