RightScale是一家企业级云管理公司,其最新的云调查显示在2015年中企业正越来越多地实施混合云策略,包括公共云和私有云。
同时,RightScale还发现,越来越多的企业工作负载目前部署在私有云,而公有云的使用也越来越广泛,并有望吸引新的工作负载,以更快的速度。
调查还发现,云已经从移动的“影子”IT转变为企业IT管理。如今,大多数云支出决策,率先把云服务的组织的CIO和行政套房。
“企业采用云计算的浪潮已经从阴影IT转向为首的中央IT团队的战略收养,说:”迈克尔·克兰德尔,RightScale的CEO,在一份声明中。 “随着企业IT变得更加开放,公共云和更舒适的云安全,现在是处于强势地位,为内部客户和驱动采用云计算着经纪人的云服务。在未来的一年组织希望把更多的工作负载向云与公共云的工作负载增长速度比私有云快。“
RightScale的在2015年1月进行的调查在这里面,RightScale的质疑跨越他们采用云计算的组织具有广泛代表性的部分专业技术人员。 930受访者的范围从技术高管管理人员和从业人员代表在许多行业不同规模的企业。
的云报告强调RightScale的2015年国家包括:
混合云是首选策略:接受调查的组织93%正在运行的应用程序或基础设施作为一种服务(IaaS)的实验。与此同时,企业的82%有一个混合云战略。这是从74%在2014年公共云所使用的多个组织,88%,而私有云,63%,运行更多的工作负载。企业这一说,只有13%的运行公共云超过1000个虚拟机(VM),而组织22%的私有云上运行超过1000的虚拟机。换言之,私有云用户倾向于使用其云彩更多。
还是大量的空间,软件即服务(SaaS):虽然企业的68%运行的SaaS应用程序,不到五分正在运行的应用程序组合在云中。与此同时,企业的55%报告说,他们现有的应用程序组合的显著部分已建成云友好的架构。总之,我们可以期望看到软件作为服务(SaaS)的继续增长。
DevOps的上升,泊坞窗大增:总体的DevOps采用已经上升到66%,而企业达到71%。最流行的DevOps方案,厨师和木偶,由28和24%的企业分别使用。至于集装箱,码头工人,在其第一年,已经使用的企业13%的公司计划部署的高达35%。
IT管理需要云服务“缰绳:企业62%的报告说,中央IT使得广大的云支出决策。 43%的人都提供了一个自助服务门户访问云服务,另有41%的策划或开发一个门户网站。
亚马逊网络服务(AWS)占主导地位的公共云,天青使得企业进军:AWS采用是57%,而Azure的IaaS的是第二个,占12%与6%的在2014年在企业,天青的自然家园,微软的云产品缩小了差距有19%采用比AWS与50%。谷歌的IaaS产品展示企业间的快速增长,从4%到2015年增加至2014年的9%。
私有云摊位2015:受访者在采用私有云技术的最小的变化,从2014年的VMware vSphere继续领导与企业的受访者有53%报告说,他们把它作为一个私有云。企业使用OpenStack的显示了2015年的最大增幅,3%的速度增长。微软的新的Azure包提供显示在其第一年强劲的使用,企业使用的11%。
RightScale最后的结论是,私有云用户往往运行更多的虚拟机。RightScale自己的结果表明,它是混合云的真正增长因素。有厂商开始把私有云引入到与公共云的混合云模型中。
此外,尽管目前的vSphere支配私有云架构,而OpenStack和基于Azure的方法有足够的成长空间。同时可以降低在公共云和vSphere的投资代价。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。