新基建的大背景之下,5G、数据中心、人工智能、工业互联网成为了必然的发展趋势,科技企业纷纷在主赛道上加速布局,那些生于互联网时代的企业,或者率先完成传统业务重塑的企业将很有希望跑在前列。而以云计算的方式和理念展开业务实践的企业,更是走了一条“捷径”。
通过与不少行业客户接触,他们的多数新应用都是在云中构建,而且这些企业可能是IT互联网、金融、教育、工业、交通运输等领域,可见云原生在各行各业的普遍性。有一项调查显示,在已经部署云原生的公司中,基于云来构建的应用比例会在近几年攀升到70%-80%%u3002
可以说,云原生已成为企业在部署业务时的主要选择之一,其好处在于应用可以直接基于云架构设计和开发,像12原则(The Twelve-Factor App)在基准代码、端口服务、流程日志等方面也为云原生下了进一步的定义。不过从另一方面看,云原生也不是绝对的一本万利,其仍有一些成本因素是不容忽视的。
云原生是Pivotal负责架构的全球CTO Matt Stine在2013年提出的概念,当时的判断像DevOps、微服务、敏捷交付等技术至今都已成为趋势。当时Matt Stine认为,如果用新的一体性架构去取代现有的一体性架构,只是把复杂性从一端转移到了另一端,这也是传统SOA的尴尬之处,“从运维的角度来看,实际上什么都没做。”对于企业来说,有必要对旧有的业务进行重构。
当然,云原生也不是毫无缺点。一些报告显示,规模越大的企业通常更倾向于选择云原生,但有意思的一点是像那些营收超过200亿美元的更大型的企业,往往会比较保守,他们使用云原生的比例甚至不到25%%u3002这一现象与企业上云的思路类似,即对数据丢失、系统故障等问题的担心,包括受限于监管因素只得将关键业务应用放在私有环境。
除了安全性,企业在将业务迁移上云的过程中也会遇到其他的“额外”成本,例如可能会需要对应用进行部分或完全重构,以调用完整的云原生功能,这种重构不仅涉及重写,还会有后续一系列的测试、上线、交付,以及工具调用,这些往往加起来会超过企业最初的预算。
但是,云计算与AI紧密联系仍让不少企业趋之若鹜,越来越多的计算、存储、网络资源以虚拟化的方式交付和部署,AI的推理和训练也在云端完成。调查显示,2018年企业在人工智能领域的平均投资将达到500万美元,超过70%%u7684企业客户宣称正在组织内部使用AI技术。考虑到部署成本,多数企业在智能化初期会选择外部方案。随着AI与业务结合逐级深入,企业关注的重点也从提升效率渗透到流程决策管理层面。也就是说,AI不再是简单的工具,而是开始向生产力转变。
对于公有云平台来说,其是自带Al属性的,像AWS、Azure、IBM、谷歌、阿里云、腾讯云等厂商相继推出了基于云平台的AI开发工具,降低了企业迈向智能化的门。举个例子,云服务商提供用于图像分析的认知计算API,当企业用户想构建一套面部识别解决方案时,无需从零开始编写代码,甚至不用知道这些代码的实现逻辑,而是只需要直接调用API实现功能即可。按照这个思路,自然语言处理、计算机视觉等技术同样可以让开发者拿来即用。
例如,可解释的AI系统也提供了新的图像识别方式。谷歌的图像分类神经网络Inception Network测试过一项名为“LIME”的技术,其在图像识别时会根据图片本身搜索解释,而不是触发神经网络中的某个神经元,具体来说就是将原始图像的各个部分变黑,通过Inception反馈所产生的“扰动”图像,检测哪些扰动将算法抛离得最远。这一测试表明了原始图像特征对于神经网络的影响,传统识别过程更多是集中在对象的某一特定部位。
也就是说,AI与行业应用场景结合的越来越紧密,也驱使着企业向云和AI转型。
更多关于云服务器,域名注册,虚拟主机的问题,请访问垦派科技官网:www.kenpai.com