收藏本站 | 聯系我們 您好,歡迎訪問申立股份官網!

云計算、大數據和人工智能在2018年會不會更混亂?

查看:2055來源:企業網            發布日期:2018-01-11

2017年新技術的數量一直很龐大的:云計算采用的速度比分析家預測的還要快,并因此帶來了一些新的工具。人工智能進入到人們生活的各個領域;物聯網和邊緣計算的應用越來越廣泛;一系列云原生技術已經實現,例如Kubernetes,無服務器和云數據庫等等。一年前,行業專家在對2017年的預測中涉及了其中的一些發展趨勢,如今是預測分析2018年科技領域的發展趨勢的時候了。

u=3260184498,1267501018&fm=27&gp=0.jpg

雖然人們喜歡層出不窮的新技術,但是普通的企業主,IT采購人員和軟件開發人員卻對這種大規模的技術創新一無所知,不知道如何開始新技術轉化為商業價值。人們將看到2018年出現的幾個趨勢,其重點將放在使易于使用和消耗的新技術方面。

集成平臺和一切事物變成無服務器的應用

亞馬遜公司和其他云計算提供商競相獲得和保持市場份額,因此他們不斷提高抽象和跨服務集成的水平,以提高開發人員的生產力,并加強客戶鎖定。亞馬遜公司在2017年11月的AWS Re:Invent大會上推出了新的數據庫即服務產品和完全集成的人工智能庫和工具。它還開始區分不同形式的無服務器計算:AWS Lambda現在是關于無服務器的功能,而AWS Aurora和Athena則是關于“無服務器的數據庫”,將無服務器的定義擴展到底層服務器的任何服務。據推測,現在更多的云服務可以采用“無服務器”這個更廣泛的定義來定義自己。

到2018年,人們將看到云計算提供商更加重視進一步整合具有更高層次抽象的個性化服務。他們還將重點關注與人工智能、數據管理和無服務器相關的服務。這些解決方案將使開發人員和運營專業人員的工作變得更簡單,并隱藏其固有的復雜性。但是,他們確實有著更大的鎖定風險。

在2017年,我們看到所有云提供商都與Kubernetes服務商一起構建微服務編排層,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化服務,可以提供專有云產品的多云替代方案。當然,Iguazio公司的Nuclio就是這樣一個開放的、多云無服務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

云計算實現了開發現代化和數據驅動型應用程序所必需的業務敏捷性,無論是創業公司還是大型企業。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中。這加強了5G帶寬,網絡延遲,GDPR等新規定,并且越來越迫使企業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消費,因此開發人員和用戶可以繞過IT,帶來一些無服務器功能,使用自助服務數據庫,甚至將視頻上傳到云服務,然后將其轉換為所需的語言。但是,當企業使用本地部署的替代方案時,企業必須構建自己的服務,而且技術堆棧發展如此迅速,IT團隊實際上不可能構建與云計算替代方案相比擬的現代服務,從而迫使企業走向云端。

被稱為“私有云”的IT供應商解決方案與真正的云計算無關,因為他們專注于自動化IT操作。他們不提供面向更高級別的用戶和開發人員的服務,IT部門最終從幾十個單獨的開源或商業軟件包中組裝這些服務,添加通用的安全層、日志記錄和配置管理等服務。這為云計算提供商和新的公司進入邊緣計算和本地空間提供了機會。

2017年,微軟公司首席執行官薩蒂亞·納德拉越來越專注于他所謂的“智慧優勢”。微軟推出了Azure Stack,這是Azure云的一個迷你版本,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。亞馬遜公司開始提供名為“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和運營模式,但是它可以實現本地訪問,并且在許多情況下由中央云操作和維護,就像運營商管理有線機頂盒一樣。

2018年,傳統私有云市場將會萎縮,同時智能邊緣將會有增長的勢頭。云計算提供商將增加或加強邊緣產品,越來越多的公司將進入這個市場空間,在某些情況下,通過集成產品提供特定的垂直應用程序或用例。

人工智能從原始技術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習技術的快速崛起,但是盡管有些炒作的成分,但實際上卻主要被亞馬遜,谷歌和Facebook等市場領先的廠商所使用。對于一般的企業來說,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揮作用的數據科學家,或者從頭開始構建和培訓人工智能模型。

timg.jpg

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數據。其他公司正在按照這個方法將人工智能嵌入到產品中作為一項功能。同時,也看到人工智能獲得垂直行業的專注,針對特定行業和垂直行業(如市場營銷、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,用戶不需要了解神經網絡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非常新的領域,有很多重疊的產品,沒有實現標準化。如果您的企業在學習階段使用了像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,可以自動完成構建、培訓和部署人工智能的過程,如新推出的AWS Sage Maker。

從大數據到連續數據

在過去的幾年里,很多組織已經開始開發由中央IT推動的大數據實踐。其目標是收集、整理和集中分析業務數據和日志以備未來應用。數據已經收集到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并生成一些報告或儀表板的數據科學家使用。根據所有主要分析師的說法,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。數據必須可操作才能從中獲得投資回報分析。它必須被整合到業務流程中,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。

數據見解必須嵌入到現代商業應用程序中。例如,訪問網站或使用聊天機器人的客戶需要基于他或她最近的活動立即回應目標內容。從物聯網或移動設備收集的傳感器數據不斷流入,需要立即采取措施來驅動警報,檢測安全違規,提供預測性維護或啟用糾正措施。可視化數據實時檢測,用于監控和國家安全;零售商還使用它來分析銷售點數據,如庫存狀態,客戶偏好以及觀察到的客戶活動的實時推薦。數據和實時分析通過自動化人工處理過程來降低業務成本。汽車開始連接網絡和自主管理。電話推銷員和人工助理被機器人取代。車隊或卡車、出租車司機或技術人員由人工智能和事件驅動的邏輯進行編排,以最大限度地利用資源。所有這些在2017已經開始發生。

像Hadoop和數據倉庫這樣的技術是十年前發明的,并且早于人工智能、流處理、內存或閃存技術的時代。企業現在看到,建設數據湖泊的價值有限,因為他們可以使用更簡單的云計算技術進行數據挖掘。重點正在從大多數僅僅是收集數據轉向使用數據,而技術側重于靜態數據和中央IT驅動的流程的領域。

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

開發人員將使用預先打包的云產品或通過使用相關的云原生服務來整合其解決方案。在企業中,其關注的重點將從IT轉移到業務部門和應用程序開發人員,后者將在現有的業務邏輯、門戶網站和日常的客戶交互中嵌入數據驅動的決策。

總之,人們將在2018年看到:

1.智能邊緣的應用將會增長,傳統私有云市場將萎縮。

2.人們將開始看到針對特定行業和垂直市場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。

3. 快速數據、連續應用和云服務將取代大數據和Hadoop。

4. 公共云服務的應用更加廣泛,從而加大了與傳統數據中心和私有云解決方案之間的差距。

?

COPYRIGHT? 2016   廣東申立信息工程股份有限公司   ALL RIGHTS RESERVED. 

 
公牛vs小牛 重庆万州麻将换三张血战攻略 四川快乐十二遗漏一定牛 极速赛车开奖结果 血流麻将胡牌牌型图 香港麻将胡牌 今天开盘的股票 三码中特免费公开资料 韩国快乐8|走势 金海岸棋牌送28 幸运快3全天免费稳赚计 陕西快乐十分qq群 极速飞艇规则 广东十一选五开奖直 众城速配 星辰陕西麻将下载安装 股票竞价交易规则