作者:曹志平,戴尔全球副总裁,大中华区IT架构解决方案事业部总经理
试问当下谁主企业云计算之沉浮,赢家非混合云莫属。2017年已近尾声,IDC预计超过80%的企业IT部门都将采用混合云架构(IDC),这已成为全球市场所共睹的重要趋势。
是什么促使企业向混合云敞开怀抱?随着数字化时代的全面来临,企业希望与客户寻求新的联动方式,而这些要求极高、精通数字化的客户正驱动着企业转型。只有纯粹用公有云战略的企业逐渐发现无法长期满足客户的需求。
相反,采用混合云战略的企业则能够采取“两全其美”的混合模式。这些企业通过把核心业务保留在内部,在有必要时扩展到公有云,从而能够非常自由地以一种最合理的速度进行转型。企业在采用新系统、过渡到新解决方案——更具体地说,就是把最敏感的负载迁移到云中时——总会遇到一些特定风险。混合云使得这些企业能够让“所有系统准备就绪”,以实现按需付费、灵活、可扩展,同时仍然保护在已被证明取得成功的现有架构内的核心运营。
纵观当今中国的云计算市场,虽然私有云仍以极大的优势占据市场主流,但根据中国信息通信研究院的调查数据显示,2016年中国企业采用混合云占有云计算应用的比例已超过10%,混合云在中国发展势头良好稳健。考虑到企业性质、安全要求和法律法规等相关因素,混合云在中国有很大的发展空间。
目前,企业采取混合云模式主要基于三种考虑,同时,这也将是引领中国企业完成数字化转型的重要因素:
混合云提供弹性来抵御业务中断的威胁。凭借混合云,企业机构可充分利用云软件开发和测试所提供的协作便利、降低的成本以及缩短进入市场的时间。通过实时扩展,企业能够处理不可预测的需求激增。采用混合云可让企业领导者做出灵活调整,从而确保分配给内部基础设施和公共云的计算资源之间实现平衡。
混合云提供了一种可持续的创新方式。在IDG Research Services与戴尔联合进行的一份调查中,混合云将整体IT成本降低了24%,从而帮助企业将节省下来的资金重新分配到可激发整个企业进行创新的新计划中。此外,在混合云上有更多负载的企业比那些混合云负载较少的企业的IT成本低近50%。Principled Technologies所进行的另一项调查发现,三年中,混合云用户共节省67%的成本。
混合云可使企业跨越到先进技术。企业要想在快速变化的环境中支持所有这些创新,需要一个灵活的解决方案,混合云提供了更强的敏捷性,非常适用于支持这些负载。通过掌控本地部署基础设施和公有云计算资源之间的平衡,企业能够轻松自如地应对不可预测的需求高峰。
随着混合云技术的不断成熟和发展,部署并管理混合云已经越来越简化,尤其是通过新出现的超融合基础设施解决方案来进行管理和部署,因此,混合云也被越来越多的企业采纳。中国信息通信研究院《云计算关键行业应用报告(2017年)》指出,我国云计算发展势头虽猛,但越来越多的企业发现市场上并没有全面的通用解决方案,企业需要选择不同技术来搭建适用于自身的平台。混合云的优势在于能够适应不同需求,既可以提供私有云的安全性,也能提供公有云的开放性,在未来将成为适用于多数企业的最优云战略。
2016年,戴尔宣布发起的未来就绪企业云联盟,正在通过产业联盟的方式,集结十余家国内外云服务提供商共同帮助用户打造全栈式的混合云解决方案。在一年半时间里,凭借三大混合云解决方案、六大跨云服务,以及在中国市场丰富的成功经验,联盟不断帮助中国企业优化混合云体验,进一步实现帮助用户“建好云,管好云,用好云”的初衷,助力企业迎接云时代的数字化转型。
显然,中国企业已做好准备拥抱数字化变革并推动全球创新,而混合云则是一个可拓展的道路,帮助他们更好更快地实现走向数字化未来。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。