如果想成为一名走在云计算"时尚"前沿的人士,混合云必须是常挂嘴边的流行词汇之一。从某种意义而言,混合云概念充满了哲学思辨的美感,它让原本对立的私有云和公有云完成了戏剧性的统一,充分体现出唯物辩证法强调的"矛盾的对立统一性",由此也成为众多厂商和用户共同的选择。
来自中桥调研的最新报告印证了这一趋势:企业主要IT形态在未来1-2年将发生较大的变化,以传统数据中心为主要形态的企业从32.3%下降到15.7%,而以公有云+私有云为主要形态的企业则从14.9%上升为26.4%,其中企业级用户甚至高达34.4%,混合云未来将成为企业云计算的常态。
即便如此,对于那些期望数字化转型的企业用户而言,混合云只是解决了底层架构的问题,而用于业务部署和开发的中间件PaaS平台,以及具备鲜明行业属性的上层SaaS依然欠缺,这带动了行业云的兴起。
行业云≠行业+云
所谓行业云并不是简单的"行业+云",而是技术和商业的深度融合,是业务驱动下的数字化重构,它与私有云、公有云、混合云所强调的架构差异不同。举个例子,金融云与电力云可能都采用了相同的私有云或混合云架构,但它们的上层应用环境却存在巨大的差异。
行业云的兴起是云计算正进入"应用繁荣期"的趋势使然,这一趋势反映出云计算的重心从以提供云基础设施为主转为支撑云应用为主,针对不断涌现的用户需求,利用机器学习、物联网等技术,快速、灵活、低成本的开发新兴业务成为云计算的重点所在。
可以看到,云计算经过近十年的发展之后,其使用主体及应用范围发生了转变,用户对于异构资源的管理、系统可用性的保障、应用的弹性适配能力,以及云资源作为常规IT资产与传统企业资产的集中管理整合能力等,基于不同的行业场景环境诞生了新的业务需求和考验。企业CIO已经不在满足与削足适履似的选择共有、私有或者混合云的模式"被上云",各个行业都在开始立足自身的业务特点探索"Just in feet"模式的行业云。
软件、硬件巨头的不同行业云之路
由此,业务面向垂直行业的云计算公司成为了各大横向型软件公司眼里炙手可热的收购目标,2015-16年行业云公司的交易总额超过了120亿美元。其中,Oracle支付12亿美元收购了专注于能源行业的Opower和为建筑行业处理支付服务的Textura,以93亿美元收购在定制企业财务管理软件解决方案领域处于领跑地位的NetSuite。
相比于软件巨头通过并购手段完成业务横向扩展的"通吃"布局,如浪潮、华为、新华三等厂商则选择了与生态伙伴合作的方式,向用户交付完整的行业云解决方案。

浪潮是最早提出行业云战略的云计算解决方案供应商,早在2010年发布的云海战略中,就明确将行业云定为战略目标市场。2015年,浪潮发布了面向云计算生态圈建设的"云图计划",加速行业云市场的拓展,推动技术、方案和服务三大"合伙人"合作模式,共同为用户提供开放、融合、安全的云计算服务。2016年浪潮成为OpenStack基金会金牌会员,在OpenStack领域的技术、市场投入持续增加,其拥抱开源,践行行业云的业务路线不断深化:"南向"夯实融合架构和异构资源整合的优势能力,持续打磨优化云海OS对于客户业务的适配和承载;"北向"携手伙伴拓展应用开发和运维运营管理服务能力,助力行业用户的数字化转型和业务创新。
混合云未去,行业云已来。2017年的行业云可能会像去年的人工智能一样火热,而对于已经入局的众多公司而言,他们将迎来竞争无比激烈的时代。不过无论何种云、哪朵云,都是外在组织形式,其业务本质是提供更加弹性、敏捷高效的IT架构,支撑、驱动甚至是变革行业应用,而这才是一个云计算解决方案供应商真正提供的价值所在。
好文章,需要你的鼓励
五家光学存储初创公司正在开发长期存储技术,旨在用超过100年寿命的光学介质替代只有5-7年寿命的磁带。这些公司包括Cerabyte、Ewigbyte、HoloMem、Optera和SPhotonix,它们的技术类似微软Project Silica项目。光学存储介质具有更强的化学、冲击、辐射、水和热抗性,同时保持低能耗和高容量特性。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
Nutanix发布分布式主权云产品组合更新,为多云环境提供更安全的运营和管理功能。该解决方案支持企业在分布式环境中灵活部署和治理基础设施,运行传统虚拟机、现代云原生和AI应用。新功能包括支持完全断网环境的暗站点管理、政府云集群正式发布、Kubernetes平台增强安全合规性、企业AI平台集成NVIDIA微服务,以及云平台新增跨站点灾难恢复能力,为用户提供统一管理和运营简化体验。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。