2014云计算三大趋势:Iaas血流成河,Saas持续增长,领域更为细分

年底各权威分析机构的总结和预测充溢了整个互联网媒体,本文总结于年底各类IT界人士聚会,如互联网创业者,大企业的CIO,投资分析师,听听这些IT界一线从业者对1314云计算的看法。

2013年云计算回顾

1、2013年云产品落地

当12月底亚马逊宣告进军中国市场导致国内云平台纷纷降价,各IT群里普大喜奔的时候,原来身边竟有这么多小伙伴已经在采用Iaas的服务;据salesforce 大中华区销售负责人表示,初步统计salesforce在2013年中国市场的收入增长达到了200%,如教育行业的新东方、汽车行业的北汽等都在2013年成为salesforce的典型客户;此外,移动互联网的快速发展,企业内外网数据融合已成为必然,如借助social media(微博、微信)等作为服务前端,而后端连接各类企业内部系统已经成为一种标准的解决方案。2013年中国企业对云产品的态度已从隔岸观火慢慢步入把薪助火的阶段。

2、2013年云技术实践

开源的云计算技术一直是IT行业关注的焦点,2013年OpenStack、CloudStack、Eucalyptus、OpenNebula等四大开源云平台的使用案例增长尤为迅猛,除了典型的互联网企业如京东、新浪等对OpenStack的不断改进提升,各类企业也纷纷迈出了自建私有云的步伐,如海尔、农商银行等。而在云计算核心技术使用方面也可谓百花齐放,Hadoop、NoSQL方案、分布式文件系统等技术也被广泛应用到各类企业系统中,云计算技术已经不再是软件大腕的专利,“去IOE”已经成为新一代企业IT的共同心声。

3、2013年云计算投融资

2013年中国云计算的投融资战场也是硝烟弥漫,从Ucloud、Qingcloud这类Issa平台获得数千万美金的投资,七牛、云通讯等Pass产品获得投资界的青睐,而Saas层面律云、北森测评等细分领域的投资外,如i8小时云办公就获得千万级的天使投资。

2014年中国云计算预测

1、Iaas价格屠杀在所难免,面临行业洗牌

随着亚马逊、微软陆续登陆中国市场,以及实力雄厚的传统软件企业,如华为等杀入云计算市场,中国每一家Iaas供应商每天都需要不断接受由这些财力雄厚的竞争者制定的价格标准,不可避免地,其它云服务供应商必然受到他们所带来的直接威胁,而最要命的是这套价格标准仍在不断下调。Iaas层面这类资本密集型产业,保持产品的高使用率才是至关重要的,航空产业也是个典型的资本密集型行业。航空业务需要投入的资金规模极为庞大,但所制定的客票价格相对很低、为旅客提供的承诺也没有那么强的保障性。航空产业的关键在于收益管理,也就是运输领域的基础设施使用率。在过去我们已经见证了一轮航空公司破产以及兼并的热潮。2014年,Iaas也将踏上航空产业的发展道路——客户们感觉良好,但供应商们却如履薄冰。

2、企业Saas服务领域将持续升温

企业物理边界的逐渐模糊及移动互联网使用的普及,人们对移动办公的需求也急为迫切,目前已经很流行的把移动应用连接到基于云后台服务的做法能够对移动用户的需求做出灵活的反应。现在这种做法还有一些优势,可以减少把这种通讯连接到企业数据库的工作量和风险。此外,随着互联网金融这类有高安全级别要求的云服务被广泛接受,人们对于Saas服务安全性的顾忌逐步降低,更多企业表示在2014年将有Saas层面的预算投入,而云办公领域将成为优先考虑的项目之一。

3、云计算将与智能设备结合,并在垂直的应用解决型领域有所突破

垂直行业比水平行业有更高的渗透率,快速建立的行业标准和壁垒的能力已经不容忽视,随着2014年智能机器的发展,可穿戴设备的出现,企业将越来越重视所提供产品的智能化,并将考虑如何使用万物互联的特性,更真实、有效的获取用户数据,提供更为细分、垂直的云计算服务。 总之,随着探索和实践的深化,云计算将从技术导向转移到应用导向,即从用户出发,与应用更紧密的结合,和实体经济更紧密的结合,这将是未来云计算的整体趋势。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值