2016年云计算行业规模现状深度调研及未来发展前景研究解析

2016年云计算行业规模现状深度调研及未来发展前景研究云计算作为打破传统IT技术格局的新产业机会，云计算是个千亿级的市场，然后其中增速最快的，也是最令人瞩目的是公有云，年增速近35%。

与此同时，互联网产业的快速发展和全球信息化的速度不断加快，未来全世界对于计算资源的需求将会越来越大。

PaaS市场分析快速增长和高利润源自PaaS业务图表AWS2014-2015年营收和利润率数据来源：产研智库•AWS自2006年至2016年为止共计降价51次，特别是近三年降价频率明显放缓。

这是因为AWS的云计算规模效应达到瓶颈，其单位成本降低的空间越来越小。

•但在2015年AWS的营业额持续攀升，而利润率更是极其快速地增长，利润率的增长幅度远超营业额的增长。

这是因为AWS在2015年连续推出多个PaaS增值功能，这些功能为用户创造了基础计算以外的IT价值。

•PaaS增值功能够比IaaS服务提供更多的利润空间，并且能为用户提供更多的IT价值。

PaaS领域机会市场分散、高价值、高门槛•IaaS满足的是用户对于基础计算功能的需求，而PaaS能帮助用户削减成本、业务快速云化并提升云服务能力，同时也可利用自身对某个细分行业领域的理解，搭建行业/领域专注的PaaS平台。

所以PaaS对用户的附加值高使得其成为用户选择云计算产品时的一个关键考量点。

•PaaS市场规模相对IaaS和SaaS较小，但因其对用户的附加值高，外加PaaS产品对技术要求高并且市场门槛高，所以PaaS业务的利润率比IaaS业务更高（参照AWS）。

•PaaS功能繁多并且复杂，这些特点导致整个PaaS非常分散。

传统IT厂商和公有云巨头都以IaaS+PaaS的模式发展云计算业务，增加其云计算平台对于用户的价值。

但是对于大的公有云厂商而言，他们做不完、做不全也很难做好全部的PaaS产品。

数据库领域机会图表2011年和2015年数据库市场规模数据来源：产研智库•在面对大数据量读写、高并发访问以及频繁的横向扩展需求时，传统的关系型数据库因为表结构不易更改、扩展性差等原因稍显疲软，并且传统关系型数据库有诸多巨头玩家，创业项目没有机会。

而NoSQL和NewSQL数据库能以更灵活的数据组织形式和分布式存储来满足扩展需求，并且性能比传统关系型数据更高。

NoSQL数据库特点与适用场景以三款主流NoSQL数据库为例分析NoSQL数据库特点与适用场景•目前数据库市场仍然以Oracle、MySQL和SQLServer为主，尤其是上规模的大型企业用户。

但这些传统数据库因为无法横向拓展和性能瓶颈等问题而无法满足用户的需求，大量企业级用户为了满足业务的快速发展而选择了NoSQL数据库以解决拓展性和性能瓶颈的问题。

但是大量传统企业的传统应用，比如银行的核心系统等，仍然使用MySQL数据库，因为NoSQL无法支持关系型数据库和SQL语句查询。

•NoSQL属于过渡产品，而NewSQL作为能支持SQL语句查询的高性能可拓展性数据库，能够允许用户直接将业务从OldSQL迁移至NewSQL，所以NewSQL是未来的趋势。

数据处理与管理软件现状大数据应用的核心•数据处理平台是大数据方案的核心组件，其功能实现源数据的抽取、处理和分析，然后将加工后的数据输出给应用程序使用。

传统的数据仓库无法面对大数据量（用户需要处理的数据超过几十TB）、多数据源（比如一个企业拥有上百个数据库）和多种数据类型的挑战，而基于Hadoop的数据处理与管理软件通过分布式处理、数据联邦和集中存储等技术解决了数据处理效率低、数据抽取代价大、无法处理多类型数据、无法将多个来源的数据统一化和无法搜索或管理分析发现隐藏关系等问题。

•目前多家基于Hadoop的数据处理与管理软件厂商正在快速发展，并且正在快速侵蚀传统数据仓库市场。

基于Hadoop的数据仓库与管理软件领跑者已出现，其中以国外的Cloudera、MapR和Hortonworks以及国内的星环为代表。

•数据处理领域的技术迭代快，新的开源技术将会影响市场，比如Spark。

数据处理与管理软件的机会开源技术，HaaS，Hadoop工具与上层应用•以Apache为代表的开源社区项目具有潜在的投资机会，这些开源技术项目具有优化或者是替代Hadoop的特点。

•HaaS（Hadoop as a service）能够让企业简单快捷的使用上Hadoop服务，而不需要承受自建Hadoop系统的负担。

所以HaaS，尤其是以Google Cloud Platform Dataproc为例能够提供快速创建Hadoop服务的HaaS有成长空间。

•未来Hadoop将会有更多的工具和上层应用出现，这些工具与应用更贴近用户最终的应用，帮助用户更好地使用Hadoop服务，如大数据分析可视化、面向开发者的Hadoop快速交付平台，数据安全和大数据自动化BI服务等。

此类工具和上层应用具有很大的应用前景。

云计算安全领域机会——解决后顾之忧图表2013-2017全球云计算安全市场规模数据来源：产研智库图表使用云计算时主要顾虑的问题注：1-5分，5分表示极度顾虑数据来源：产研智库图表不同云服务面对的威胁和风险的等级注：颜色越深表示风险越高资料来源：产研智库•在云计算行业快速发展的情况下，用户对于云计算的安全产生极高的顾虑，尤其是对于公有云模式部署的业务。

因此全球云计算安全市场持续增长，尤其是中小企业采用云安全服务，所以包括安全邮件/web网关、身份和访问管理IAM、远程漏洞评估、安全信息和事件管理的云安全服务市场将具有增长潜力。

•用户的关注点主要集中在两点：1）业务不要因为安全威胁受到影响或中断；2）数据不要因为安全威胁而导致丢失或者泄露。

•公有云厂家会提供基础性的安全服务，比如防火墙和安全策略等。

但是其安全功能过于基础并且不易用，因此用户将根据自身需求选择更全面的安全服务。

图表美国值得关注的云安全项目资料来源：产研智库DevOps工具机会为业务更快地交付更高质量的软件图表DevOps示意图资料来源：产研智库图表DevOps市场规模预测数据来源：产研智库图表四大驱动机构投资DevOps的因素数据来源：产研智库•DevOps解决了开发者和运维人员在软件开发中的冲突，帮助企业以更快的速度交付更少缺陷的软件。

DevOps通过提高软件开发效率的方式，加强企业的市场竞争力。

•互联网企业和中小型企业需要快速迭代其产品以赢得市场竞争，同时越来越多的大型机构希望改变臃肿传统软件开发的模式面对互联网模式的冲击。

由于DevOps功能够帮助用户实现以上目标并改善业务交付速度，所以企业用户对于DevOps有较高的付费意愿。

•因为软件开发对于计算资源的需求要求响应快并且弹性，所以基于公有云的DevOps 适合中小企业用户软件开发的场景。

•更少的软件缺陷和更快的软件交付速度是企业用户选择DevOps的主要原因。

图表DevOps项目三要素资料来源：产研智库•DevOps的落地需要从组织文化、开发管理流程和开发工具三个方面入手，这里我们关注能够落地的DevOps最佳实践的工具应该具备什么功能和要素。

•Infrastructure as code是DevOps的基础和必备功能，其通过以开发者的角度调用基础计算资源的方式，加快了开发速度。

•IT自动化实现了配置、部署和测试的全自动化，实现了应用的快速发布。

•持续部署是DevOps中最关键的一环，也是最难实现的一环。

DevOps需要能够实现应用在代码改动并自动测试完成后进行自动化、快速地并且是可重复的部署，而且部署是具有高可靠性的。

图表美国值得关注的DevOps项目资料来源：产研智库基于PaaS的图像处理领域投资机会看图识字，看脸识人图表图像识别分类资料来源：产研智库图表基于图像识别的典型性行业应用资料来源：产研智库图表中国大数据应用按数据类型分类占比资料来源：产研智库•在大数据应用中，非结构数据应用是最主要的应用类别。

而在典型的非结构数据中（图像、语音和视频），图像的识别的应用最广，大量的互联网应用都需要与图像识别结合，所以面向开发者的图像识别功能将有大量需求（Google Cloud Platform 在2016年推出了VisionAPI）。

•在图像识别的分类中，图像存储将会是图像处理PaaS的基本功能，对图像存储需求大的主要是行业类用户（比如医院）。

•图像处理应用场景最广的是图像识别，其中应用潜力最大的是人脸识别和OCR（图文转换）。

基于PaaS的机器学习领域投资机会智能商务预测图表2013-2018年全球商业智能市场规模预测数据来源：产研智库•基于PaaS的机器学习方案包括四个步骤：数据清洗、数据分析、模型训练和评估，其允许用户在不用自己编写负责的机器学习代码和搭建基础设施的情况下使用机器学习技术进行模型预测。

用户只需要将准备好的业务模型和训练所需数据与云计算的API对接，PaaS 机器学习功能将会自动训练模型来处理新数据并为应用程序生成预测结果。

•基于云的机器学习功能大大降低用户使用机器学习功能的门槛，包括资金投入和技术储备。

同时基于云的机器学习让用户从小规模的智能分析预测做起，使得大量的中小企业能通过智能分析预测改善他们的业务。

•机器学习功能是实现商业智能方案中数据分析功能的重要的部分，因为其能实现预测性分析。

而基于云的商业智能预期将快速增长并且增速超过其他商业智能类型，所以的PaaS 机器学习将预期具有良好的市场潜力。

•机器学习的关键点是算法的训练度，其需要海量的数据进行训练。

因为基于云的机器学习算法被大量用户使用训练，所以其学习成熟度更高，更高可用。

•具有深厚的算法技术的积累的基于PaaS的机器学习项目具有潜在的投资价值。

其产品应具有以下功能特点：数据可视化、模型评估和解释工具、建模API、优秀的机器学习算法、数据转化、用于批量预测和实时预测的API、完全托管和按需付费。