在数字化转型需求的驱动下,中国的上云步伐持续加速。Gartner预测,到2024年,中国40%的IT基础设施支出将用于云服务(参见图1)。
图1:中国云基础设施和平台服务(CIPS)云迁移率
云服务的增长在很大程度上是由数字原生企业推动的,对于多数中国企业来说,云战略的制定并非易事。由于中国的监管合规和安全要求较为复杂,涉及私有云和多个公有云部署的混合云部署尤其如此。
在云战略制定中遇阻的企业机构,在筛选公有云迁移的候选应用系统时也会遇到困难。因此,许多云迁移的实施最终都会主要采用基础的“直接迁移”方法,而不会利用云原生服务来完成现有应用系统的整体架构改造。
此外,由于I&O领导者缺乏公有云迁移的技能和经验,云迁移也很难有效在开展。
构建云部署可行路径的三个阶段
中国的多数I&O领导者都意识到了上云的重要性,但很多企业并未制定具体的云部署规划。有效的云部署规划可分为三个阶段:实施前、实施中和实施后。实施前的活动可为整个云战略部署计划奠定基础。在实施中阶段,需要明确实施所需的资源,选择厂商和服务,并且制定上云工作负载配置方法。在实施后阶段,需要开展有关未来云管理的活动。
开展详细的应用组合评估
Gartner认为,云原生服务的部署在中国是场有大幅增长。在中国,与其他云原生服务(例如,功能性平台即服务[fPaaS]、无服务器、事件驱动)相比,云容器服务的使用率更高。选择容器原生而非云原生方法,有助于应用系统迁移到云端并实现基础架构各个方面的现代化升级。然而,随着时间的推移,这种方法可能会逐渐对转型形成阻碍,因为云服务提供商所提供的大量云原生服务(如Amazon ECS/Lambda、Azure AKS/Key Vault、阿里云 ACS/PolarDB及其他无服务器服务)的优势无法得到充分的使用。
I&O领导者应首先与客户沟通,对应用程序开展详细的现代化评估。Gartner从业务契合度、业务价值、敏捷性、成本、复杂性和风险维度,明确了推动应用现代化的常见因素。企业应确定每项工作负载的最佳迁移方法,包括增加PaaS的采用(对于容器原生服务尤其如此),以发挥云原生的最大优势。针对公有云应承载的应用数量,以及每项工作负载迁移到公有云的正确方式等问题,每个企业机构都有自己的答案(参见图2)。
图2:中国公有云部署应用组合评估
制定结构化的工作负载配置标准
I&O领导者在确定应用迁移方法的同时,还须准备好应用运行的环境。有些决策虽然是由I&O部门以外的因素决定的(如厂商关系和应用契合度),但I&O须确保应用可以在选定的云环境中顺利运行。工作负载配置的选择如果出现失误,可能会阻碍云部署的成功,因此I&O领导者应与架构和应用开发人员合作制定工作负载配置标准,包括云服务提供商(CSP)的选择、云参考架构、韧性标准和安全框架。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。