时间过得越来越快,导致我们经常忽略日常发生的细微变化。然而突然有一天,我们再次审视周围,发现世界已经变得和过去完全不同了。
比如,云计算。Gartner 近期指出 “无云服务”策略,就像过去“无因特网”策略一样,将在2020年彻底消失——这就意味着每个企业都将在云端运行部分或全部的IT基础设施和应用。这种情况在刚刚过去的几年是不可想象的。
美国联邦政府CIO Vivek Kundra在2010年才提出“云优先战略”,要求政府机构在进行任何IT投资之前,首先对云计算方案进行评估。现在,诸多推动因素已经表明“云优先”战略向“全云”战略的转变已经不可避免,尤其是供应商和服务提供商越来越多地提供“纯云IT解决方案”。
云服务的普遍采用虽然有着诸多原因,但归根到底还是高效率和灵活性。通过采用云服务,企业能够更快地获得基础设施,更大的可扩展性和更高的可用性,加速上市时间。如果再结合灵活的定价模式和共享基础设施的经济性,那么该业务场景将是相当吸引人的。
另外一个推动我们走向云时代的因素是:企业能够充分开展DevOps(开发&运维), 摆脱资源限制,快速、可靠地提供独特的创新服务。这在当今千变万化的时代是必不可少的。
既然采用云已势在必行,那么现在的问题是:为什么不是每个企业都转向全云环境呢?现实是,IT部门还需要克服诸多挑战,才能真正获得云服务带来的优势。
大家知道,很多CIO都认为定义云服务提供商的支持和管理能力这一过程十分复杂。尽管IT可以明确掌握内部基础设施和应用,但涉及多方人员时,确定责任和职责就变得非常困难。 即使拥有内容全面的协议,一旦出现问题,还是很难确定责任方。
此外,很多云环境中,资源是基于服务提供商设定的规则而进行动态分配的。如果IT失去对资源的部分或全部控制,他们又如何快速调整或者优化资源,从而满足业务需求和应用要求呢?
还有一个问题就是延迟问题。采用云服务后,终端用户和云基础设施之间的距离拉大,这就有可能出现一些不可预知的事件。在当今时代,员工、客户和合作伙伴都期望实时响应,如果云服务产生延迟,显然不利于业务关键型服务。
企业如果拥有适当的能力是完全可以克服上述挑战的。首先就是将传统的基础设施进行现代化改造,以便能够支持云中心的网络环境。比如,软件定义广域网技术(SD-WAN)技术就可以简化内部部署和云应用的管理。它还可以实现网络连接的自动化和智能编排,以及跨混合广域网、远程局域网和云服务网络的应用交付。
统一的可见性和监控能力在“无处不在的云服务” 时代也是必不可少的。 只有了解了什么在影响云端或非云端的用户、应用、网络和基础设施,IT才能减少相互指责并加速解决多方问题。此外,这些能力在云迁移、适配和测试应用中还提供了对应用选择和应用优先级的建议,从而确保迁移之前的性能,为DevOps持续交付和评估应用更新提供支持。
最后,需要逐步采取措施来避免云服务和SaaS应用的性能过慢或不稳定。虽然大多数云提供商可以在一定程度上保证运行时间,但最好还是部署优化解决方案,加速云端的应用交付能力。该行业的顶级产品集成了监控和排障可见性,实现资源动态管理,以便应对用户连接和用户数量的增加。
“无处不在的云服务”时代革命不可避免,但更重要的是,这是一个继续向前发展的机遇。企业及其IT团队必须采取行动,否则,他们会突然有一天吃惊地发现自己已经落伍。
快来看看Riverbed 如何帮助下一代IT人员监控、管理和优化云端性能吧。
——作者:Riverbed公司大中华区总经理袁志陵
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。