我們將看到在2018年出現(xiàn)幾個(gè)趨勢，其重點(diǎn)將是使新技術(shù)變得容易和可消費(fèi)。

2017年新技術(shù)的在數(shù)量上已經(jīng)勢不可擋：云的使用速度超過了分析師的預(yù)測，并帶來了一些新技術(shù)；人工智能被引入到我們生活的方方面面；物聯(lián)網(wǎng)和邊緣計(jì)算應(yīng)運(yùn)而生；還有大量的云計(jì)算技術(shù)實(shí)現(xiàn)了，如Kubernetes，serverless，以及云數(shù)據(jù)庫等。一年前，我在我的2017年預(yù)測中介紹了其中的一些情況，現(xiàn)在是時(shí)候分析這些趨勢，并預(yù)測明年科技領(lǐng)域可能會發(fā)生什么。

雖然我們喜歡新技術(shù)，但一般的企業(yè)所有者、IT買家和軟件開發(fā)人員對這一巨大的創(chuàng)新不太了解，不知道如何將其轉(zhuǎn)化為商業(yè)價(jià)值。我們將在2018年看到一些趨勢，他們的重點(diǎn)將是使新技術(shù)變得容易和可消費(fèi)。

[[216584]]

集成平臺和一切都變成了無服務(wù)器計(jì)算

亞馬遜和其他云服務(wù)提供商正在競相獲取和維護(hù)市場份額，因此他們不斷提高抽象和跨服務(wù)集成的水平，以提高開發(fā)人員的生產(chǎn)力，并加強(qiáng)客戶的本地化。我們看到亞馬遜推出了新的數(shù)據(jù)庫服務(wù)，并在上個(gè)月的AWS峰會上全面發(fā)布了整合人工智能圖書館和工具。它也開始區(qū)分不同形式的服務(wù)器：AWS Lambda現(xiàn)在是關(guān)于服務(wù)器的功能，而AWS Aurora和Athena則是關(guān)于“無服務(wù)器數(shù)據(jù)庫”，擴(kuò)展了對隱藏底層服務(wù)器的任何服務(wù)的服務(wù)器定義。據(jù)推測，現(xiàn)在有更多的云服務(wù)可以通過這個(gè)更寬泛的定義稱自己為“無服務(wù)器”。

在2018年，我們將看到云提供商更加重視進(jìn)一步整合那些具有更高層次抽象的單個(gè)服務(wù)。他們還將關(guān)注與人工智能、數(shù)據(jù)管理和無服務(wù)器相關(guān)的服務(wù)。這些解決方案將使開發(fā)人員和操作人員的工作更簡單，并隱藏其固有的復(fù)雜性。然而，他們確實(shí)有更大的風(fēng)險(xiǎn)。

在2017年，我們看到所有的云提供商都將Kubernetes作為微服務(wù)編排層進(jìn)行調(diào)整，這一層可以緩解一些鎖塊。在2018年，我們將看到在Kubernetes上建立的開放和商業(yè)服務(wù)的不斷增長，該服務(wù)可以為私有云服務(wù)提供多云服務(wù)。Iguazio的Nuclio當(dāng)然是這樣一個(gè)開放和多云服務(wù)器平臺的一個(gè)很好的例子，正如Red Hat的Openshift multicloud PaaS。

智能邊緣vs私有云

云支持所需的業(yè)務(wù)敏捷性，以開發(fā)現(xiàn)代和數(shù)據(jù)驅(qū)動的應(yīng)用程序，無論是在初創(chuàng)公司還是在類似于初創(chuàng)公司的大型企業(yè)中。挑戰(zhàn)在于，不能忽略數(shù)據(jù)的嚴(yán)重性，因?yàn)樵S多數(shù)據(jù)源仍然生活在邊緣或企業(yè)中。這增加了5G帶寬，延遲，新的法規(guī)，比如GDPR，以及更多的強(qiáng)制你將計(jì)算和存儲放在離數(shù)據(jù)源更近的地方。

今天的公共云模型是服務(wù)消費(fèi)，因此開發(fā)人員和用戶可以繞過它，帶來一些無服務(wù)器的功能，使用自助服務(wù)數(shù)據(jù)庫，甚至可以將視頻上傳到云服務(wù)中，并將其轉(zhuǎn)換為所需的語言。但是，當(dāng)使用本地替代方案時(shí)，必須自己構(gòu)建服務(wù)，而技術(shù)棧的發(fā)展速度非常之快，it團(tuán)隊(duì)幾乎不可能構(gòu)建可以與云替代方案相比較的現(xiàn)代服務(wù)，迫使組織向云計(jì)算。

標(biāo)簽為“私有云”的IT供應(yīng)商解決方案與真正的云完全不同，因?yàn)樗鼈冴P(guān)注的是自動操作。它們沒有提供更高級別的用戶和面向開發(fā)人員的服務(wù)，它最終會將幾十個(gè)單獨(dú)的開源或商業(yè)軟件包組合起來，添加常見的安全層、日志記錄和配置管理等，這為云提供商和新公司進(jìn)入前沿和在prem領(lǐng)域提供了機(jī)會。

在2017年，我們看到微軟***執(zhí)行官薩蒂亞·納德拉(Satya Nadella)越來越關(guān)注他所謂的“智能優(yōu)勢”。微軟引入了Azure Stack，這是Azure云的一個(gè)迷你版本，不幸的是，它只包含微軟在云計(jì)算中提供的一小部分服務(wù)。亞馬遜開始推出名為“雪球邊緣”的邊緣設(shè)備，我希望它能在這些方面加倍努力。

智能邊緣不是私有云。它提供了與公共云相同的服務(wù)和操作模型，但它是本地訪問的，并且在許多情況下是由中心云操作和維護(hù)的，就像操作人員管理我們的有線機(jī)頂盒一樣。

在2018年，我們將看到傳統(tǒng)的私有云市場萎縮，同時(shí)智能邊緣的勢頭將會增長。云提供商將增加或增加邊緣產(chǎn)品，新公司將進(jìn)入這一領(lǐng)域，在某些情況下，通過集成產(chǎn)品提供特定的垂直應(yīng)用程序或用例。

人工智能從原始技術(shù)到嵌入式特征和垂直堆棧

我們在2017年看到人工智能和機(jī)器學(xué)習(xí)技術(shù)的快速興起，但盡管大肆宣傳，但實(shí)際上主要是被亞馬遜(Amazon)、谷歌和Facebook等市場領(lǐng)先的互聯(lián)網(wǎng)公司所使用。對于一般企業(yè)來說，人工智能并不是微不足道的，但是對于大多數(shù)企業(yè)來說，沒有理由去雇傭幾乎沒有數(shù)據(jù)的科學(xué)家，或者從頭開始構(gòu)建和培訓(xùn)人工智能模型。

我們可以看到Salesforce這樣的公司是如何將人工智能構(gòu)建到平臺的，利用它所承載的大量客戶數(shù)據(jù)。其他公司也在沿著這條道路將人工智能嵌入到產(chǎn)品中。與此同時(shí)，我們看到AI得到了一個(gè)垂直的焦點(diǎn)，我們將開始看到針對特定行業(yè)和垂直領(lǐng)域的AI軟件解決方案，比如市場營銷、零售、醫(yī)療保健、金融和安全。用戶不需要知道神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)或這些解決方案中的回歸算法。相反，它們將提供數(shù)據(jù)和一組參數(shù)，并得到可以在應(yīng)用程序中使用的AI模型。

人工智能仍然是一個(gè)非常新的領(lǐng)域，有許多重疊的產(chǎn)品，而且沒有標(biāo)準(zhǔn)化。如果您在學(xué)習(xí)階段使用了像TensorFlow、Spark、H2O和Python這樣的框架，那么將需要使用相同的方法來進(jìn)行推斷部分(得分)。2018年，我們將努力定義開放和跨平臺的人工智能模型。此外，我們還將看到更多的解決方案，這些解決方案可以自動化構(gòu)建、培訓(xùn)和部署人工智能的過程，就像新引入的AWS Sage Maker一樣。

從大數(shù)據(jù)到連續(xù)數(shù)據(jù)

在過去的幾年中，組織已經(jīng)開始開發(fā)由中心驅(qū)動的大數(shù)據(jù)實(shí)踐。它的目標(biāo)是收集、管理和集中分析業(yè)務(wù)數(shù)據(jù)和日志，以便將來應(yīng)用。數(shù)據(jù)收集在Hadoop集群和數(shù)據(jù)倉庫解決方案中，然后由一組數(shù)據(jù)科學(xué)家使用，他們運(yùn)行批處理作業(yè)并生成一些報(bào)告或指示板。根據(jù)所有領(lǐng)先的分析師，這種方法已經(jīng)被證明是失敗的，有70%的公司沒有看到任何投資回報(bào)率(根據(jù)Gartner的數(shù)據(jù))。數(shù)據(jù)必須是可操作的，才能從中獲得ROI的見解。它必須集成到業(yè)務(wù)流程中，并從新的數(shù)據(jù)中派生出來，就像我們在目標(biāo)廣告和谷歌和Facebook的建議中看到的一樣。

數(shù)據(jù)洞察必須嵌入到現(xiàn)代商業(yè)應(yīng)用中。例如，訪問一個(gè)網(wǎng)站或使用聊天機(jī)器人的客戶需要根據(jù)他或她最近的活動或個(gè)人簡介來獲得針對目標(biāo)內(nèi)容的即時(shí)響應(yīng)。從物聯(lián)網(wǎng)或移動設(shè)備收集到的傳感器數(shù)據(jù)連續(xù)不斷地流動，需要立即采取行動來驅(qū)動警報(bào)、檢測安全違規(guī)、提供預(yù)測性維護(hù)，或啟用糾正措施。監(jiān)測和國家安全實(shí)時(shí)檢查目視數(shù)據(jù);零售商還利用它來分析銷售數(shù)據(jù)，如庫存狀況、客戶偏好以及基于觀察到的客戶活動的實(shí)時(shí)建議。數(shù)據(jù)和實(shí)時(shí)分析通過自動化的過程降低了業(yè)務(wù)成本。汽車正變得越來越有聯(lián)系和自主。電話推銷員和助手被機(jī)器人取代。機(jī)隊(duì)或卡車、出租車司機(jī)或技術(shù)人員由人工智能和事件驅(qū)動的邏輯編排，以***限度地利用資源。

所有這些都已經(jīng)在2017年開始。

像Hadoop和數(shù)據(jù)倉庫這樣的技術(shù)是十年前發(fā)明的，它比人工智能、流處理、內(nèi)存或閃存技術(shù)的時(shí)代早。企業(yè)現(xiàn)在看到，構(gòu)建數(shù)據(jù)湖的價(jià)值是有限的，因?yàn)樗麄兛梢酝ㄟ^使用更簡單的云技術(shù)來進(jìn)行數(shù)據(jù)挖掘。關(guān)注的焦點(diǎn)從主要是收集數(shù)據(jù)到持續(xù)使用數(shù)據(jù)，這一領(lǐng)域的技術(shù)主要集中在靜止和中央驅(qū)動的過程中，而不會飛。

在2018年，我們將看到從大數(shù)據(jù)向快速數(shù)據(jù)和連續(xù)數(shù)據(jù)驅(qū)動應(yīng)用程序的持續(xù)轉(zhuǎn)變。數(shù)據(jù)將被各種各樣的來源不斷地?cái)z取。與預(yù)先學(xué)習(xí)或不斷學(xué)習(xí)的人工智能模型相比，它將在實(shí)時(shí)的情況下被語境化、豐富和聚合，這樣它就可以立即對用戶產(chǎn)生響應(yīng)，驅(qū)動操作，并在實(shí)時(shí)的交互式指示板中呈現(xiàn)。

開發(fā)人員將使用預(yù)先打包的云服務(wù)，或者使用相關(guān)的云本地服務(wù)集成解決方案。在企業(yè)中，焦點(diǎn)將從IT轉(zhuǎn)移到業(yè)務(wù)部門和應(yīng)用程序開發(fā)人員，他們將在現(xiàn)有的業(yè)務(wù)邏輯、web門戶和日?？蛻艚换ブ星度霐?shù)據(jù)驅(qū)動的決策。

總結(jié)下，2018年將：

• 智能邊緣將會增長，傳統(tǒng)的私有云市場將會萎縮。
• 我們將開始看到針對特定行業(yè)和垂直領(lǐng)域的人工智能軟件解決方案。另外，AI模型將開始開放和跨平臺。
• 快速的數(shù)據(jù)、連續(xù)的應(yīng)用程序和云服務(wù)將取代大數(shù)據(jù)和Hadoop。
• 無論如何，云服務(wù)將更容易使用，從而在它們與傳統(tǒng)和私有云解決方案之間的差距上增加。所以，帶上鐐銬，準(zhǔn)備好被更多的人鎖定!