企业云管理公司RightScale最近在一份云调查中,发现企业正越来越多地实施混合云策略,包括公共云和私有云。
RightScale的还发现,越来越多的企业工作负载目前部署在私有云,公有云的使用更为广泛,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企业IT管理。如今,那就是正在大多数云支出决策,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。
云报告中强调的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%。
我不同意RightScale的最后结论。我看到创办的企业获得更多的里程从私有云。请记住,私有云用户往往运行更多的虚拟机。我不禁注意到,RightScale的自己的结果表明,它是混合云的真正增长。我看到有商家开始与公共云,然后移动到混合云模型通过引入私有云。
此外,尽管目前的vSphere支配私有云架构,OpenStack和基于Azure的方案有足够的成长空间,同时在公共云和vSphere的所需付出的代价也并不低廉。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。