尽管私有云给企业带来许多利益,却也会引入新的花费——它们延伸到服务器、存储和软件之外。
业务和IT领导经常被私有云的花费所震惊,因此理解和减少这些花费很关键。当公有云供应商拥有很强的成本优势时——允许用户只付所用计算资源的费用,私有云却是不同的。
对于私有云部署,业务部还必须购买、管理和维护它自己的数据中心——因此,尽管私有云有优势,但它不是节约成本的做法。甚至大多数有经验的数据中心架构师会被云成本打个措手不及。
以下是四项私有云成本,尤其是那些本应该被注意到却被忽略的。
应用重设计
几乎所有企业应用是在特定基础设施上设计并运行的。大多数企业很难从一种基础设施迁移到另一种。从实体服务器转为虚拟服务器时就会发生这种情况,如 果真发生,一些遗留应用不能在虚拟服务器上正常运行。相同的破坏可能也会发生在云上,因为不是所有应用都可以轻易地从VM(虚拟机)迁移到私有云上。
当这些情况发生,业务部必须决定,要么留下内部部署的应用,要么重新设计应用以适应云。第一个选择不受欢迎,因为它减慢企业内部采用云的速度。但是替代的选择—重新设计或者重新架构应用—代价高且需要数月的软件开发时间。
知道哪些应用需要在私有云上运行,并在你创建它们之前确保他们可以在云上运行。通过早期计划,在云评估环境下彻底审查应用,以缩减应用重设计成本。
架构变化
除了诸如自助服务等好处外,私有云提供高可用性和恢复力。用户期望访问工作量和数据储藏时不会崩溃。这意味着私有云中心依靠连通性和其他技术来创建一个更具弹性的基础设施。
恢复力和高可用性技术在传统数据中心里是老生常谈。但是它们对于云来讲是桌上的赌注。如果云不可靠,用户不会采用它。因此,采用私有云的企业经常要面对额外的架构设计变化成本,以及更多提高可靠性的设备和软件开销。
实现自动化
云提供的计算环境,不需要连续的IT监控。云用户应该有权利准备、部署和使用业务工作,而无需等待预算批准、工作进度安排和其他内部流程。这使自动化和和谐运作在私有云支持用户准备、跟踪适当业务工作流和执行其他任务时非常重要。
问题是,自动化不是天然就自动化。默认规则集合不会带你走太远。有效的自动化需要基于业务知识的综合规则集。IT和业务领导必须开发和实施这些驱动 云自动化的规则。比如,自动化要定义哪类用户有权利准备确定的资源,哪些经理必须被通知,该实例会存在多久,用户的部门是如何被掌管的。
但是,创建这些规则集只是检验和升级的连续过程的开始。自动化规则必须动态变化以适应变动中的业务情况。举个例子,如果一个部门经理离职或者换了职位,IT团队需要调整通知或审批规则关联到新经理。IT人员必须频繁地检查和升级规则,这将导致额外的私有云开销和工作。
业务流程改变
私有云把计算从管理控制中分离出来,授权给用户;员工不再需要等待IT员工、经理和CIO们来帮助计算需求。
然而,这场革命可能对没准备好的业务是破坏性的。在许多情况下,云刚开始是测试环境,公司没有真正理解它带来的好处和风险就放弃了控制。比如,云无计划性扩展和缺乏责任之类的问题,会导致混乱,以及不必要的私有云开销。
业务部门花钱来创建私有云,也必须面对私有云使用中持续的控制责任。这涉及到建立新的云使用政策或实施云工作生命周期协议——这些努力可能造成无法预料的私有云开销。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。