云計算、大數據和人工智能在2018年會(huì )不會(huì )更混亂

2017年新技術(shù)的數量一直很龐大的：采用的速度比分析家預測的還要快，并因此帶來(lái)了一些新的工具。人工智能進(jìn)入到人們生活的各個(gè)領(lǐng)域；物聯(lián)網(wǎng)和邊緣計算的應用越來(lái)越廣泛；一系列云原生技術(shù)已經(jīng)實(shí)現，例如Kubernetes，無(wú)服務(wù)器和云數據庫等等。一年前，行業(yè)專(zhuān)家在對2017年的預測中涉及了其中的一些發(fā)展趨勢，如今是預測分析2018年科技領(lǐng)域的發(fā)展趨勢的時(shí)候了。

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采購人員和軟件開(kāi)發(fā)人員卻對這種大規模的技術(shù)創(chuàng )新一無(wú)所知，不知道如何開(kāi)始新技術(shù)轉化為商業(yè)價(jià)值。人們將看到2018年出現的幾個(gè)趨勢，其重點(diǎn)將放在使易于使用和消耗的新技術(shù)方面。

集成平臺和一切事物變成無(wú)服務(wù)器的應用

亞馬遜公司和其他云計算提供商競相獲得和保持市場(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(kāi)發(fā)人員的生產(chǎn)力，并加強客戶(hù)鎖定。亞馬遜公司在2017年11月的AWS Re：Invent大會(huì )上推出了新的數據庫即服務(wù)產(chǎn)品和完全集成的人工智能庫和工具。它還開(kāi)始區分不同形式的無(wú)服務(wù)器計算：AWS Lambda現在是關(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)器的數據庫”，將無(wú)服務(wù)器的定義擴展到底層服務(wù)器的任何服務(wù)。據推測，現在更多的 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、數據管理和無(wú)服務(wù)器相關(guān)的服務(wù)。這些解決方案將使開(kāi)發(fā)人員和運營(yíng)專(zhuān)業(yè)人員的工作變得更簡(jiǎn)單，并隱藏其固有的復雜性。但是，他們確實(shí)有著(zhù)更大的鎖定風(fēng)險。

在2017年，我們看到所有云提供商都與Kubernetes服務(wù)商一起構建微服務(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(kāi)放式和商業(yè)化服務(wù)，可以提供專(zhuān)有 云產(chǎn)品 的多云替代方案。當然，Iguazio公司的Nuclio就是這樣一個(gè)開(kāi)放的、多云無(wú)服務(wù)器平臺的很好的例子，Red Hat公司的Openshift多云PaaS也是如此。

智能邊緣vs私有云

云計算實(shí)現了開(kāi)發(fā)現代化和數據驅動(dòng)型應用程序所必需的業(yè)務(wù)敏捷性，無(wú)論是創(chuàng )業(yè)公司還是大型企業(yè)。挑戰在于人們不能忽視數據引力，因為許多數據源仍然存在于邊緣或企業(yè)中。這加強了5G帶寬，網(wǎng)絡(luò )延遲，GDPR等新規定，并且越來(lái)越迫使企業(yè)將計算和存儲放在更接近數據源的地方。

如今的公共云模型是服務(wù)消費，因此開(kāi)發(fā)人員和用戶(hù)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)數據庫，甚至將視頻上傳到云服務(wù)，然后將其轉換為所需的語(yǔ)言。但是，當企業(yè)使用本地部署的替代方案時(shí)，企業(yè)必須構建自己的服務(wù)，而且技術(shù)堆棧發(fā)展如此迅速，IT團隊實(shí)際上不可能構建與云計算替代方案相比擬的現代服務(wù)，從而迫使企業(yè)走向云端。

被稱(chēng)為“私有云”的IT供應商解決方案與真正的云計算無(wú)關(guān)，因為他們專(zhuān)注于自動(dòng)化IT操作。他們不提供面向更高級別的用戶(hù)和開(kāi)發(fā)人員的服務(wù)，IT部門(mén)最終從幾十個(gè)單獨的開(kāi)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)。這為云計算提供商和新的公司進(jìn)入邊緣計算和本地空間提供了機會(huì )。

2017年，微軟公司首席執行官薩蒂亞。納德拉越來(lái)越專(zhuān)注于他所謂的“智慧優(yōu)勢”。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 中提供的一小部分服務(wù)。亞馬遜公司開(kāi)始提供名為“Snowball Edge”的邊緣設備，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)和運營(yíng)模式，但是它可以實(shí)現本地訪(fǎng)問(wèn)，并且在許多情況下由中央云操作和維護，就像運營(yíng)商管理有線(xiàn)機頂盒一樣。

2018年，傳統私有云市場(chǎng)將會(huì )萎縮，同時(shí)智能邊緣將會(huì )有增長(cháng)的勢頭。云計算提供商將增加或加強邊緣產(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用程序或用例。

人工智能從原始技術(shù)到嵌入式功能和垂直堆棧

人們在2017年看到了人工智能和機器學(xué)習技術(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(chǎng)商所使用。對于一般的企業(yè)來(lái)說(shuō)，人工智能是微不足道的，但大多數組織不可能雇用幾乎不能發(fā)揮作用的數據科學(xué)家，或者從頭開(kāi)始構建和培訓人工智能模型。

人們可以看到像Salesforce這樣的公司如何在其平臺上構建人工智能，可以充分利用其托管的大量客戶(hù)數據。其他公司正在按照這個(gè)方法將人工智能嵌入到產(chǎn)品中作為一項功能。同時(shí)，也看到人工智能獲得垂直行業(yè)的專(zhuān)注，針對特定行業(yè)和垂直行業(yè)（如市場(chǎng)營(yíng)銷(xiāo)、零售、醫療保健、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(hù)不需要了解神經(jīng)網(wǎng)絡(luò )的內部結構或回歸算法。相反，他們將提供數據和一組參數，并獲得可用于其應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(méi)有實(shí)現標準化。如果您的企業(yè)在學(xué)習階段使用了像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(kāi)放的，跨平臺的人工智能模型。此外，還將看到更多的解決方案，可以自動(dòng)完成構建、培訓和部署人工智能的過(guò)程，如新推出的AWS Sage Maker.

從到連續數據

在過(guò)去的幾年里，很多組織已經(jīng)開(kāi)始開(kāi)發(fā)由中央IT推動(dòng)的大數據實(shí)踐。其目標是收集、整理和集中分析業(yè)務(wù)數據和日志以備未來(lái)應用。數據已經(jīng)收集到Hadoop集群和數據倉庫解決方案中，然后由一組運行批處理作業(yè)并生成一些報告或儀表板的數據科學(xué)家使用。根據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(méi)有看到任何投資回報。數據必須可操作才能從中獲得投資回報分析。它必須被整合到業(yè)務(wù)流程中，并從新鮮的數據中獲得，就像人們在有針對性的廣告以及Google和Facebook的建議中看到的一樣。

數據見(jiàn)解必須嵌入到現代商業(yè)應用程序中。例如，訪(fǎng)問(wèn)網(wǎng)站或使用聊天機器人的客戶(hù)需要基于他或她最近的活動(dòng)立即回應目標內容。從物聯(lián)網(wǎng)或移動(dòng)設備收集的傳感器數據不斷流入，需要立即采取措施來(lái)驅動(dòng)警報，檢測安全違規，提供預測性維護或啟用糾正措施?？梢暬瘮祿?shí)時(shí)檢測，用于監控和國家安全；零售商還使用它來(lái)分析銷(xiāo)售點(diǎn)數據，如庫存狀態(tài)，客戶(hù)偏好以及觀(guān)察到的客戶(hù)活動(dòng)的實(shí)時(shí)推薦。數據和實(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(chē)開(kāi)始連接網(wǎng)絡(luò )和自主管理。電話(huà)推銷(xiāo)員和人工助理被機器人取代。車(chē)隊或卡車(chē)、出租車(chē)司機或技術(shù)人員由人工智能和事件驅動(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(kāi)始發(fā)生。

像Hadoop和數據倉庫這樣的技術(shù)是十年前發(fā)明的，并且早于人工智能、流處理、內存或閃存技術(shù)的時(shí)代。企業(yè)現在看到，建設數據湖泊的價(jià)值有限，因為他們可以使用更簡(jiǎn)單的云計算技術(shù)進(jìn)行數據挖掘。重點(diǎn)正在從大多數僅僅是收集數據轉向使用數據，而技術(shù)側重于靜態(tài)數據和中央IT驅動(dòng)的流程的領(lǐng)域。

2018年，人們將看到從大數據向快速數據和連續數據驅動(dòng)應用程序的不斷轉變。數據將通過(guò)各種來(lái)源不斷被攝取。與預先學(xué)習或不斷學(xué)習的人工智能模型相比，它將被實(shí)時(shí)地豐富和匯總，從而能夠立即響應用戶(hù)，推動(dòng)行動(dòng)，并以實(shí)時(shí)的交互式儀表板呈現。

開(kāi)發(fā)人員將使用預先打包的云產(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轉移到業(yè)務(wù)部門(mén)和應用程序開(kāi)發(fā)人員，后者將在現有的業(yè)務(wù)邏輯、門(mén)戶(hù)網(wǎng)站和日常的客戶(hù)交互中嵌入數據驅動(dòng)的決策。

總之，人們將在2018年看到：

1.智能邊緣的應用將會(huì )增長(cháng)，傳統私有云市場(chǎng)將萎縮。

2.人們將開(kāi)始看到針對特定行業(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(kāi)始開(kāi)放和跨平臺。

3. 快速數據、連續應用和云服務(wù)將取代大數據和Hadoop.

4. 公共云服務(wù)的應用更加廣泛，從而加大了與傳統和私有云解決方案之間的差距。