云計算從誕生到現(xiàn)在,十幾年的快速發(fā)展,正在AI的注入下迎來一場大變局。今天，讓我們從以下幾個方面，梳理一下智能與云的結合究竟改變了什么。

1、 云的基礎設施正在智能化

數(shù)據(jù)中心基礎設施作為承載云的幕后功臣，它的智能化正悄然加速著這場云變革的進行。

以往數(shù)據(jù)中心的機房建設需要遵循很多規(guī)范和標準，建設要求包括數(shù)據(jù)中心機房分級與性能要求，機房位置選擇及設備布置，環(huán)境要求，建筑與結構、空氣調節(jié)、電氣技術，電磁屏蔽、機房布線、機房監(jiān)控與安全防范，給水排水、消防的技術要求等，建設周期長、投資大、運營成本高、效率低。

模塊化數(shù)據(jù)中心是基于云計算和智能的新一代數(shù)據(jù)中心部署形式，為了應對機器學習、高性能計算、分布式、彈性擴展等新的發(fā)展趨勢，其采用模塊化設計理念，最大程度的降低了基礎設施對機房環(huán)境的耦合，集成了供配電、制冷、機柜、氣流遏制、綜合布線、動環(huán)監(jiān)控等子系統(tǒng)，提高數(shù)據(jù)中心的整體運營效率，實現(xiàn)快速部署、彈性擴展和綠色節(jié)能。

模塊化數(shù)據(jù)中心能滿足IT業(yè)務部門對未來數(shù)據(jù)中心基礎設施建設的迫切需求，如標準化設計、組件工廠預制、快速上線部署、有效降低初期投資、模塊內能源池化管理、動態(tài)IT基礎設施資源高利用率、智能化運維管理、保障重要業(yè)務連續(xù)性，提供共享IT服務(如跨業(yè)務的基礎設施、信息、應用共享等)，快速響應業(yè)務需求變化，彈性擴縮容和綠色節(jié)能型數(shù)據(jù)中心等。

到2020年，50%的組織將開始努力使數(shù)據(jù)中心的工作負載合理化，并加速采用云智能技術，對云上業(yè)務的工作負載進行智能分析，把工作負載科學合理地自動分布到基礎設施上，基礎設施真正做到高效和動態(tài)節(jié)能，這就需要對基礎設施的設計和布局以及IT運營模型做出巨大的改變。

2、云是AI的最佳容器

AlphaGo為代表的人工智能，徹底的戰(zhàn)勝了人類的圍棋大師，震撼了全世界。近年來，人工智能應用在各個領域，比如語音圖片識別、精準營銷、天氣預報、交通指揮、海難空難搜救、垃圾短信郵件識別等等，這些看起來彼此不相關的領域之間會有什么聯(lián)系嗎?答案是，它們都會用到同一個數(shù)學公式——貝葉斯公式。從本質上來說，AI是一種基于貝葉斯統(tǒng)計學的計算。既然是計算，就一定要在算力基礎上發(fā)生。企業(yè)想要獲得AI算力，也無非就是兩條路：本地私有云或者公有云。

AI這類技術的基本模式是先訓練一個模型，再把它推理部署到一定的場景，最后應用產生效果。從訓練到推理，每個步驟所需的算力是差距巨大的。其中訓練所需算力最多也最復雜。另一方面，AI模型需要反復測試，不同測試需要的算力各自不同，算力需求是彈性變化的，有時多有時少。這些問題決定了，AI所需算力必須具備高度的靈活性。

云的彈性快速擴展，隨需供給不同的算力資源，就在現(xiàn)實條件下成為了AI的最佳輸送方式。比如，一個企業(yè)有自己的本地私有云，為進行AI訓練需要花費幾十萬甚至上百萬構建一個GPU池，但是訓練完得到數(shù)據(jù)，這些硬件就沒用了，為避免閑置浪費，當然直接去調用公有云上的AI算力是最好的選擇。結合不同公有云的AI優(yōu)勢，進行不同AI模型的訓練和推理，按時長和效果付費，對企業(yè)來說絕對是經濟適用的。

當前人工智能的持續(xù)火熱，其對于算力的需求早已超過了通用CPU的摩爾定律發(fā)展，我們看到基礎資源層以GPU、FPGA、ASIC 為代表的異構計算成為方向和趨勢，平臺層提供智能工具組件和模型訓練管理，其上的智能云應用服務也越來越多。通過云將異構資源變成一種普適的AI計算能力，做到彈性供給，即業(yè)務高峰期召之即來，業(yè)務低谷時揮之即去，輕松應對大量的業(yè)務挑戰(zhàn)，便捷的智能云服務快速滿足生產場景的需要，進而推動產業(yè)升級。

以上可以看作是云如何幫助AI落地，而反過來看，AI的到來也極大的發(fā)揮了云計算的價值。

3、AI改變云服務

我們知道，公有云按照交付方式，主要細分為IaaS、PaaS、SaaS三種。全球范圍內看，SaaS是主流，也就是說云的主要能力是承載不同的軟件和應用服務。而在國內市場中，IaaS至今依舊占比超過60%。也就是說，基礎設施依舊是國內云服務扮演的主要角色。這說明，大部分用云的中國企業(yè)，核心目標不是獲取某種應用，而是把自己原有的業(yè)務和應用遷移到云上，擴大資源的使用率，以此替代服務器的高昂成本。這種情況下，公有云更多扮演著業(yè)務支撐的角色。而AI技術納入云版圖后，改變了云服務的交付，實現(xiàn)了優(yōu)化生產力的重大進步。

AI的核心能力，是可以取代一部分重復性高、即時性強的人工工作。比如機房巡檢、安防、質檢、人肉運維，進一步可能有智能巡檢、智能安防、智能運維、無人值守、無人駕駛等等。不難發(fā)現(xiàn)，它們的特點是不需要云的特性來支撐業(yè)務，但卻極大程度需要AI來優(yōu)化生產力，實現(xiàn)企業(yè)“提質增效”的目標。

AI與云服務的結合，產生了很多高價值的服務，繼而從市場行為、商業(yè)邏輯到服務需求都可能發(fā)生一系列變化，這就是今天云服務市場的重新繁榮，大量資本、頭部企業(yè)與開發(fā)者開始集結做生態(tài)的核心原因。

當然，今天云與AI的結合還處于初級階段，更多還停留在廠商的宣傳中。真正把AI技術下沉到產業(yè)，需要深入生產場景，結合業(yè)務完成高精度模型的科學訓練和一些復雜操作，在邊緣側、終端側具備一定的推理算力，以此達到最優(yōu)化的算效比。這就需要云加端的AI算力與硬件上的算力緊密結合，構筑一個整體。所以云+AI服務的成熟，還需要時間，還需要技術的進一步發(fā)展。從歷史進程上來看，服務器時代的端到網(wǎng)，再到云計算時代的云到網(wǎng)，在AI時代會變成云-網(wǎng)-端的新結構，這讓云廠商必須自我革新，也讓產業(yè)服務市場發(fā)現(xiàn)了新的機會。

4、AI改變云交付

進軍產業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)企業(yè)的一個響亮口號，然而產業(yè)互聯(lián)網(wǎng)不同于消費互聯(lián)網(wǎng)，產業(yè)互聯(lián)網(wǎng)量級更大，不同行業(yè)不同企業(yè)的應用需求復雜多樣，定制化是一個邁不過去的坎。如果產品不能直接產生價值、不能直接對外服務，就一定要變成別人產品的一部分，集成進去，讓別人的產品提供更好的服務。于是乎，阿里云和華為云都先后提出了“被集成”的理念，其實被集成也不是什么新鮮說法，過去IT產業(yè)中就強調被集成的重要性。而在云服務市場要提這件事，歸根結底是商業(yè)交付模式正在發(fā)生變化。

站在數(shù)字化時代的入口，AI人工智能被更廣泛的應用在企業(yè)的不同場景，無處不在的聯(lián)接+數(shù)字平臺+無所不及的智能，成為新一代云服務的內核。而這些趨勢都指向同一個變化，就是云服務被交付到企業(yè)用戶手中時，不應該僅僅是用云資源、容器虛機、API或者付費軟件，而應該是一個體系化工程。

當AI的需求不斷加深，企業(yè)需要深度應用AI到生產業(yè)務場景，進行解決方案式交付。作為廠商則需要跟蹤企業(yè)不同業(yè)務需求的變化，實現(xiàn)交付產品的不斷迭代，并通過無所不及的智能賦能業(yè)務，幫助企業(yè)持續(xù)增長。

5、AI改變邊緣計算的未來

伴隨著物聯(lián)網(wǎng)的崛起，一個萬物互聯(lián)的時代撲面而來，不止是上百億計的終端設備接入到云，更有以PB為單位的數(shù)據(jù)洪流，以智能攝像頭為例，隨著分辨率從1080P轉向4K，其一天所采集到的數(shù)據(jù)量將達到200GB，據(jù)統(tǒng)計，2018年時平均每名互聯(lián)網(wǎng)用戶每天將產生1.5GB的數(shù)據(jù)量。

隨著PB級別的數(shù)據(jù)源源不斷的傳送到云端，云端服務器所承載的壓力也隨著增大。能不能在物聯(lián)網(wǎng)終端進行實時計算和處理呢?邊緣計算應運而生。所謂邊緣計算，指在靠近物或數(shù)據(jù)源頭的一側，融合網(wǎng)絡、計算、存儲、應用核心能力的開放平臺，就近提供智能計算和數(shù)據(jù)服務。這樣帶來的好處便是，終端設備產生的數(shù)據(jù)，不需要傳送到云端，利用人工智能進行處理后，再返回數(shù)據(jù)產生端。利用邊緣計算技術，數(shù)據(jù)在設備產生端直接計算，就近處理后便可直接反饋到設備。

5G技術的誕生，更是加快了人工智能與物聯(lián)網(wǎng)的相結合，將進一步加強對邊緣終端、傳感器網(wǎng)絡數(shù)據(jù)的實時收集和分析，提高我們使用能源、灌溉農田或配送商品的效率，同時減少浪費和污染。AI將改變邊緣計算的未來，真正成就物聯(lián)網(wǎng)，造福我們的生活。

6、AI改變云生態(tài)

隨著AI的發(fā)展，云計算市場將產生更復雜的產業(yè)鏈關系。我們看到芯片能力、硬件能力、技術服務能力、算法開發(fā)能力在云市場中變得重要起來，而這些能力一家云廠商很難同時具備，這就帶來了云計算變革中的另一個關鍵點：生態(tài)的地位急速增長。

今年以來，我們可以看到全球云服務市場不斷加大收購力度。比如微軟收購Github引起了軒然大波，但其產業(yè)目的，毫無疑問是將開發(fā)生態(tài)更緊密固定在自己的體系內。阿里云不僅做神龍服務器，還開始做芯片了。在2018云棲大會上，阿里將把此前收購的芯片公司——中天微系統(tǒng)有限公司和達摩院自研芯片業(yè)務一起，整合成一家芯片公司——平頭哥半導體有限公司，大力推進云端一體化的芯片布局。

AI從芯片、算力、模型、場景應用到產品化，是個很長的條線，原本能力單一的云廠商，很難全面覆蓋，而生態(tài)合作，共研共創(chuàng)是必行之路。伴隨著企業(yè)級云應用的推進和深入，我們將來可以看到越來越多的云廠商在致力于推出聯(lián)合解決方案，包括軟件廠商之間的相互合作，也包括硬件廠商與軟件廠商的合作。，

7、AI提升了開發(fā)者的地位

隨著云2.0時代的到來，云市場重心從Iaas上移，企業(yè)更多地關注PaaS和SaaS業(yè)務建設，使得開發(fā)者成為所有IT企業(yè)競相爭奪的對象。

AWS和阿里云等新興的云服務商，聚集了大批的云應用開發(fā)者。這些開發(fā)者已經成為他們的忠實粉絲，其追隨程度超過了傳統(tǒng)的開發(fā)者。傳統(tǒng)硬件廠商，比如華為、新華三、思科等，也把開發(fā)者作為自己的重要合作伙伴，為云服務提供支持，因為其產品也要通過API實現(xiàn)與云應用的更好結合。

大量不同開發(fā)者，滿足大量用戶的復雜云需求。而云服務作為AI的必經之路，最理想狀態(tài)是在其中作為接口。因為自身客戶多，來聚集開發(fā)者;又基于開發(fā)生態(tài)的良好，吸引更多的客戶加入。同時在AI之外，中國SaaS還有廣闊的發(fā)展空間，開發(fā)者是主要的力量。加強開發(fā)者社區(qū)和工具建設，提高開發(fā)者的能力，為用戶更好的服務。今年眾多AI技術社區(qū)的建立以及AI開發(fā)者賦能計劃的興起，都可以看作這個云服務變化趨勢的投射。

結語

在數(shù)字化時代，AI與云的結合，讓數(shù)據(jù)不再是擺在那里供人們觀看的冷冰冰的數(shù)字了，人們已經通過對數(shù)據(jù)的分析讓它產生效益，產生了價值，改變了傳統(tǒng)的企業(yè)云服務模式。我們相信AI人工智能的前景是光明的，但前進的道路是曲折的。只要方向對了，就不用怕路遠，堅持走下去，總是會有量變到質變的一個過程。

云智能，重新定義云的未來!
編輯：hfy