- 文章信息
- 作者: IT Pro
- 分类:Blog
- 点击数:6283
导言
微软Ignite 2025会议刚刚结束,对于云 -- -- 和企业 -- -- 信息技术世界,特别是对于我们中那些在Azure上部署、管理或制定基准的解决办法的人来说,今年的宣布是最近记忆中最重要的。 微软博客“Azure at Microsoft Ignite 2025: 所有智慧的云层新闻都解释过了, 代理云,以适合企业规模的方式统一AI,数据,应用和基础设施. 微软 Azure+2 键来源+2 键
对于你来说,在GPU计算,虚拟化,基准化,以及构建高性能的工作量中,公告的意义不止是发号施令. 它们表明Azure将如何支持计算密集型应用程序、AI代理、数据产业、DevOps/DevSecOps管道和云基础设施的重大转变。
我在这篇文章里, 重大变动 在Ignite 2025中宣布Azure:分为基础设施、AI/代理平台、数据与数据库、应用程序/DevOps以及安全/治理。 最后,我会提供一节关于 影响 (特别是用于基准、GPU/CPU工作量、虚拟化和混合/云分解) 今后的步骤 你应该考虑一下

基础设施的加强——“代理时代的建设”
今年的主题之一是Azure并不只是想承担工作量, 加速 优化人工智能/代理工作流程,并有效推广。 主要基础设施变化:
1.1 Azure Boost & Azure Cobalt 200
-
微软宣布下一代子系统命名 Azure 脚步 提供:远程存储吞吐量可达20GBps,可达100万远程存储IOPS,网络带宽可达400Gbps. 微软 Azure
-
与此同时,他们揭幕 阿苏尔钴200,一个新的基于ARM的服务器平台,专为代理工作量和数据密集型应用程序而建. 它旨在提供更高的效率、性能和保密性。 微软 Azure
-
对于您来说,在GPU/CPU的卸载和AI基准上工作:这意味着Azure正在调整,以支持大规模矢量/推导工作量,更高的带宽存储,更快的网络功能——将直接影响基准堆和虚拟化基础设施的设计.
1.2 无服务器、VM、网络增强
-
Azure的超显像器/虚拟化堆栈被调和为“代理”工作量, 意指许多小任务、高通货率、持续记忆/代理以及分配工作量,
-
上面的 " 远程存储吞吐量 " 和 " 400Gbps network " 计量标准意味着NVMe支持的远程量或网络相接的存储(NAS)正得到认真的性能升级——对于I/O敏感GPU/CPU的工作量来说,这是一个有趣的发展。
-
叙事强调“智能云建立在几十年的经验上”和“我们正在提供AI、应用软件、数据、安全和云的不断创新。 “ 微软 Azure
AI、代理和代理云
也许最大的主题: Azure正在从“计算+存储+云”转向“计算+AI代理”,这意味着工作量将越来越多地围绕自主或半自主组件(代理)而不是静态应用。
2.1 微软创始人、代理服务、控制计划
-
新代理平台 微软 创建 Azure 的堆积物。 它增加了对外部前沿模型(例如来自Anthropic、Cohere)的支持,并为人工智能代理的建造、部署和管理提供了统一的“代理工厂”。 微软 Azure+ 键 1个
-
铸币局:一个主机多代理运行时间(预览),内置内存,多代理工作流程,持续上下文,管弦乐,并与Microsoft 365 & Agent 365. 大卫 社区
-
铸造控制计划: 使物剂——健康、使用、成本、行为护栏、安全——具有完整的生命周期管理和可观察性。 特工们被当成一个被管理的车队,而不是一次性的项目. 大卫 社区
2.2 内置制剂的Azure副驾驶
-
Azure Copilot的更新带来了“内置代理”——意思是“副驾驶”不仅仅是一个聊天助理,而且可以在Azure Portal、PowerShell、CLI和DevOps管道中驱动工作流程。 微软 Azure
-
对于开发者和开发者: Dev.to文章的叙述是,副驾驶现在参与部署、迁移、优化、观察任务。 大卫 社区
2.3 生态系统模型和伙伴
-
创建者现在支持 Anthropic的克洛德和Cohere的模型,以及微软自己的模型——给客户更多的选择和灵活性. 微软 Azure
-
这一转变表明微软正在走向“开放、互通的AI生态系统”,而不是锁定在一个供应商的手中。
-
对于基准:这意味着您可能很快可以通过Azure访问生产规模的多个模型类型,从而能够在一个云平台下进行比较推论工作量(如克洛德诉OpenAI vs Cohere).
数据、数据库和 AI- Ready Data Estate
Azure的数据策略正在向“AI-ready ” 转变, 数据库和存储可以应付载体工作量、实时分析、无结构数据、混合+多云。
3.1 Azure DocumentDB(大会)
-
阿苏尔发射完毕 Azure 文档DB (GA)——以Linux基金会下的开放式文档数据库标准为主的管理服务,可与MongoDB兼容,优化用于向量搜索和混合工作量. 大卫 社区+ 键 1个
-
地物:独立计算/存储缩放,AI友好(vectors + 混合搜索).
3.2 SQL 服务器 2025(GA)
-
即将到来 SQL 服务器 2025,现在一般在Azure上可以使用,有GitHub Copilot集成,原生JSON支持,REST APIS,变换活性流,并通过与Microsoft Fabric/OneLake的集成进行近实时分析. 大卫 社区
-
对于您的环境: 如果你正在迁移遗产。 NET + SQL 工作量(你提到了.NET,包装等),这为使用AI-aware数据库特性实现现代化提供了机会.
3.3 Azure地平线DB(PostgreSQL,预览)
-
Azure 地平线DB 是一种基于PostgreSQL的新云数据库服务,根据Dev.to摘要,为任务关键和AI工作量(目前为私人预览)进行了优化。 大卫 社区
-
这意味着Azure在开源数据库支持上双倍下降(PostgreSQL),具有AI-优化功能.
3.4 材料数据库(GA)
-
Azure正在通过“Fabric Databases”——一个统一的SaaS数据库,将SQL DB + Cosmos DB 语义合并,并为实时智能应用添加了本土矢量/RAG(检索生成)支持. 大卫 社区+ 键 1个
-
对于应用程序开发者来说,这意味着在交易、分析和AI增加的工作量之间减少障碍。
DevOps 应用程序平台和迁移
Azure让应用更加现代化,
4.1 国家 应用现代化和移徙工具
-
Azure强调“建立智能应用软件并使之现代化”, NET应用,Linux应用,SAP工作量和SQL服务器工作量到Azure. 微软 Azure
-
例如,移徙中心、通过联合驾驶员提出的建议、评估和模板正在得到推动。
4.2 Dev/DevOps + GitHub + DevSec 操作集成
-
一个关键亮点:GitHub Advanced Security与微软 Cloud Defender 之间的本土融合 – 连接代码 – 构建 – 运行时安全. 大卫 社区
-
Dev.to文章总结出,GitHub → Azure Copilot → Foundry → Agent Service 链条现在是Dev/DevOps团队的首选路径. 大卫 社区
-
对于您在虚拟化,包装,监测和温度/硬件基准化方面的工作:这意味着工具链将越来越多地将代码,infra,和AI工作流程的端到端相融合.
4.3 低码和平台工具
-
公告还强调了Azure上的低码应用开发,将云平台的覆盖范围扩大到仅"纯devs". 微软 Azure
-
这可能会为您在您的网站/社区设计针对更广泛的受众(IT pros, 而不仅仅是devs)的内容提供新的机遇.
安全、治理和混合/多云
随着Azure的发展,微软强调治理、安全和混合/多云支持仍然是根本的。
5.1 加强代理治理和身份认同
-
作为代理推动的一部分,治理代理人变得至关重要。 使用诸如 微软代理 365 (control plane for agents)让企业能见度和对像人类使用者一样的代理人的控制. 来源+ 键 1个
-
代理人获得“代理身份证”,非洲区域局/内部一体化、警卫、审计记录。
5.2 混合/多云准备状态和开放选择
-
数据平台公告显示开放性(PostgreSQL、Mongo兼容性、向量支持等)和灵活性——帮助混合/多云工作量维持可移植性。
-
Azure仍然致力于在房地/边缘部署和混合部署;虽然代理工作量经常是云层内在的,但许多情况仍需要混合灵活性。
5.3 管道和运行时间内的安全
-
上面提到的 GitHub + Defense 集成意味着运行时间威胁事件可以追溯到精确的代码更改,由 Copilot 生成的补救建议,以及安全遥测流入 DevOps 管道. 大卫 社区
-
对于注重业绩的工作量(你的GPU/CPU基准,虚拟化),这为遥测、伐木和安全人员如何影响业绩提出了新的考虑。 现在是时候重新审视你的仪器策略了。
对您工作和社区的影响
鉴于您的焦点(GPU/CPU计算,虚拟化,基准套件,包装,Windows虚拟化,自定义Windows应用,浏览器/gpu GPU-加速等),这里有有意义的影响和可操作的下一步:
6.1 基准和计算卸载设计
-
随着基础设施的升级(Azure Boost、Cobalt 200、400 Gbps网络、20 GBps存储吞吐量),你可能会看到Azure的支持 高通量GPU/CPU集群,它与您的 GPU 计算卸载工作一致(例如, GTX 770 + Quadro K420, CUDA等)。
-
考虑设计不仅测试GPU性能的基准套件 网络+存储吞吐量, NVMe远程卷,多节点GPU集群,以代理为主的工作流程(并行的多小任务)而不是单曲运行.
-
为Azure虚拟机或Azure Kubernetes Service(AKS)包装您的工具(如PyInstaller,Vortice.D3D11等)现在可以根据这些新的下层能力所允许的性能预期进行测试.
6.2 移徙和遗留工作量的虚拟化
-
Azure强调迁移遗产。 NET应用,Windows虚拟化(MacOS/Android模拟器上的VMware/VirtualBox,自定义Windows应用)将受益于改善的基础设施和代理驱动的迁移工具. 你可以重新审视一下你真实世界的案例研究:.NET构建,包装,部署在Azure VM/Contaner Apps上.
-
您基于Joomla的站点和模块可以从这些改进的例子(快存储,更好的网络)中获益,当你部署基于概念的代理分析器时.
6.3 开发和业务中以代理为中心的工作流程
-
对于您的社区内容(IP地址上的文章, IPv6, Subnetting, 地产上市模块等), 考虑如何 代理人 可以增强您的工作流程:例如,自定义代理,可以总结论坛帖子,温和评论,生成内容建议,监测站点性能,自动运行基准任务并报告结果.
-
在DevOps方面:整合GitHub Copilot + Azure Copilot + Foundry工作流程,用于自动化构建,包装,部署您的工具和模块——特别是当您拥有许多小工具/模块,需要连续交付时,这些工具/模块尤其有用.
6.4 (中文(简体) ). 垂直数据园地和分析( A)
-
您正在探索房地产上市模块(Yad2型过滤器、 MapSearch 、 资产提交表 ) 。 通过Fabric Database + HorizonDB + DocumentDB,您可以建立更智能,AI强化的搜索和推荐系统(例如,"在特拉维夫查看公寓的人也查看了......").
-
文档中的矢量搜索 + 混合搜索 DB 或 Fabric 的 RAG 支持 , 解锁新的可能性 : 您可以将教程或基准包成代理程序, 用于查询您的数据集并向用户提供上下文或建议 。
6.5 安保/费用/业绩权衡
-
随着基础设施和AI/代理工作流程的增强,您需要重新审视成本/性能权衡:例如,运行许多小型代理任务与减少大批量工作;存储I/O对计算;GPU对CPU;多租户Azure环境中的虚拟化间接费用。
-
仪器越来越重要:从代理人援引中追踪 ——计算集群 ——储存 ——网络 费用。 您的基准套房可能需要整合 这些维度的实时遥测。
建议的下一步措施(针对你和你的社区)
-
挖掘新闻之书: 请检查date=中的日期值 (帮助) 微软Ignite 2025 News Book官方发布更多花岗岩公告. 来源+ 键 1个
-
确定早期采纳者服务: 查找您可以加入的预览... 创始代理服务,地平线DB,Fabric数据库,Azure DocumentDB.
-
更新基准框架数字 : 添加存储/网络通量测试,多节点GPU集群,代理管弦,矢量搜索延迟.
-
更新您的 VMware/ 虚拟 框虚拟化脚本: 评估 Azure 的新后台(Boost/Cobalt)运行高密度虚拟化,GPU通过,远程计算.
-
探索Joomla的代理模块/插件: 构建融入您网站的简单代理(如评论节制,内容概括,性能监测)可能会成为异构.
-
重新检查您的包装/部署管道: 整合 GitHub + Azure Copilot + Foundry 工作流程,作为模块/插件/应用程序的CI/CD的一部分.
-
教育你的观众数字 : 由于您经营一个技术文章网站和社区论坛,请考虑一系列关于“这些Azure公告对信息技术职业意味着什么”和“如何将Azure的下一代基础设施作为GPU/CPU载荷的基准”。
结论
Azure不仅被定位为云平台,而且被定位为 为代理时代所建云平台——其中AI代理,向量数据,实时透视,高通量计算形成新的常态. 对于在GPU/CPU卸载、虚拟化、基准化、包装和去发工作流程中交易的工程师来说,这既包括 机会和挑战。 。 。 。 基础设施的改进(Boost, Cobalt 200),代理平台(Foundry, Agent 365),AI-ready数据产业区(DocumentDB, HorizonDB, Fabric),以及综合的DevSecOps管道(GitHub + Defender)都凝聚成一个新的云计算范式.
- 文章信息
- 作者: IT Pro
- 分类:Blog
- 点击数:6971
在数据中心需求、混合云战略和多云复杂性迅速变化的时代,许多组织转向 VMware云基金会 统一和简化基础设施。 综合计算、存储、联网和管理 VMware股份有限公司.,而VCF则保证了整个房地和公共云环境的一致运作模式。 但对于那些在第一波实施VCF的早期领养者来说,真正的问题不仅仅是“它能做什么”,而是“它付出了多少代价,我们得到了什么回报?” “
文章探讨了成本因素、ROI的衡量标准以及早期采用VCF的组织对实际世界的反馈。 它突出了经验教训、范围爬升、隐蔽成本,以及价值链提供强大价值的地方——以及其不足之处。
VMware Cloud基金会是什么?
VMware Cloud Foundation的核心是集成:
-
vSphere (计算虚拟化)
-
vSAN (软件定义存储)
-
NSX(软件定义网络)
-
SDDC 软件 管理员(生命周期自动化)
其目的是在私人数据中心提供“云运作模式”的能力,并方便地延伸至公共云端(例如AWS上的VMware Cloud)。 承诺:在数周内而不是数月内部署一个完整的自定义数据中心(SDDC)堆栈,并始终如一地加以管理。
对于早期的收养者来说,呼吁是强烈的:更换遗留的三级筒仓,减少基础设施的无序扩张,自动补丁和生命周期,必要时扩大到云层,并建立一个未来防守地基。
早期领养者 A. 背景:为什么是组织 选择 VCF
利用价值链牵头的组织通常共享共同驱动因素:
-
他们面临着遗留的基础设施——多储存阵列、多网络织物、人工补丁周期——造成的高运作间接费用。
-
他们希望有一个一致的混合云道(prem + 云道)而无需再作architect.
-
他们寻求更快地在市场上提供新的服务(提供车辆管理设备、集装箱支持、边站/分站)。
-
他们承诺首先实现虚拟化,广泛使用VMware技术,并将VCF视为自然演化.
-
他们预计需求会增加: AI/ML分析,分布式虚拟桌面基础设施(VDI),边缘/分支部署.
这些因素加在一起为价值链提供了令人信服的商业理由,但商业理由必须转化为成本节约和/或创收。
VMware云层基础部署的成本部分
在评估成本和ROI时,必须分解所有组件,而不仅仅是软件许可证。 早期收养者列举以下成本桶:
3.1 软件许可证
-
vSphere, vSAN, NSX, SDDC 相接器 管理者——常被捆绑入VCF Enterprise或白金版.
-
订阅或永久模式(视购买时间和区域而定)。
-
其他组件: VMware Tanzu/Kubernetes支持,额外的NSX服务(如微分).
-
维护和支助或续订费用。
3.2 硬件/基础设施
-
服务器认证为VCF(常为Nutanix,Dell EMC,HPE,Cisco).
-
存储硬件/商业阵列或vSAN集群节点.
-
联网——架式开关的顶部,可能是NSX硬件网关等.
-
动力/冷却、数据中心地板空间。
3.3 部署事务和人员
-
设计、规划和验证
-
来自VMware或合作伙伴集成商的专业服务.
-
内部工作人员培训。
-
部署和与现有系统相融合所需时间。
-
可能迁移工作量,测试,验证.
3.4 业务费用
-
进行中的操作:补丁,生命周期,监测,升级.
-
工作人员费用(SysAdmins,网络工程师)。
-
网络中转成本(特别是混合云层后退).
-
备用/恢复费用、安保/分部费用。
3.5 机会成本和隐藏成本
-
移民期间的干扰。
-
遗留系统退役延迟.
-
过度提供能力。
-
锁定风险和未来移民成本。
早期收养者强调, 未包含所有这些费用组成部分 在商业案件中导致过度乐观的ROI。
罗伊 计量 : 早期领养者所看到的
根据案例研究和访谈,脆弱家庭基金早期的采纳者报告了这些关键的ROI指标:
4.1 缩短提供/加速提供服务的时间
一个主要好处是迅速部署基础设施服务。 例如,各组织报告说,在数周内而不是数月内提供一个新的VMware集群,从而减少了为申请提供市场的时间。 这种加速通过能够更快地推出产品,登入新的客户端,或者测试新的服务而转化为业务价值.
4.2 业务节余
各组织通过将计算、存储和网络合并成一个软件定义的有综合生命周期自动化(SDDC管理器)的堆栈,指出:
-
手动补丁窗口减少
-
从升级中缩短了停机时间
-
简化业务(减少供应商复杂性)
-
通过 vSAN 减少存储足迹并减少重复
-
电力/冷却量较低,因为集束利用率较高
一家大型金融机构报告说,在采用周转基金一年之后,基础设施的业务费用减少了20%。
4.3 巩固基础设施
后遗症三级系统(分别计算,存储阵列,SAN/NAS,网络织物)往往有bloat和silo. VCF使集成到标准化的节点,从而减少了SKU,减少了无序扩展,并减少了数据中心足迹。 这同时减少了CapEx和OpEx.
4.4 混合/云层准备状态
一些公司受益于VCF的云层延伸路径:它们利用AWS或其他云端的VMware Cloud来破灭工作量. 这减少了为高峰期需求提供过多房地的需要,使费用具有灵活性。
4.5 加强安全和合规
由于VCF支持整合NSX的微分和连贯的联网,一些组织发现它们可以降低违规风险,降低审计成本并避免合规罚款. 虽然难以量化,但早期的收养者将此视为“软ROI”因素。
早期领养者报告面临的挑战是什么?
这并非是一帆风顺。 一些关键痛点:
5.1 高级投资
使用价值链和设施往往需要在认证的硬件、伙伴服务和培训方面进行大量前期投资。 一些组织低估了这一成本,或推迟了为摊还现有基础设施而进行的迁移。
5.2 复杂性和技能
尽管VCF承诺简单,但实际上你仍然需要熟练的工作人员横跨vSphere,vSAN,NSX,SDDC管理器,混合云集. 早期的收养者注意到各行动小组存在“技能差距”。
5.3 移徙间接费用
将工作量移入价值链需要规划,有时需要重构,以及出乎意料的故障时间或兼容性问题。 一些更古老的应用程序没有将地图清晰地映射到新架构上.
5.4 隐藏业务费用
虽然自动化减少了许多人工任务,但实际情况是,你仍然需要监测、能力规划、整合第三方工具、备份/DR和边缘/分支站点支助——这些费用在最初的业务个案中被低估了。
5.5 ROI 实现延迟
少数组织发现偿还期比预期长(2至3年而不是1年)。 因为储蓄会随着时间而增加(补丁减少,故障时间减少,SKU减少),所以需要耐心.
费用与收入 示例:假设的早期收养人
让我们通过一个简单的例子,
假设
一家中型企业在两个数据中心的三级基础设施上运行500台虚拟机。 他们决定采用VCF来整合,现代化,并准备混合云.
费用(0年)
-
硬件刷新 : 1.5 M (韩语)
-
软件许可证和支持(3年期):600克
-
服务和部署:300克
-
培训和改革管理:100 000克
预付费用总额: 2.5个
现行年度费用(第1-3年)
-
维修/支助:150克
-
新库的工作人员/业务:400克
-
混合云网/DR费用:50克
年度业务费用总额: 600k (美元)
节省/交付价值
-
减少存储数组数+消除 SAN:节省了200克/年
-
业务自动化 — 工作人员腾出的时间相当于150克/年
-
更快提供 —— 业务价值(新服务周期缩短)
-
避免今后遗留的升级周期(第3年将花费800克):摊还到3年以上270克/年
年度影响净额
年值~720克(200克+150克+100克+270克)减去年成本600克=净收益~1-3年120克.
回报( R)
-
预付费用: 2.5M
-
年度净津贴:~120k~还款~21年(!)(这一数字显然不能接受).
这表明商业案例可能不切实际。
如果企业重新使用硬件的时间更长,获得更大的规模效益,并避免更大的遗产成本,回报可能会缩减到3-5年而不是21年.
教训: 乐观假设很重要。 。 。 。
最大限度地扩大《公约》和《京都议定书》的适用的最佳做法
根据早期收养者的经验,这些做法有助于:
-
右键大小硬件小心 “以防万一”。
-
最大化 vSAN 使用量 ——不只将其作为存储,而是作为价值游戏的一部分.
-
通过 SDDC 管理器自动生命周期 ——不断更新软件,减少补丁窗口.
-
早点训练你的行动队 明确确定SDDC的所有权和管理权。
-
使用混合能力 明智的 -- -- 只有在有道理的地方,云才爆出,并监视出行/头部。
-
创建详细的企划案 并定义所有成本桶(CapEx、OPEx、迁移、隐藏成本)。
-
定义可测量 KPIs (韩语):例如,部署新集群的时间,修复的平均时间(MTTR),每个VM的基础设施成本,存储阵列计数,功率/冷却节省.
-
计划移徙浪潮 ——从关键工作量减少入手,避免高风险.
-
利用合作伙伴的专门知识 早期的领养者在整合者提供最佳做法并减少出其不意时会受益。
-
监测和调整 ——认识到ROI要经过多年的时间,所以每年跟踪,完善假设,或许可以延长硬件寿命或对新举措的再利用能力(如AI/VDI).
VCF的未来和早期采纳者展望
早期的领养者认为VCF很适合不断演变的IT需求:
-
边际/分支部署:紧凑的集群模型使得VCF适合远程站点.
-
AI/ML工作量:随着VMware扩展了GPU支持和Tanzu整合,各组织期望VCF会托管推论和容器工作量(驾驶价值更高).
-
多云一致性数字 : 通过VMware Cloud在AWS/Azure上运行 vSphe 工作量和在一个玻璃板下管理的能力被视为一种战略胜利.
-
生命周期管理期限数字 : 有了几年的实地经验,更新版的VCF更加强劲,降低了新收养者的风险.
然而,早期收养人告诫说: 未来的ROI依赖于使用VCF作为平台——不仅仅是取代基础设施。 。 。 。 这意味着:将新服务、应用软件现代化、加快业务成果,而不是简单地将旧的VMs“升入一班”并等待奇迹。
摘要取出
-
VMware Cloud Foundation为私人/黑白云提供了一个令人信服的平台,特别是对于已经投资于VMware的企业而言.
-
早期采用者认为,在更快的供给、整合、业务节省、混合准备和更强有力的安全/合规方面,很有价值。
-
但商业案例是 非自动 ——重大前期投资,隐性成本,技能差距和移民复杂性,除非管理,否则都会减少ROI.
-
偿还期将有所不同 -- -- 现实案例显示,如果假设成立,偿还期为3至5年;过于乐观的案例可能永远得不到补偿。
-
当VCF被视为新服务(AI/ML、VDI、混合云爆裂)的促进因素,而不仅仅是基础设施的更换时,真正的价值就会出现。
-
最佳做法(培训、适当规模化、自动化、治理、KPI、伙伴支持)在成功和失望之间起了作用。
-
早期的收养者预计,随着平台的成熟,随着工作量的增加,这种价值只会增加,特别是混合使用和边缘使用的情况。
对于今天考虑VMware Cloud基金会的组织,建议是: 睁开眼睛进去吧。 。 。 。 建立一个强大的商业案例,绘制所有成本图,确定你的可衡量的结果,并致力于利用创新的平台——而不仅仅是巩固。
- 文章信息
- 作者: IT Pro
- 分类:Blog
- 点击数:5539
十多年来,云计算主导了企业和初创企业的信息技术战略。 将一切都迁移到AWS、Azure或Google Cloud成为“默认”。 当地基础设施往往因过时、昂贵和僵硬而遭到排斥。
但2025年是一个关键的转折点。
出现了一个新的趋势: 回到混合的、甚至地方的基础设施,由成本压力、数据地点关切、业绩需要和新AI工作量所驱动。
这种转变正在改变各组织对架构、风险、合规和长期规模的思考方式。 它不再是一个问题 是否为 云说对了,不过 多少钱 云为最上.
换句话说: 云唯能灭. 云斯马先入.
让我们拆散地貌。

2025年的"云"——仍然强大,但正在改变
云继续增长,但势头正在变化.
2025年云的力量
-
即时可伸缩性
-
全球分布
-
高度复原力
-
没有预付资本支出
-
生态系统的一体化
-
适合快速产品发射
云平台还继续牵头:
-
管理的数据库
-
开发者工具
-
安保自动化
-
Kubernetes 管弦乐
-
无服务器平台
-
分布式存储
-
边际计算
但云有新的弱点
到2025年,该行业承认长期被忽视的不利条件:
1个 费用增加
出逃的云帐成为了2023–2025年最大的问题之一.
发现的公司:
-
缩放很简单
-
缩放为 没有
-
外出数据费(Egreat)令人痛苦
-
计算价格很粘
-
GPU可用成本爆炸
2 供应商锁定问题:
离开AWS?
一旦深入到生态系统 几乎是不可能的
3个 无法预测的业绩
特别是:
-
AI 工作量
-
实时分析
-
金融交易系统
-
内部LLM推论
4 监管制约因素
2024/2025年的新隐私法强制某些行业的数据主权.
云可以服从,但并不总是容易。
2025年地方基础设施-未死. 再来一次
当地的基础设施应该已经过时了。
但2023-2025年发生了出乎意料的事情:
公司又开始购买服务器.
为什么?
新动因驱动即时收养
-
二手服务器市场
-
负担得起的使用GPU
-
强力压缩架系统
-
开源AI 堆栈
-
私人AI倡议
-
更好的虚拟化
-
为稳定的工作量而降低长期总费用
成本是主要驱动力
如果工作量是:
-
稳定
-
可预见
-
常设
在2至3年后,在当地经营这些产品的价格变得非常低廉。
AI的基础设施改变了一切
训练?
推论?
矢量搜索吗?
这些是 硬件取水者。 。 。 。
拥有GPU比大规模租赁便宜.
2025年地方优势.
-
零费用
-
全控
-
较高的原始业绩
-
可预计上限
-
加强隐私态势
-
长期成本效益
缺点
-
维修费
-
冷却+能源需求
-
需要工作人员的技能
-
更慢的缩放
-
资本支出前期
不过...这一趋势又在上升。 。 。 。
2025年真正的赢家:混合模式
混合体不再是一种妥协——这是一种策略.
在2025年,混合表示:
-
当地重要工作量
-
云中可扩展的工作量
-
专门类群中的AI
-
根据遵守情况混合数据存储
-
分布式计算
实例
运行本地推断
云GPU上的规模推论暴发
将内部数据库保存在本地
但使用云CDN进行全局缓存
将档案廉价存储在 prem 上
但是在云数据湖里的分析
当地培训+云部署管道
混合解决了多数仅靠局部或局部无法解决的问题。
为什么混合赢
-
降低费用上限
-
低潜伏度
-
更好地遵守
-
灵活缩放
-
部分独立于供应商
-
裁员
新技术也促进了混合技术:
-
库伯内特语
-
边缘集群
-
合用同一地点服务
-
S3兼容本地存储系统
-
内部 GPU 架
-
云爆裂的基础设施
2025年标志着混血儿的成熟 模式也不是一个例外。
为什么现在趋势正在改变。
2025年四大驱动力:
1. 联合国 费用重新评价
董事会要求:
“为什么云每季对我们造成更大的损失? “
2. AI 硬件现实
GPU需求破云假设.
3个 条例
数据主权法+大赦国际遵守法改变了全球战略。
4. 在线技术的成熟程度
Kubernetes + 自动化使得操作变得比以往任何时候都容易.
2025年公司在做什么
这就是新的建筑趋势:
云为:
-
SaaS 平台
-
全球分布
-
动态工作量
-
边缘存在
-
无服务器函数
-
原型
-
快速部署
本地为:
-
AI 计算
-
安全数据操作
-
高绩效工作量
-
遗留系统
-
可预见的工作量
-
长期储存
用于:
-
企业现代化
-
成本优化
-
比例+一次遵守
哪种战略适合哪个组织?
仅云
最佳服务:
-
启动
-
小型公司
-
快速原型
-
非技术小组
-
规模不可预测的全球产品
当地重型
最佳服务:
-
银行
-
电信
-
政府
-
辩护
-
医疗机构
-
私人AI公司
混合
最佳服务:
-
中等市场企业
-
大型企业
-
AI 研究实验室
-
SaaS平台达到成熟
-
媒体/VFX公司
-
大学
2025年真正的新潮流:云-斯马特建筑
忘云先会.
忘云独取.
形成的新趋势是:
云闪一闪
用云何为通.
在当地使用它更好。
使用混合的 最佳。
理性经济学取胜.
不是意识形态
结论:未来是多方面的
2025年标志着二进制思维时代的结束.
不是云或当地.
但云和当地的平衡 智能。
云已经不再是革命了
当地已经不再过时。
混合体不再过渡。
三者现在在战略上共存。
在2025年及以后蓬勃发展的公司是那些根据以下原则设计基础设施的公司:
-
工作量行为
-
遵约需求
-
经济逻辑
-
所需业绩
-
长期可持续性
这是新出现的趋势。
这仅仅是开始。
- 文章信息
- 作者: IT Pro
- 分类:Blog
- 点击数:5760
过去十年来,云计算重塑了企业IT. 各组织以前所未有的速度将工作量转移给超规模公司,吸引了灵活性、规模化、业务间接费用降低和消费计费。 多年来,“云之一”不仅仅是一种策略,而是一种假设。
但在2024–2025年,企业地貌开始发生变化. 初入寂灭. 现在,毫无疑问。
企业——包括金融、保健、制造业、国防、电信、甚至技术企业——正日益扭转方向并带来部分基础设施 回到内部不完全放弃云,而是在战略上再次投资 虚拟硬件数据中心,还有专用计算
为什么现在要这样?
随着云量的飙升,AI工作量会爆炸,数据主权规则会收紧,基础设施的可预测性也变得至关重要,企业正在重新发现再次拥有金属的价值.
这篇文章探讨了推动这一过渡的主要力量,回国的工作量,以及新的混合时代的外观.

升起的云成本是一个断点
对于许多企业来说,云已经不再更便宜了——特别是在规模上.
在过去两年中,成本曲线发生了巨大变化:
-
存储费用暴涨。
-
侵犯费成堆.
-
承付款的准备金情况难以预测。
-
AI计算定价大幅攀升.
-
云浪费变得猖獗。
许多CFO现在说云OPEx的增长速度快于收入.
拥有硬件——曾经被认为是昂贵的——现在已成为一种 成本优化战略。
相对于大多数工作量的弹性
云弹性的缩放是惊人的... 对于5-10%的工作量 实际激增 是不可预测的。
但周围 85%的企业工作量稳定缓慢地增长,循环可以预测。
这些工作量:
-
硬件分期偿还在数学上是优越的.
-
性能一致.
-
利用是可预测的。
但硬件不会一夜之间改变主意。
大赦国际彻底改变了经济学
AI的工作量从根本上改变了基础设施战略.
为什么?
因为云供应商的GPU租赁是:
-
贵得要命
-
过份的,
-
有限供应,
-
对长期承诺来说是不稳定的。
公众云的推论和培训成本令人震惊.
企业实现了:
云GPU使用一年的费用可以支付整个prem AI集群的费用.
有时甚至还有零钱
这是逆转的最大驱动力之一.
数据主权规则正在加强
各国政府正在强制执行:
-
地方化法律,
-
遵约任务,
-
管制部门管制,
-
跨界转移规则,
-
隐私框架(GDPR,AIA,HIPAA,PCI-DSS).
受监管部门企业被强制内化重大工作量.
对一些行业而言,在另一国(或另一公司的硬件)储存数据在法律上已经无法接受。
预科是遵守保险。
安全小组正在重新思考"云"模型
传统的云假设"信任提供者".
但这种信任正在消失。
安全领导人感到关切的是:
-
共同租户风险,
-
吵闹的邻居弱点,
-
跨客户违规,
-
供应链不透明,
-
在超尺度的内线访问,
-
云雾错位,
-
供应商锁定。
拥有硬件介绍:
-
完全可审计性,
-
实际治理,
-
优先出入控制,
-
确定风险模型。
对于许多CISO来说,云感觉抽象——硬件感到负责.
供应商锁定已变得危险
一旦企业转向超规模企业,离开就极其困难.
这导致:
-
长期成本不断上升,
-
缺乏谈判杠杆,
-
影响了灵活性,
-
建筑禁闭。
Prem 集群报价 出口车道。 。 。 。
即使公司保持多云或混合,
他们不会永远被困住。
需要紧凑的工作量
具有毫秒敏感性的工业正在将工作量重新转移,例如:
-
工厂,
-
交易楼层,
-
机器人部署,
-
远程分支数据汇总,
-
电信网络,
-
自主基础设施。
物理不思议云.
紧急事件
近相相为事.
二等兵Cloud 2.0与2010年无关
今天的预告世界不是古老的Colo服务器室。
现代企业硬件是:
-
软件定义,
-
AI加速,
-
装箱,
-
自我康复,
-
完全自动化,
-
云管理,
-
消费跟踪。
私人云今天看起来像超大规模云——
只是内部的
什么是工作负荷 回来的Prem?
转变并不统一,
返回工作的共同工作量包括:
AI培训组
AI 推论节点
任务关键交易系统
管理档案数据
高通量分析
全球文件系统
企业资源规划和财务平台
工业控制系统
云对:
-
不可预测性,
-
实验,
-
测试,
-
对外服务。
但核心价值的创造又开始内部化.
新企业现实:混合第一,不是云第一
云第一是2010年代的口号...
2025年的漫画是:
由设计混合.
不是"云与硬件"
相反:
云+自有计算 + 边缘+同地办公.
目标?
将每个工作量都放在其产生之处 经济 和 业务 感觉。
不是市场营销部说的
结论:自主计算又很酷
不是因为云失败.
但因为企业终于明白:
-
云是强大的,
-
云是昂贵的,
-
云不是一切的默认解决方案。
各组织正在重新发现当家作主的价值:
-
确定成本曲线,
-
硬件摊销,
-
主权控制,
-
可预见性能,
-
减少对供应商的依赖,
-
长期IT稳定性。
看上去是逆向的 实际上是向前发展的趋势。
走向平衡,
成熟,
优化混合计算时代.
- 文章信息
- 作者: IT Pro
- 分类:Blog
- 点击数:5274
导言
在过去两年里,人工智能从一个优势研究领域转变为全球技术投资的中心引擎. 超规模数据中心、GPU超级集群、主权AI程序以及AI启动巨型评估都占据了头条头条和投资者投资组合的主导地位。 但是,在热情的背后,全球技术监管者、中央银行、市场监督员和经济咨询机构的呼声日益高涨。
他们警告说,AI的繁荣,特别是在基础设施和投资方面,可能已经显示出投机泡沫的早期迹象。 如果不加以控制,泡沫可能破坏市场稳定,紧张能源系统,并导致前所未有的破产。
本条探讨 为何监管者担心,

AI投资大潮:历史资本浪潮
为了了解警告迹象,我们必须首先掌握投资规模。
仅在2024–2025年间:
-
大云公司承诺 千亿 到数据中心和GPU。
-
风险资本大致转向 占全部资金的50% 进入AI和相关创业企业.
-
政府主权基金开始启动国家AI基础设施方案.
-
私募股权开始收购芯片公司,推论起步公司,并大力收购模型实验室.
AI不再仅仅是一个市场部门,而是 页:1 市场战略。
和集中 担心监管者。
为何监管者害怕AI泡形成
大多数管理机构都列举了同样的潜在风险:
单一部门的极端资本浓度
从"点-相通"的气泡到"密码"的热潮,气泡在:
-
资本冲入一个叙述
-
返回似乎得到保证,
-
投资者害怕被抛在后面。
AI 勾出所有的框。
更糟糕的是,
高估短期利润
许多大赦国际投资者认为:
-
即时货币化,
-
立即大规模收养,
-
迅速更换遗留的工作流程。
但是,从历史上看,变革性技术需要数年甚至数十年才能标准化。
监管者发现投资时间表与现实的ROI曲线之间出现错位.
基础设施支出超出实际需求
今天的GPU需求是巨大的,是的。
然而,监管分析人员警告说:
-
AI 基础设施容量可能超过软件的成熟度,
-
推断需求仍不确定,
-
企业的采用取决于耐变化的行业。
换句话说:
在知道谁能开车之前,
AI 估价与基本要素分离
许多AI的起动点击:
-
价值十亿美元 预收益,
-
10x+ 有负现金流的倍数,
-
完全基于 GPU 访问的估值跳出 。
和2017–2022年的密码波完全一样.
这是典型的投机指标。
影子杠杆和高风险债务曝光
监管者担心隐藏的杠杆通过:
-
与数据中心挂钩的银行贷款,
-
与大赦国际项目挂钩的主权债务,
-
GPU集群的私人股权融资;
-
信贷额度助长了不可持续的增长。
如果AI估价下降,
担保价值也是如此。
这是系统风险101。
历史平行管理者引用
监管者一直提到:
-
Dot-com(1999-2001) (中文(简体) ).
-
清洁技术繁荣(2007-2011年)
-
加密和Web3激增(2020-2022年)
模式对齐:
-
粗口 > 基本内容,
-
资本 > 收入,
-
基础设施 > 需求,
-
数值 > 值。
他们不问 若为 将作出更正。
他们问 何时。 。 。 。
系统风险,如果泡泡泡
后果可能是巨大的。
1. 大规模启动折叠
数十个——可能数百个——AI的起步:
-
无收入
-
无跑道
-
无可持续边际
几个月后就会蒸发
成千上万的工人可能流离失所。
2. 全球GPU 过度库存崩溃
如果需求突然变冷:
-
GPU价格可能崩溃,
-
制造商可能面临超量库存,
-
供应链可能不稳定。
AMD,Nvidia,Intel——每个人都会感觉到.
3. 能源市场动荡
数据中心已经使国家电网紧张。
一些政府正在实行暂停措施。
如果需求崩溃:
-
能源投资陷入困境,
-
公用事业扩展变得无利可图。
监管者担心双重不稳定:
首先,过度投资,
然后是利用不足。
4. 政府接触
主权AI项目可能会起反作用:
-
救援压力,
-
预算超支,
-
浪费的能源扩张,
-
采购丑闻,
-
公开反弹。
人工智能基础设施 不是廉价的。
5. 晚入股的投资者将遭受最大的痛苦
零售投资者,
小额资金,
区域银行,
小国,
即将加入 现在。 。 。 。
历史上?
晚入者取出最大打击.
为什么大赦国际不是 刚刚 a 泡泡语
监管者认真强调这一点:
AI是变革性的,
不过 比额表 投资是危险的。
两种现实可以共存:
-
AI是真实而革命的.
-
周围可能还有投资泡沫.
这不是密码
这是电力+汽车+互联网 综合起来。
不过...
甚至革命技术在成熟前也会被定价过高.
2001年问光纤公司.
监管者对此所做的
已经采取了一些行动:
1. AI接触的财务压力测试
银行被迫披露:
-
与大赦国际有关的贷款,
-
接触AI支持的债券,
-
与GPU和数据中心相连的抵押物。
2. 更积极的监测启动估值
特别是收入前的独角兽.
3. 电网保障条例
防止能源市场不稳定。
4. 减慢政府AI采购
避免在喜剧高峰期间收薪过高.
5. 公共教育和投资者警告
监管者想要零售投资者 通知我们
不是盲从.
什么会打出AI泡泡?
专家预测有三种可能的触发因素:
触发 A — 突发 GPU 供过于求
如果能力终于赶上,
价格崩溃。
触发 B — 弱货币化数据
如果大型AI模型无法在规模上产生收入.
触发 C — 利率震荡
AI依赖于廉价借贷.
如果两个或两个以上同时击中...
这是灾难性的。
"大未知数":AI会成长得足够快吗?
此是万亿所问.
如果AI的收养速度加快,
今天的支出变成了前瞻。
如果慢下来...
投资者可能严重误判时限。
监管者希望政府为这两种情况做好准备。
结论:乐观不是问题——盲目乐观就是问题.
AI不是一个过去的趋势。
这个 实值 这是下一个技术时代的基础。
但历史一再证明:
市场并不正确,
市场是正确的,因为期望过度反映现实。
监管者并没有试图阻止AI。
他们试图阻止另一个可以预防的经济危机。
——由杂音,杠杆,和不耐烦所激起.
他们的信息很简单:
建设、创新、扩大——但可持续。


11914
IT Pro 



















