管理云栈将会胜出吗?

简介:

摘要:由于云计算的采用,企业与其核心供应商的关系将在未来几年内发生巨大变化。创新,速度,以及敏捷性将最终成为IT供应商的衡量标准。

荷兰皇家壳牌公司首席信息官艾伦·玛特拉认为,行业将转向托管云堆栈,现在有太多的企业专注于业务的各部分。

他认为,由于云计算的采用,企业与其核心供应商的关系将在未来几年内发生巨大变化。创新,速度,以及敏捷性将最终成为IT供应商的衡量标准。

最终,玛特拉正在寻找一个管理的垂直云堆栈。在云计算中锁定是一个问题吗?“如果看看企业自己当前的足迹,就会意识你已经锁定在某个地方或领域。”玛特拉说。

玛特拉在最近召开的SAP公司S4/HANA发布会上发表演讲。报告中,他介绍了主要用于新的应用程序的HANA项目有多少正在进行。荷兰皇家壳牌公司是一个关键的例子,说明大型企业仍然通过一两个核心供应商来经营他们的业务。

荷兰皇家壳牌公司也在将云计算作为一种更灵活和转型的方式。玛特拉表示最有趣的线索是他对云计算市场的接受。当企业结合私有云和公共云供应商时,才明白这样的市场的空间是拥挤的。他表示,云计算市场空间拥挤,有许多厂商家提供堆栈的各个部分。有些厂商将提供从基础设施到应用的垂直堆栈。有些厂商会自己独立完成,而其他厂商将会合作。但是组件模型会崩溃。企业每次添加一个合作伙伴,就会添加保证金。由于保证金堆叠,企业不可能在云计算中有30个合作伙伴。现在很有趣,因为有些供应商控制了一部分堆栈,他们必须运行整个堆栈。

如果玛特拉的理论对于技术供应商实现目标上值得实施,那么拥有应用程序的厂商最终会赢吗?Oracle公司和SAP公司肯定希望如此,Salesforce和Workday公司都在推动云计算的应用。基础设施云赢家会移动堆栈吗?亚马逊公司发展令人瞩目。硬件供应商可以超越基础设施吗?IBM和HP都在这样赌。软件定义的世界是什么样子的?请注意VMware已经远远超越了虚拟化。

以下是企业的供应商通过托管堆栈满足云需求初始设置,先将从大型厂商开始。

1.AmazonWebServices。AWS公司通过基础架构即服务为企业提供服务,但现在正在向上游厂商提供邮件,协作工具,以及其他应用程序。AWS公司将这些应用程序移动到上游厂商这并不奇怪。而AWS公司也可能是其他主要供应商上游应用程序的合作伙伴。

2.思科公司。思科公司提供基础设施,将是私有云的明确推动者。思科公司可以从其网络上提供大量的堆栈。思科已经开始使提供软件产品。这一举动使该公司它在管理堆栈环境中更有竞争力。

3.EMC/VMware/Pivotal。这三个供应商都有相同的母公司,当把这些公司放在一起,托管的堆栈进入视图。EMC公司拥有的三合一组件的多部分堆栈。这三家私有云和混合云供应商是否真的可以开启公共服务还有待观察。

4.IBM公司。IBM公司还集合了基础架构,平台和应用程序部分。毫不奇怪,IBM公司通过分析栈,Watson和其他关键专业,如电子商务进入堆栈。IBM的堆栈,云计算或内部部署将仍然是大型企业的关键所在,因为其业务是可预测和可靠的。

5.微软公司。微软公司可能通过WindowsServer进入数据中心,通过Office软件为整个企业提供服务。微软Azure改变了微软的云计算方程,这可以很好地桥接混合环境,并为应用程序提供基础设施服务。与Oracle公司一样,微软很可能会在未来进军管理堆栈。

6.甲骨文公司。显然,该公司正在致力于提供RED堆栈。Oracle可能是全球拥有基础设施,平台和软件即服务的最大云计算平台。Oracle仍将保持数据库和应用程序,并将在基础架构空间中发挥作用,以便日后可以扩大规模。无论从私有云到公共云产品,Oracle的战略通过管理堆栈得到了更大的发展。

7.Salesforce/Workday。这两家公司可能会推动云计算的发展,并与越来越多的伙伴进行交易合作。考虑到这两家都可能致力于抽象基础设施层,两个供应商可能会在更多方面可以合作,并可能与像亚马逊公司这样的厂商一起合作。

8.SAP公司。SAP具有自己的应用程序。S4/HANA将是一个管理服务,SAP很可能将大多数应用程序作为服务提供给客户。然而,SA大多是内部提供的程序,SAP是否可以提供一堆基础架构和平台。SAP可能必须与那些大企业进行合作。而亚马逊公司就是SAP的主要合作伙伴。

这些供应商只是一部分,另外,还有谷歌和惠普公司。他们当然也致力于行业云计算,例如零售,医疗或公用事业堆栈等。在接下来的五年里,这些厂商都将投入这场云游戏。

本文转自d1net(转载)

目录
相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6