| RK | 企業(yè) | iB+iF |
|---|---|---|
| 1 | 華為云 | 91.22 |
| 2 | 中興通訊 | 90.52 |
| 3 | 阿里云 | 90.41 |
| 4 | 天翼云 | 89.74 |
| 5 | 移動云 | 89.45 |
| 6 | 百度智能云 | 87.98 |
| 7 | 中電金信 | 87.83 |
| 8 | 騰訊云 | 87.08 |
| 9 | 聯(lián)通云 | 86.66 |
| 10 | 金蝶云 | 86.52 |
| 11 | 達夢數(shù)據(jù)庫 | 85.79 |
| 12 | 浪潮云 | 84.13 |
| 13 | 深信服 | 83.17 |
| 14 | 中科創(chuàng)達 | 83.08 |
| 15 | 網(wǎng)宿科技 | 82.43 |
| 16 | 浩鯨科技 | 81.75 |
| 17 | 亞信科技 | 81.56 |
| 18 | 順網(wǎng)科技 | 79.99 |
| 19 | 優(yōu)刻得 | 79.90 |
| 20 | 金山云 | 79.64 |
| 21 | 火山引擎 | 79.51 |
| 22 | 超聚變 | 79.48 |
| 23 | 星環(huán)科技 | 79.29 |
| 24 | 品高云 | 77.98 |
| 25 | OceanBase | 77.71 |
| 26 | 京東云 | 77.65 |
| 27 | SmartX | 74.85 |
| 28 | PingCap | 74.52 |
| 29 | 明賦云 | 73.88 |
| 30 | 網(wǎng)易數(shù)帆 | 73.75 |
| 31 | 聯(lián)想 | 73.51 |
| 32 | 九州云 | 72.24 |
| 33 | 青云科技 | 71.79 |
| 34 | 七牛云 | 71.35 |
| 35 | 有云數(shù)智 | 70.75 |
| 36 | ZStack云軸科技 | 69.27 |
| 37 | 瑞馳信息 | 68.69 |
| 38 | PPIO邊緣云 | 68.34 |
| 39 | 網(wǎng)心科技 | 68.28 |
| 40 | DaoCloud道客云 | 67.92 |
| 41 | 白山云科技 | 67.41 |
| 42 | 開創(chuàng)云計算 | 66.77 |
| 43 | 庭宇科技 | 66.59 |
| 44 | 靈境云 | 65.97 |
| 45 | 焱融科技 | 65.85 |
| 46 | 新數(shù)科技 | 65.58 |
| 47 | 機智云 | 65.18 |
| 48 | 即刻霧聯(lián) | 63.98 |
| 49 | 企商在線 | 63.57 |
| 50 | 華翊量子 | 63.43 |
| 2025.11 DBC/CIW/eNet16 | ||
近年來，隨著數(shù)字化轉型浪潮的不斷深入，一種更為集約、靈活且普適的計算范式分布式云與分布式算力正逐漸從技術概念走向規(guī)?；瘜嵺`，重塑著數(shù)字基礎設施的形態(tài)與邊界。
正是在這樣的背景下，分布式云的核心思想在于將原本集中于核心數(shù)據(jù)中心的云服務能力，按需分解、下沉并部署到不同的物理位置。這些位置可以是大城市的區(qū)域中心，也可以是工廠的車間、醫(yī)院的機房、移動的基站，甚至是太空中的衛(wèi)星，它們與中心云共同構成一個邏輯統(tǒng)一、物理分散的“一朵云”，由云服務提供商進行統(tǒng)一的管理、運維、更新和安全保障。
這意味著，用戶可以在本地享受到與中心云一致的技術棧、服務體驗和安全控制，同時滿足了低延遲、數(shù)據(jù)本地化以及特定場景的專有需求。
與分布式云緊密交織的概念是分布式算力。如果說分布式云側重于云服務形態(tài)和位置的分布化，那么分布式算力則更強調計算資源本身的協(xié)同與調度。它旨在將地理上分散的、異構的計算單元——從核心云數(shù)據(jù)中心、邊緣節(jié)點，到終端設備如個人電腦、智能手機乃至物聯(lián)網(wǎng)傳感器中的閑置計算能力——整合成一個虛擬的、龐大的超級計算機。
分布式云與分布式算力的協(xié)同作用，正在為千行百業(yè)的數(shù)字化轉型注入新的動能。在智慧城市領域，交通管理系統(tǒng)的視頻分析可以在路側的邊緣節(jié)點實時完成，瞬間識別違章行為并優(yōu)化信號燈配時，無需將海量視頻流傳輸至云端；在工業(yè)互聯(lián)網(wǎng)中，生產(chǎn)線上的傳感器數(shù)據(jù)在工廠本地的邊緣平臺進行分析，實現(xiàn)對設備狀態(tài)的毫秒級預測性維護，有效避免非計劃停機，同時，核心的工藝優(yōu)化和數(shù)據(jù)建模則可以在區(qū)域中心云或中心云完成，實現(xiàn)數(shù)據(jù)的分級處理與價值最大化；在內容分發(fā)領域，通過將熱門內容緩存至離用戶更近的邊緣節(jié)點，可以顯著降低主干網(wǎng)絡壓力，提升視頻播放的流暢度和啟動速度，改善終端用戶的觀看體驗；在科研領域，全球志愿者的閑置計算資源可以被集結起來，共同參與尋找新的藥物分子或分析天文數(shù)據(jù)，加速科學發(fā)現(xiàn)的進程。
如何根據(jù)任務特性、數(shù)據(jù)位置、節(jié)點負載、網(wǎng)絡狀況和成本約束，動態(tài)、高效、最優(yōu)地將任務調度到最合適的計算節(jié)點上，是實現(xiàn)分布式算力價值最大化的關鍵。
隨著第五代移動通信技術的普及、人工智能技術的深度融合以及算力需求的持續(xù)爆炸式增長，未來的算力網(wǎng)絡將更加智能化，能夠基于AI實現(xiàn)資源的自動感知、任務的精準預測和調度的全局最優(yōu)，算力供給也將趨于泛在化，從地面延伸到空中、海洋甚至太空，形成空天地一體化的計算能力。
結語
分布式云與分布式算力代表了云計算演進的重要方向，隨著關鍵技術的不斷突破和產(chǎn)業(yè)協(xié)同的持續(xù)深化，它通過將計算能力從中心向邊緣、向終端擴散，構建了一個更加貼近業(yè)務、響應敏捷、資源高效的數(shù)字化基石。
（文/元素）
e-Mail：lab@enet16.com
