云战略对云计算在企业机构中的作用进行了高度概括。根据Gartner的研究,业务和IT领导者在制定云战略时一直在重复十个常见的错误。
Gartner研究副总裁Marco Meinardi表示:“良好的云战略应简明扼要且易于使用,以10至20页的演示文稿就可表达清楚。另外,业务战略应成为制定云战略的基础并为云战略实施者提供指导。云战略必须与其他战略相互配合,而不是去试图取而代之。”
Gartner的分析师们在2022年Gartner IT基础设施、运营和云战略大会上讨论了如何启用和运用云计算并展示云计算的价值。业务和IT领导者应通力协作制定云战略,并在此过程中避免以下十个错误:
一、认为云战略是一项(纯)IT战略
云计算不仅仅涉及到技术。IT部门以外的员工同样掌握着推动云战略成功所需的重要技能和知识。Meinardi表示:“ 业务和IT部门领导者不应制定以IT为中心的战略,然后将这个战略‘推销’给企业的其他部门。在云战略制定过程中,业务和IT部门应是平等的合作伙伴。”
二、 未制定退出策略
制定云服务退出策略的难度很大,这也是许多领导者未制定退出策略的原因之一。许多企业机构认为不会从云端退回本地,因此无需制定退出策略。但退出策略对于企业机构云战略的成功实施至关重要。Meinardi表示:“这就好比你买了一份保险,但希望自己永远不会用到它。”
三、将云战略与云实施计划合并或混淆
云战略不同于云实施计划,而且云战略必须先行。云战略创建于决策阶段,需由业务和IT领导者确定云计算在企业机构中发挥的作用。接下来才是将云战略付诸实施的云实施计划。
四、认为现在制定云战略为时已晚
任何时候制定云战略都不算晚。Meinardi表示:“如果企业机构在推进云实施计划之前并未制定云战略,会让不了解计划背后关键驱动因素和原则的员工产生抵触,最终将拖累云计算实施的进度,甚至有可能危及整个云项目。”
五、将云战略等同于“一切上云”
许多企业机构误认为,云战略意味着一切都要上云。Meinardi表示:“许多业务和IT领导者认为在制定云战略后,就必须在所有工作中使用云计算,因此不敢制定云战略。业务和IT领导者应保持开放的心态,并且与企业架构师等云技术之外领域的专家合作,以便受益于后者可在云战略过程提供的更广阔视角。”
六、认为“云战略等同于数据中心战略”
许多企业机构将云战略与数据中心战略混为一谈。在将这两者分开的同时,也应保证两者的统一,因为这关系到云计算能在企业机构中发挥的作用。Meinardi表示:“决定云战略的是每一项具体的工作负载,而不是数据中心。”
七、认为高管的命令就是战略本身
因为首席执行官、首席信息官或业务部门负责人认为云计算可以节省成本而采用云计算,是企业机构常犯的另一个常见错误。Gartner分析师建议将高管的命令视为其对制定云战略的支持,而不是云战略本身。云战略还应该保持与业务的联系,确保企业机构了解迁移工作负载的原因和目的。
八、认为云战略就是“选定厂商”
企业机构可能会慢慢开始使用多种不同的云服务。由于云服务的使用可能会变得越来越广泛和多样化,业务和IT领导者应该考虑各种类型的场景、云服务、厂商和非云环境,制定出一项全面的云战略。
九、将云战略制定工作外包
外包听起来很吸引人,但云战略过于重要,企业机构不应将战略制定工作外包出去。Gartner分析师建议业务和IT领导者使用第三方,甚至使用云服务提供商来实施云战略,以便企业机构利用经济实惠的方式获得必要的云技术。
十、认为“云先行”就是云战略的全部
“云先行”是指将公有云默认为构建或放置新资产的首选地点。Meinardi表示:“但云先行并不意味着只能使用云技术。业务和IT领导者如果采用云先行原则,那么除默认选项以外,在制定云战略时还应考虑到不在云端开发应用的例外情况。”
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。