在对2018年公有云实施情况进行调研后,至顶网又联系了三十名以上在互联网行业长期耕耘的专家级用户,向他们实地了解,当前所在企业的公有云使用情况,以便更加清晰的对目前企业公有云使用状态进行了解。详细统计结果如下:
本次调研共收集了31名企业CTO级别的专家用户,用户所从事互联网运维时间,平均在5年以上。通过微信所收集到的用户位置来看,大部份用户主要集中在北京和上海两地。

在本次调研的三十一家企业中,公司规模在100人以下的有10家企业,100-500人之间的有8家,500人以上的企业13家。
1、云主机使用规模
从云主机使用规模的调研中,我们可以看到,即便是对新技术接受能力比较强互联网企业,对云主机的使用,也有相当一部分还是抱有审慎的态度,有38.7%的用户云主机使用数量在50台以下,基本处于“试水”的阶段。但是也有19.4%用户的已经开始进行大规模云主机的应用,部署台数达到1000台以上。这说明目前企业对云主机的应用正在逐步走向成熟,未来公有云主机大规模应用的前景可以期待。
2、公有云使用方向
在公有云的使用方向上,31份用户调研中,有28个用户选择了Web应用。同时还有10个用户在利用公有云进行大数据分析工作,9个用户用公有云进行语音、视频、图像识别类的人工智能工作。区块链、物联网和云桌面应用的使用数均在5个用户以下,由此可见Web应用在公有云上已经占据了主流的地位。
现如今,Web已经不仅仅是一种网页应用,正在向着应用性传输协议的方向发展,除了网页内容之外,图像、音频、视频,这些结构化与非结构化的数据均在通过一个80端口进行传输。因此,在调研中有绝大部分用户在公有云上使用的是Web应用就不难以进行理解了。
大数据分析与人工智能这两项可以向企业进行“赋能”的技术的使用率还有些偏低,但也分别有10家和9家的企业在进行应用。
至于区块链、物联网这种概念性的应用,目前使用的用户还是偏少,只有5家企业在进行应用。
当前云桌面技术目前无论从功能性、实用性还是可管理性上基本上已趋于成熟,但是其使用范畴可能不太符合互联网企业的应用定位,因此,在本次调研中,仅有一家企业使用。
3、使用过哪些公有云
在用户熟悉和使用过哪些公有云中,阿里云的公有云由于推出的最早,应用功能更加成熟,因此在本次调研中,绝大部分的用户都选用过阿里云,其次则是腾讯云。AWS虽然刚进入国内不久,但凭借其在国际上的知名度,有接近一半的调研用户也使用过AWS的公有云产品。UCloud由于在开源云计算上有很多贡献,在调研中也有9个用户曾经使用过UCloud的公有云产品。而微软和华为两家企业由于向云计算转型时间尚短,因此受企业的关注度相对较低,在本次调研中有8家企业采用过Azure和华为云的公有云产品。
4、选择公有云的因素
在选择公有云的三个最大因素的调研中,利用公有云减少IT基础设施投入成本居于首位,其次是对出于稳定性方面的需求,易用性排在第三位。而技术创新被所有调查者排在了最后,只有7个用户考虑在公有云上进行技术创新类工作。
5、使用公有云中最大问题
比较有意思的是,在使用公有云中最大问题调研中,可扩展性的问题名列第一。也就是说云计算一直在宣传的灵活可扩展,在实际应用中,还有不少问题尚待解决,这个问题值得今后去深入进行研究。安全性和服务能力问题同时并列第二位,同时稳定性仅以一个用户之差排列第三,看来公有云厂商在这几个方面,还需要再继续加大一些投入,才可以更好的满足公有云用户的实际需求。
6、最好的公有云
在用户心目中最好的5个公有云调查中,均有29个用户对阿里云和腾讯云进行了投票,其次有25个用户选择的是AWS,Azure和华为云均以11票并列第三,UCloud排名第四,金山云第五。
在本次专家调研中我们可以了解,当前公有云应用还是以传统的Web应用占据主导地位,大部分用户公有云主机的使用规模还比较小,在使用过的公有云和公有云满意度中,阿里云和腾讯云排名最前。在使用公有云的主要因素中,成本、稳定和易用排在前三位。但是在使用公有云最大问题中,稳定性问题也很突出,还有排名第一的可扩展性问题也值得去深入进行探讨。
总之,云计算的更多应用尚待深度进行开发,公有云厂商还要更进一步对自身产品及服务进行提升,才可以更好的去满足目前用户对公有云的应用需求。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。