前些日子大名鼎鼎的亚马逊AWS被光环新网以不超过20亿元的金额(以分期付款的方式)收购引起业界广泛关注,收购的业务是亚马逊技术服务(北京)有限公司基于AWS云服务的特定经营性资产(包括不限于服务器等IT设备),并利用这些资产在中国境内提供并运营基于亚马逊云技术的云服务。对此光环新网给出的原因就是为了遵守我国法律法规,进一步提升公司运营的AWS云服务的安全性和服务品质。
光环新网所言应该不虚,中国对国外云服务落地中国有着明确的规定,而这也正是AWS等国外云服务商难以在中国大张旗鼓地开展业务的主要原因,成为挡在这些云服务商进军中国路上的拦路虎。而另一方面,蓬勃兴起的中国云服务市场又让这些云服务商垂涎欲滴。
有数据显示,到2020年,中国云计算行业的总市场规模预计将达到6866亿元人民币(约合1036亿美元)。自2010年以来,中国云计算行业经历了强劲增长,2016年市场规模达到1782亿元,年均增长18.8%。
庞大的中国云服务市场引得中国的云服务商大力布局。纵观中国云服务厂商,阿里云作为业内领头羊,市场份额占据着中国市场半壁江山,并且近几年逐渐开始云业务的国际扩张,随后是腾讯、华为、浪潮等一众服务商。然而,在中国的云服务商寻求海外扩张的同时,对于起步较早的"外资云"却仍难以在中国市场上难以落地。
面对快速增长的市场需求,中国与外国企业的贸易往来越发频繁,外资企业对进入中国云服务市场的意愿越来越强烈,但如何面对中国政府对云计算及数据安全的监管,信息共享、文化差异等一直是亟待解决的问题。目前运作成功并在国内落地正式商用的仅有微软Windows Azure,以及亚马逊AWS中国区有限预览服务。
事实上,外资企业提供公有云服务最主要的问题在于难以获得数据中心等电信业务增值牌照,此类牌照多为国内互联网数据中心服务商持有,并一度停发。自2012重启之后,阿里、华为、浪潮等一批国内互联网和IT厂商也相继获得了持牌资格。但对于国外企业,牌照管理和发放一直有着严格的管理规定。根据《外商投资电信企业管理规定》,经营增值电信业务的外商投资电信企业的外方投资者在企业中的出资比例,最终不得超过50%,意味着外资企业需在国内成立合资公司,而实际执行中即使是合资公司能获取此类牌照的只是国内的互联网中心服务企业,且屈指可数。
针对此类问题,国外企业的普遍争议在于,基于互联网提供的公有云服务在中国是否应归属电信管理范畴,因为这与美国相对开放的云服务市场形成差异。
此外,中国数据中心牌照前面已经提到,更侧重于强调基于互联网数据中心、IT设备以及带宽资源的基础服务,但对PaaS和SaaS尚没有明确规定,对于更多层次的云计算服务管理是否应由单一牌照统一管辖也成为外资企业关注的重点。最后,外资企业也在寻求通过世界贸易组织和中美双边投资协定的渠道,来促使中国监管部门开放相应的云服务市场。
在今年6月1日,《网络安全法》正式执行,这部法律对于网络基础设施、网络信息和网络运营企业进行了严格监管,原则上禁止外国企业在华直接经营数据中心和网络新闻服务。
换句话说,外资企业想在中国落地云服务并没有那么容易,由于政府的安全措施和对互联网流量的积极监管政策,要充分考虑数据治理、法律法规问题的限制,因此,在中国使用云计算是一项相当复杂的工作。
不过无论在美国还是中国,云提供商都应该提供指导和自动化系统的提供商,以方便在限制之内工作。其实,随着目前科技信息化的高速发展,云提供商正逐渐成为在中国开展业务时的主要"中介"机构,自动化的合规系统便于双方交易,这就意味着应该使用和合作伙伴相同的云提供商,或者借助国内公有云服务商出海契机,开展多边探讨,以争取更多国内市场机会和发展空间。
我们知道,当下不少国内云服务商也在海外提供云计算服务,同样将面临着各个不同地区的市场监管和数据跨境流动问题,不过美国市场对云服务的监管相对宽松,虽然有针对电信服务运营牌照限制,而对于互联网市场则较为开放。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。