雖然人們喜歡層出不窮的新技術(shù)，但是普通的企業(yè)主，IT采購(gòu)人員和軟件開發(fā)人員卻對(duì)這種大規(guī)模的技術(shù)創(chuàng)新一無(wú)所知，不知道如何開始新技術(shù)轉(zhuǎn)化為商業(yè)價(jià)值。人們將看到2018年出現(xiàn)的幾個(gè)趨勢(shì)，其重點(diǎn)將放在使易于使用和消耗的新技術(shù)方面。

 

 

亞馬遜公司和其他云計(jì)算提供商競(jìng)相獲得和保持市場(chǎng)份額，因此他們不斷提高抽象和跨服務(wù)集成的水平，以提高開發(fā)人員的生產(chǎn)力，并加強(qiáng)客戶鎖定。亞馬遜公司在2017年11月的AWS Re：Invent大會(huì)上推出了新的數(shù)據(jù)庫(kù)即服務(wù)產(chǎn)品和完全集成的人工智能庫(kù)和工具。它還開始區(qū)分不同形式的無(wú)服務(wù)器計(jì)算：AWS Lambda現(xiàn)在是關(guān)于無(wú)服務(wù)器的功能，而AWS Aurora和Athena則是關(guān)于“無(wú)服務(wù)器的數(shù)據(jù)庫(kù)”，將無(wú)服務(wù)器的定義擴(kuò)展到底層服務(wù)器的任何服務(wù)。據(jù)推測(cè)，現(xiàn)在更多的云服務(wù)可以采用“無(wú)服務(wù)器”這個(gè)更廣泛的定義來(lái)定義自己。

 

到2018年，人們將看到云計(jì)算提供商更加重視進(jìn)一步整合具有更高層次抽象的個(gè)性化服務(wù)。他們還將重點(diǎn)關(guān)注與人工智能、數(shù)據(jù)管理和無(wú)服務(wù)器相關(guān)的服務(wù)。這些解決方案將使開發(fā)人員和運(yùn)營(yíng)專業(yè)人員的工作變得更簡(jiǎn)單，并隱藏其固有的復(fù)雜性。但是，他們確實(shí)有著更大的鎖定風(fēng)險(xiǎn)。

 

在2017年，我們看到所有云提供商都與Kubernetes服務(wù)商一起構(gòu)建微服務(wù)編排層，從而緩解了部分鎖定。 2018年，人們將看到在Kubernetes之上建立的一系列開放式和商業(yè)化服務(wù)，可以提供專有云產(chǎn)品的多云替代方案。當(dāng)然，Iguazio公司的Nuclio就是這樣一個(gè)開放的、多云無(wú)服務(wù)器平臺(tái)的很好的例子，Red Hat公司的Openshift多云PaaS也是如此。

 

 

云計(jì)算實(shí)現(xiàn)了開發(fā)現(xiàn)代化和數(shù)據(jù)驅(qū)動(dòng)型應(yīng)用程序所必需的業(yè)務(wù)敏捷性，無(wú)論是創(chuàng)業(yè)公司還是大型企業(yè)。挑戰(zhàn)在于人們不能忽視數(shù)據(jù)引力，因?yàn)樵S多數(shù)據(jù)源仍然存在于邊緣或企業(yè)中。這加強(qiáng)了5G帶寬，網(wǎng)絡(luò)延遲，GDPR等新規(guī)定，并且越來(lái)越迫使企業(yè)將計(jì)算和存儲(chǔ)放在更接近數(shù)據(jù)源的地方。

 

如今的公共云模型是服務(wù)消費(fèi)，因此開發(fā)人員和用戶可以繞過(guò)IT，帶來(lái)一些無(wú)服務(wù)器功能，使用自助服務(wù)數(shù)據(jù)庫(kù)，甚至將視頻上傳到云服務(wù)，然后將其轉(zhuǎn)換為所需的語(yǔ)言。但是，當(dāng)企業(yè)使用本地部署的替代方案時(shí)，企業(yè)必須構(gòu)建自己的服務(wù)，而且技術(shù)堆棧發(fā)展如此迅速，IT團(tuán)隊(duì)實(shí)際上不可能構(gòu)建與云計(jì)算替代方案相比擬的現(xiàn)代服務(wù)，從而迫使企業(yè)走向云端。

 

被稱為“私有云”的IT供應(yīng)商解決方案與真正的云計(jì)算無(wú)關(guān)，因?yàn)樗麄儗Ｗ⒂谧詣?dòng)化IT操作。他們不提供面向更高級(jí)別的用戶和開發(fā)人員的服務(wù)，IT部門最終從幾十個(gè)單獨(dú)的開源或商業(yè)軟件包中組裝這些服務(wù)，添加通用的安全層、日志記錄和配置管理等服務(wù)。這為云計(jì)算提供商和新的公司進(jìn)入邊緣計(jì)算和本地空間提供了機(jī)會(huì)。

 

2017年，微軟公司首席執(zhí)行官薩蒂亞·納德拉越來(lái)越專注于他所謂的“智慧優(yōu)勢(shì)”。微軟推出了Azure Stack，這是Azure云的一個(gè)迷你版本，不幸的是它只包含微軟公司在云平臺(tái)中提供的一小部分服務(wù)。亞馬遜公司開始提供名為“Snowball Edge”的邊緣設(shè)備，希望它能在這方面做得更好。

 

智能邊緣并不是私有云。它提供了與公共云相同的一套服務(wù)和運(yùn)營(yíng)模式，但是它可以實(shí)現(xiàn)本地訪問(wèn)，并且在許多情況下由中央云操作和維護(hù)，就像運(yùn)營(yíng)商管理有線機(jī)頂盒一樣。

 

2018年，傳統(tǒng)私有云市場(chǎng)將會(huì)萎縮，同時(shí)智能邊緣將會(huì)有增長(zhǎng)的勢(shì)頭。云計(jì)算提供商將增加或加強(qiáng)邊緣產(chǎn)品，越來(lái)越多的公司將進(jìn)入這個(gè)市場(chǎng)空間，在某些情況下，通過(guò)集成產(chǎn)品提供特定的垂直應(yīng)用程序或用例。

 

 

人們?cè)?017年看到了人工智能和機(jī)器學(xué)習(xí)技術(shù)的快速崛起，但是盡管有些炒作的成分，但實(shí)際上卻主要被亞馬遜，谷歌和Facebook等市場(chǎng)領(lǐng)先的廠商所使用。對(duì)于一般的企業(yè)來(lái)說(shuō)，人工智能是微不足道的，但大多數(shù)組織不可能雇用幾乎不能發(fā)揮作用的數(shù)據(jù)科學(xué)家，或者從頭開始構(gòu)建和培訓(xùn)人工智能模型。

 

人們可以看到像Salesforce這樣的公司如何在其平臺(tái)上構(gòu)建人工智能，可以充分利用其托管的大量客戶數(shù)據(jù)。其他公司正在按照這個(gè)方法將人工智能嵌入到產(chǎn)品中作為一項(xiàng)功能。同時(shí)，也看到人工智能獲得垂直行業(yè)的專注，針對(duì)特定行業(yè)和垂直行業(yè)(如市場(chǎng)營(yíng)銷、零售、醫(yī)療保健、金融和安全)的人工智能軟件解決方案正在推出。在這些解決方案中，用戶不需要了解神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)或回歸算法。相反，他們將提供數(shù)據(jù)和一組參數(shù)，并獲得可用于其應(yīng)用程序的人工智能模型。

 

人工智能仍然是一個(gè)非常新的領(lǐng)域，有很多重疊的產(chǎn)品，沒有實(shí)現(xiàn)標(biāo)準(zhǔn)化。如果您的企業(yè)在學(xué)習(xí)階段使用了像TensorFlow，Spark，H2O和Python這樣的框架，則需要在推理部分中使用相同的框架。在2018年，我們將看到人們努力定義將是開放的，跨平臺(tái)的人工智能模型。此外，還將看到更多的解決方案，可以自動(dòng)完成構(gòu)建、培訓(xùn)和部署人工智能的過(guò)程，如新推出的AWS Sage Maker。

 

 

在過(guò)去的幾年里，很多組織已經(jīng)開始開發(fā)由中央IT推動(dòng)的大數(shù)據(jù)實(shí)踐。其目標(biāo)是收集、整理和集中分析業(yè)務(wù)數(shù)據(jù)和日志以備未來(lái)應(yīng)用。數(shù)據(jù)已經(jīng)收集到Hadoop集群和數(shù)據(jù)倉(cāng)庫(kù)解決方案中，然后由一組運(yùn)行批處理作業(yè)并生成一些報(bào)告或儀表板的數(shù)據(jù)科學(xué)家使用。根據(jù)所有主要分析師的說(shuō)法，這種方法已被證明是失敗的，70%的公司沒有看到任何投資回報(bào)。數(shù)據(jù)必須可操作才能從中獲得投資回報(bào)分析。它必須被整合到業(yè)務(wù)流程中，并從新鮮的數(shù)據(jù)中獲得，就像人們?cè)谟嗅槍?duì)性的廣告以及Google和Facebook的建議中看到的一樣。

 

數(shù)據(jù)見解必須嵌入到現(xiàn)代商業(yè)應(yīng)用程序中。例如，訪問(wèn)網(wǎng)站或使用聊天機(jī)器人的客戶需要基于他或她最近的活動(dòng)立即回應(yīng)目標(biāo)內(nèi)容。從物聯(lián)網(wǎng)或移動(dòng)設(shè)備收集的傳感器數(shù)據(jù)不斷流入，需要立即采取措施來(lái)驅(qū)動(dòng)警報(bào)，檢測(cè)安全違規(guī)，提供預(yù)測(cè)性維護(hù)或啟用糾正措施。可視化數(shù)據(jù)實(shí)時(shí)檢測(cè)，用于監(jiān)控和國(guó)家安全;零售商還使用它來(lái)分析銷售點(diǎn)數(shù)據(jù)，如庫(kù)存狀態(tài)，客戶偏好以及觀察到的客戶活動(dòng)的實(shí)時(shí)推薦。數(shù)據(jù)和實(shí)時(shí)分析通過(guò)自動(dòng)化人工處理過(guò)程來(lái)降低業(yè)務(wù)成本。汽車開始連接網(wǎng)絡(luò)和自主管理。電話推銷員和人工助理被機(jī)器人取代。車隊(duì)或卡車、出租車司機(jī)或技術(shù)人員由人工智能和事件驅(qū)動(dòng)的邏輯進(jìn)行編排，以最大限度地利用資源。所有這些在2017已經(jīng)開始發(fā)生。

 

像Hadoop和數(shù)據(jù)倉(cāng)庫(kù)這樣的技術(shù)是十年前發(fā)明的，并且早于人工智能、流處理、內(nèi)存或閃存技術(shù)的時(shí)代。企業(yè)現(xiàn)在看到，建設(shè)數(shù)據(jù)湖泊的價(jià)值有限，因?yàn)樗麄兛梢允褂酶?jiǎn)單的云計(jì)算技術(shù)進(jìn)行數(shù)據(jù)挖掘。重點(diǎn)正在從大多數(shù)僅僅是收集數(shù)據(jù)轉(zhuǎn)向使用數(shù)據(jù)，而技術(shù)側(cè)重于靜態(tài)數(shù)據(jù)和中央IT驅(qū)動(dòng)的流程的領(lǐng)域。

 

2018年，人們將看到從大數(shù)據(jù)向快速數(shù)據(jù)和連續(xù)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用程序的不斷轉(zhuǎn)變。數(shù)據(jù)將通過(guò)各種來(lái)源不斷被攝取。與預(yù)先學(xué)習(xí)或不斷學(xué)習(xí)的人工智能模型相比，它將被實(shí)時(shí)地豐富和匯總，從而能夠立即響應(yīng)用戶，推動(dòng)行動(dòng)，并以實(shí)時(shí)的交互式儀表板呈現(xiàn)。

 

開發(fā)人員將使用預(yù)先打包的云產(chǎn)品或通過(guò)使用相關(guān)的云原生服務(wù)來(lái)整合其解決方案。在企業(yè)中，其關(guān)注的重點(diǎn)將從IT轉(zhuǎn)移到業(yè)務(wù)部門和應(yīng)用程序開發(fā)人員，后者將在現(xiàn)有的業(yè)務(wù)邏輯、門戶網(wǎng)站和日常的客戶交互中嵌入數(shù)據(jù)驅(qū)動(dòng)的決策。

 

 

1.智能邊緣的應(yīng)用將會(huì)增長(zhǎng)，傳統(tǒng)私有云市場(chǎng)將萎縮。

 

2.人們將開始看到針對(duì)特定行業(yè)和垂直市場(chǎng)的人工智能軟件解決方案。此外，人工智能模型將開始開放和跨平臺(tái)。

 

3. 快速數(shù)據(jù)、連續(xù)應(yīng)用和云服務(wù)將取代大數(shù)據(jù)和Hadoop。

 

4. 公共云服務(wù)的應(yīng)用更加廣泛，從而加大了與傳統(tǒng)數(shù)據(jù)中心和私有云解決方案之間的差距。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net原創(chuàng)，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。