云之变:云与智能大变局
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》
不知道大家感觉到没有,进入2019以来,公有云是少数绝不消停的市场之一。
比如说,BAT都将云服务的战略地位不断升格、围绕云与相关技术市场的收购案不断增多、各种意想不到的使用者开始迁移上云。你方唱罢我登场,几朵云都展现出了相当大的投资力度、产品技术迭代速度,以及全新的slogan……
然而与消费互联网市场不同的是,企业服务在如今阶段更看重差异化。围绕云服务,各家厂商是“你打你的我打我的”,似乎呈现出眼花缭乱的感觉。究竟如何理解云服务市场的热闹与“不统一”?
如今,行业基本已经达成共识,今天促使云计算市场不断加速悸动的核心原因,是AI代表的智能化技术被纳入云服务的版图。比如说,全球范围内谷歌和微软,这两个着重强调AI能力与技术的云厂商正在蚕食AWS的霸主地位;国内百度智能云和华为云这两家以AI为卖点的“后起之秀”上升速度很快。而阿里云改名叫阿里云智能,百度云改名叫百度智能云,是这场变革另一角度的缩影。
可能大家还记得2016年左右,有很多数据机构预言中国市场的云用户面临枯竭,云红利正在消失。而根据Frost & Sullivan发布 2019年H1《中国公有云市场研究报告》中估计,中国公有云市场规模在2023年,将有望达到5256.5亿元人民。这将较比2018年的531.3 亿元的市场规模,发生五年十倍的增长。从云红利消失到超高速增长,其中的核心变化就是16-17年开始发动的AI应用化浪潮。
云服务市场,正在AI的注入下迎来一场大变局。接下来,我们将在一系列文章中讨论这场变局的不同侧面。而今天,让我们先从主线逻辑上,梳理一下智能与云的结合究竟改变了什么。
云是AI的理想容器
进入市场变化之前,让我们先说一个技术逻辑上的改变。
那就是为什么AI一定要基于云来输入到企业。从本质上来说,AI是一种基于贝叶斯统计学的计算。既然是计算,就一定要在算力基础上发生。企业想要获得AI算力,也无非就是两条路:本地硬件或者云。
而这里出现了另一个问题,如今的AI,基本是以深度学习为代表的第三代AI技术。这类技术的基本模式是先训练一个智能体,再把它推理部署到一定的场景,最后应用产生效果。
这个流程的问题在于,从训练到推理,每个步骤所需的算力是差距巨大的。其中训练所需算力多也复杂。另一方面,AI模型需要反复测试,不同测试需要的算力各自不同;而如果是基于互联网的AI任务,或者模型部署的终端突然增加,也会让算力需求短时间膨胀。
这些问题决定了,AI所需算力必须具备的特点,是具有高度的灵活性。这就像我们培养一个孩子,却不能单独给他盖一座学校。需要学习的AI,也在不同流程需要不同的算力支持。这样来看,云就在现实条件下成为了AI的理想输送方式。
现实中往往能见到这样的例子,以往进行AI训练需要花费几十万甚至上百万构建一个GPU池,但是训练完这些硬件就没用了。那么当然直接调用云端算力是更好的选择。结合其他一系列云端的优势,公有云虽然也有不尽如人意的地方,但是大规模AI市场的理想容器。
以上可以看作是云如何帮助AI落地,而反过来看,AI的到来也改变了云计算的基础规则。
一系列改变都在发生
我们知道,公有云按照交付方式,主要细分为IaaS、PaaS、SaaS三种。全球范围内看,SaaS是主流,也就是说云的主要能力是承载不同的软件应用流动。而在国内市场中,IaaS至今依旧占比超过60%。也就是说,基础设施依旧是国内云服务扮演的主要角色。
这说明,大部分用云的中国企业,核心目标不是获取某种应用,而是把自己的网络业务嫁接在云上,以此替代服务器的高昂成本。这种情况下,公有云更多扮演着业务支撑的角色。其中以移动互联网红利下,诞生的游戏、移动应用和电商企业为主。
而AI技术纳入云版图后,首先改变了“谁来使用云”这个核心问题。
AI的核心能力,是取代一部分重复性高、即时性强的人工工作。比如安防、质检、商业运维,进一步可能有智能制造、无人驾驶等等。不难发现,这些业务的使用者不是相对“轻且时髦”的互联网公司,而是城市管理、线下商超、工矿企业、大型金融这些“重度企业”。它们的特点是不需要云的特性来支撑业务,但却极大程度需要AI来优化生产力,达成所谓“提质增效”的目标。
AI的受众变了,也就导致云的受众变了,继而从市场行为、市场逻辑到购买需求可能发生一系列变化,这就是今天云服务市场重新热络,大量资本、头部企业与开发者开始集结的核心原因。
举几个例子,工业企业通过云来接入AI,首先需要的是更严格的安全保障,然而就是即时性低延迟的AI能力接入,这就改变了云服务的核心卖点。然后又推导出,工业企业缺少自身的技术人才储备和信息技术基础,更偏向于以大型解决方案,也就是从能力,到运维再到操作系统打包的方式购买AI,这就改变了云服务的交付方式。而把生产设备接入到AI,这可能带来一系列工业领域必须配合的整合生产,这就改变了云服务的商业模式。
这一系列的变化,正在催生企业IT服务与云服务,以及智能技术三者的融合与重构,市场边缘在经历打碎重组。这也就让一些新的云玩家看到了巨大机遇。
当然了,今天云+AI改变产业市场格局,更多还停留在供应方的宣传逻辑中。真正把AI技术下沉到市场,还是一件任重道远的工作。
“软云变硬”
在这一系列改变发生之初,我们还能看到一些云计算市场的“常识”正在被改写。理解云服务的变化,可能需要认清几个新的基本规律。
首先我们可能会发现,原本号称要去硬件化的云厂商,今天一个个打起了IoT硬件的主意。互联网公司集体上云时候,我们以为让一切变“软”的云计算,今天又重新“硬”了起来。
这个改变的触发点在于,AI要在现实中发挥作用,近乎是一定无法离开机器视觉、语音交互以及传感阵列的,这些能力必须以现实中的硬件为主体存在。另一方面,如果AI能力想要深入生产场景,完成高即时性的复杂操作,就必须在边缘侧、终端侧具备一定的推理算力,以此达到优化的算效比。这需要云端的AI算力与硬件上的算力紧密结合,构筑一个整体。典型的代表可能是智慧交通中的红绿灯控制。红绿灯需要跟专用摄像头、本地处理硬件,以及云端系统四合一才能达到理想处理效果。
云和终端硬件的结合,显然必须依靠网络,这就是为什么物联网被越提越多。这些变化让云+AI,后面必须再+IoT。从历史进程上来看,服务器时代的端到网,再到云计算时代的云到网,在AI时代会变成云-网-端的新结构。
这让云厂商必须自我革新,也让产业服务市场市场发现了新的机会。
解决方案式交付,重新定义市场
关注云计算市场的朋友,应该会想到一年来另一个关键词经常在云计算的新闻中被提到:被集成。
其实被集成也不是什么新鲜说法,过去IT产业中就强调被集成的重要性。而在云服务市场要提这件事,归根结底是商业交付模式正在发生变化。
大型政企上云,和企业根据对AI+IoT的综合需求上云,这两个是相辅相成的两个云计算市场趋势。而这些趋势都指向同一个变化,就是云服务被交付到这些重型新用户手中时,不应该仅仅是用云量、API或者付费软件,而应该是一整个体系化工程。
当AI的需求不断加深,企业需要深度应用AI加持的自动化制造、自动驾驶,以及大规模质检体系、多流程AI应用之后,这个趋势将不断加深。中小企业的单一快节奏交付,开始变为解决方案式交付、长时间更新运维的大型工程。
公有云+私有AI的新需求,将把云计算市场和IT市场的商业模式与市场行为逻辑进行新一轮整合与交融。云计算变局的内核,是商业和市场的革新,那么关键点就在于谁更适应新交付模式的问题。
过去,我们经历过云计算市场IaaS和PaaS、SaaS的争论。而这个争论源起,就是云计算交付模式到底如何产生。然而在AI和IoT的催动下,轻云侧重端侧的新交付需求可能带来新的市场结构:一个新的云服务模式正在酝酿。
今天有可能看到的是,云计算市场将产生更复杂的产业链关系。云计算市场将从按需提供,转化为按供购买。同时,硬件能力、线下服务能力、算法开发能力将在云市场中重要起来。这就带来了云计算变革中的另一个关键点:生态的地位急速增长。
生态绽放
当一家大型工厂,决定通过公有云购买一系列智能化转型服务时,他希望购买到的是什么?
其中可能包括系统、算力、框架、固有算法模型,一系列独立的开发需求,以及大量端边侧需要的算力硬件、传感硬件、部署环境硬件。
毫无疑问,没有公有云提供商,可以独自完成这所有工作。但需求又确实摆在那里,怎么办呢?答案就是,云和AI的耦合,导致云服务厂商必须把自己变成一家生态超市。
今年以来,我们可以看到全球云服务市场不断加大收购力度。比如微软收购Github引起了轩然大波,但其产业目的,毫无疑问是将开发生态更紧密固定在自己的体系内。
原本能力单一的云厂商,已经纷纷看到了未来需求的复杂化趋势,然后首先就是通过投资和收购来扩大自己的基础能力版图。当然,靠收购是不能解决长期问题的。云的长久之计,还是在自身体系达成生态绽放。而第一站,往往是AI开发者的绽放。
从本质上来说,AI是一个众对众的生意。大量不同开发者,满足大量用户的复杂需求。而云服务作为AI的必经之路,理想状态是在其中作为接口。因为自身客户多,来聚集开发者;又基于开发生态的良好,吸引更多的客户加入。同时在AI之外,中国SaaS还要广阔的发展空间,云厂商的生态建设本身还远未结束。
当然了,生态绽放的理想状态也是任重道远。赋能和加持开发者,已经并且将长期成为云服务市场的主旋律。而其中又以三个任务相对关键,可能成为云服务市场的赛点:
- 开发者社区和工具建设,提高开发者纯技术融入的必要性。
- 良好的分利政策与市场效率,让开发者在生态中有利可图,与用户良性对接。今年众多AI市场的建立,以及AI开发者赋能计划的兴起,都可以看作这个趋势的投射。
- 利用多技术变量,加强开发者凝聚力。如果说,云是AI的孵化器,那么5G就是AI的加速器。对5G、IoT、智能数据处理等新技术的掌握和融合,将成为接下来云服务市场的关键。
这里有个问题需要注意,可能大部分人提起开发者,想到的就是T恤黑框眼镜背双肩包的极客。当然个人和小规模团队开发者十分重要,但开发者同时也包括大型供应链企业、硬件企业以及软件服务商。云+AI的生态绽放,本质就是一个新产关系的构建。
理解了以上几个关键词,我们接下来要做的,是用这些“新常识”去观看云计算市场上一个个具体的变化。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Kubernetes工作节点的数量规划?
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 概述 做k8s集群工作节点的规划时,首先需要考虑的问题是: 应该使用哪种类型的服务器(Linux)实例节点,节点数量又需要多少个? 集群容量 通常k8s集群可以看作将多个服务器(Linux)节点抽象为一个大的”超级服务器节点”,该超级节点的总计算能力(如CPU和内存)是所有组成节点的能力之和.假如要在群集上运行的一组应用程序需要,需要一个总容量为8个CPU内核和32 GB 内存的集群,可能的两种实例类型及数量配置如下图: 方案一: 使用2台4核16GB服务器实例作为k8s工作节点 方案二: 使用4台2核8GB服务器实例作为k8s工作节点 哪种方案更好呢? 我相信大多数人此时有点懵逼了吧,为解决大家的这个疑惑下面我分别对这两种方案的利弊。 方案一 使用2台4核16GB服务器实例作为k8s工作节点的情况 优势 1.减少管理开销 与必须管理大量计算机相比,管理少量计算机较省力 2. 降低每个节点的成本 虽然功能更强大的机器比低端机器更昂贵,但价格上涨并不一定是线性的;如一台具有10个CPU内核和10 GB RAM的计算机...
- 下一篇
多云采用的企业指南
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 企业的IT领导者和专业人员需要了解有关其组织采用多云的更多信息。 为了跟上当今世界变革的步伐,越来越多的企业和组织选择采用多云方法。调研机构Gartner公司今年早些时候对公共云用户的调查表明,这是一个多云计算策略的重大转变。调查结果显示,81%的受访者采用了两个或更多的云计算供应商提供的云平台。 多云可能吸引那些希望采用云计算有着更多选择的组织。使用多个云计算提供商的服务可以提供核心优势。现在,企业可以避免供应商锁定,可以选择云计算服务提供商的优势或将其组合或匹配以满足其特定需求,通过分散风险可以获得更高的可靠性和更少的停机时间,并且可以维护更强大的数据治理和安全性。但这是一个痛苦的过程。 所有这一切并不意味着企业会放弃私有云或混合云,而混合云在某些人中经常被用作多云的代名词,多云其实是混合云的子集。通常,企业都在努力从云中获得最大价值,而多云可能是一些解决方案。埃森哲公司云计算高级董事总经理Kishore Durg在行业媒体InformationWeek最近的一篇专栏文章中指出,“在实现云计算的价值时,最好的运...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,CentOS8安装Elasticsearch6.8.6
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- Linux系统CentOS6、CentOS7手动修改IP地址
- CentOS7安装Docker,走上虚拟化容器引擎之路
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS7设置SWAP分区,小内存服务器的救世主