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
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。