2019年的云计算市场继续向深层演进，强者恒强仍在上演，技术上一方面与AI结合的更为紧密，这主要得益于数据、应用的结合，另一方面关键技术的自主突破也成为看点，以云数据库或者说云原生数据库为代表，行业上需求与业务场景的结合，使得云计算的部署方式趋于成熟，主要体现在不再盲目上公有云，而是更多采用混合多云的形式。此外，AI、量子计算这样的技术能力也纷纷以云的形式向外输出。

云用户回头数据库开荒 2019云计算软件回顾

客户偏爱混合部署

由IHS Markit委托Fortinet开展的调查发现，多数企业在尚未看到预期回报后，就将基于云的应用迁回本地数据中心。在对350位全球IT决策者的调查中，74%的受访者表示他们已经将应用“搬回”到公司内部的基础设施。其原因可能是受到云迁移时的性能制约、监管方面、业务复杂度的因素，核心问题是云策略出现了问题。当然这并不是说公有云本身有什么问题，而是企业基于对业务的认知，混合多云正走向舞台中央。

从灵活弹性、降本增效的红利期，到关键负载云化实现业务转型，企业上云正跨入下一阶段，企业内部的IT环境愈发复杂，通过云计算重构传统IT环境是大家都在尝试的手段。调研显示，超过八成的企业已经开始在多云环境中开展运营。其中，超过四分之三的受访企业表示，他们正在使用至少2-15个云平台。企业构建新的多云环境，平均要使用几个云以及数百个Kubernetes集群，需要投入大量人力、时间和资金进行管理，而云管理服务可以帮助企业管理、治理和优化混合多云环境。

像IBM这样的云服务提供商，可以带来DevOps与应用管理、企业应用管理、多云服务平台、多云托管服务、托管基础架构即服务、云安全与弹性，帮助企业实现多个云平台之间统一标准化的云管理和自动化。例如，IBM Cloud Paks正是IBM将其软件产品组合转型为云原生并且进行优化，可在红帽OpenShift上运行的一种预集成解决方案，能够运行在AWS、Azure、Google Cloud、阿里云、IBM Cloud等公有云或私有云上。对于已经处于多云环境的客户来说，多个云平台，以及需要在不同的供应商之间跨云平台及IT 环境加剧了管理的复杂性。同时，多云环境还对企业内部IT管理人员提出了更高的要求，要求他们掌握更多的技能，能够合理制定企业云战略，确定优先事项等。

IaaS放缓 第二梯队追赶

2019年的中国云计算市场份额一方面继续强者恒强，另一方面“后来者”的追赶步伐加速。根据IDC公布的数据，2019上半年中国公有云服务整体市场规模(IaaS/PaaS/SaaS)达到54.2亿美元，其中IaaS市场同比增长72.2%，PaaS市场增速有所回落，同比增长92.6%。从IaaS+PaaS份额来看，阿里云继续领跑，份额接近50%，超过第2-5名厂商(腾讯、中国电信、AWS、华为)的份额总和。第二季度，华为云IaaS+PaaS份额增长超过350%。

如果以IDC第二季度的IaaS市场份额数字来看，阿里云为41.6%、腾讯云为11.88%、中国电信为8.54%、华为云为6.7%、AWS为6.58。另外从百度云的增长因素可以看到，AI方面的应用，以及PaaS层面的布局是加速份额提升的核心要素。从行业来看，互联网仍然是公有云厂商角逐的主战场，但增长空间已不大，而对于阿里云、腾讯云这样体量较大的公有云服务商把目光放在了传统产业改造上，为政务、制造、金融等行业发布了众多智慧解决方案。

云服务带动AI芯片

芯片并不是硬件厂商的“专利”，2019年有不少云服务商都推出了芯片产品，这里以阿里云、华为、AWS为例。在9月召开的杭州云栖大会上，阿里云CTO行癫发布了阿里首颗AI芯片“含光800”，硬件上采用自研芯片架构，软件层面集成达摩院算法，针对CNN及视觉类算法深度优化了计算和存储密度，实现了大网络模型在一颗NPU上完成计算。实际应用过程中，在杭州城市大脑处理杭州主城区交通视频时，如果使用40颗传统GPU处理延时为300ms，而同样的数据规模仅用4颗含光800即可处理，延时降至150ms。

与含光800精于推理有所不同，华为在9月的全联接大会上发布了AI训练集群Atlas 900，该集群由数千颗�N腾910 AI处理器互联构成，总算力达到256P-1024P FLOPS@FP16，相当于50万台PC的计算能力，搭载的每颗�N腾910 AI处理器内置32个达芬奇AI Core。根据华为的介绍，基于“ResNet-50 v1.5模型”和“ImageNet-1k数据集”，Atlas 900AI训练集群只需59.8秒就可完成训练，“ImageNet-1k数据集”包含128万张图片，精度为75.9%，在同等精度下Atlas 900 AI训练集群比第2名快15%。

Graviton2是亚马逊研发的第二代高性能云端处理器芯片，该处理器是由AWS使用64位Arm Neoverse内核定制构建的，可为在Amazon EC2中运行的云工作负载提供较好的性价比。Graviton2使用了7nm制造工艺，晶体管数量达到300亿，较上一代芯片核心数增加4倍。同时，Graviton2还对Unix和容器保持了很好的支持。除了Graviton2，亚马逊还推出了用于加速机器学习推理计算的芯片Inferentia，可以提供128TOPS算力，支持INT-8和FP-16/bfloat-16计算类型。

AI量子计算由云提供

以上基于AI芯片的能力均以云服务的形式提供，这也代表了一种新的AI输出方式。同时，量子计算——这一面向未来的技术同样也在云端实现着“转化”，IBM、AWS均是如此。在re:lnvent 2019上，AWS就发布了量子云平台Amazon Braket，这是一项完全托管的服务，通过提供相应的开发环境帮助用户了解量子计算，以探索和设计量子算法，在模拟量子计算机上进行测试，并在所选择的不同量子硬件技术设备上运行算法。

具体来说，用户可以通过Amazon Braket从零开始设计自己的量子算法，也可以从一组预先构建的算法中进行选择。定义算法后，Amazon Braket将提供全面托管的模拟服务，进行故障排除并对实施进行验证。准备好后，用户可以在自己所选择的不同量子计算机上运行算法，包括 Rigetti 基于门的超导计算机、D-Wave量子退火超导计算机以及IonQ离子阱计算机。为了更易于开发将传统任务和量子任务结合在一起的混合算法，Amazon Braket还能帮助管理传统计算资源并与量子硬件建立低延迟连接。

数据库生在云上引追捧

另一个变化是云数据库，或者进一步说是云原生数据库，而云原生+分布式也被阿里巴巴集团副总裁、阿里云智能数据库事业部总经理李飞飞视为下一代企业级数据库的方向。Gartner预计，到2022年75%的数据库将被部署或迁移至云平台，只有5%的数据库会考虑部署在本地。与此同时，AWS、阿里云、腾讯云等云厂商纷纷用自研数据库的方式替代Oracle。此时的另一项数据显示，传统商业数据库在未来几年的市场份额将进一步下滑。云正在倒逼传统数据库转型。

背后的一大原因在于，企业机构正在云中部署新的应用程序并以更快的速度迁移现有的数据资产。Gartner认为，这会先从用于分析的数据管理解决方案系统用例开始，比如数据仓库、数据湖以及其他数据被用于分析、人工智能和机器学习的用例。此外，迁移至云的运行系统也在日益增加，尤其是转换为软件即服务模式的运行系统。

以Azure SQL Database为例，其满足了多个SQL Server迁移上云的需求，同时用户又可以享受到更低成本、更高效率。更关键的是，云原生数据库不仅可以更聪明，还能实时在线，后者也是云的一大卖点。不管是OLTP还是OLAP，是可以共存的。此外，云原生数据库也是开源的。

当SQL走上了云，相当于把服务需求托管给了云计算公司，省心不必多说。除了弹性计费、稳定可靠、安全隔离这些技术上的优势，在部署方式上对那些传统的大型企业来说，混合多云是常规操作。上升到应用层面，开放的API和扩展接口让正好符合“容器热”， Kubernetes可以拿来即用，同样对混合多云有着天然的支持。

结语

由此可见，云数据库或者说云原生数据库，与混合多云的趋势是相互吻合且同向的，再叠加上AI等技术红利的普惠，这些就是云计算在2019年发展成熟的标志之一。