在2017年,云计算的投资将持续火爆,但是随着企业需求变化, 2017年云市场或许将出现如下五大趋势。
多重云将成为新常态
随着许多公司投资公有云和私有云服务,2017年将会有更多的企业同时向多个云提供商承诺。例如,将有越来越少的企业将亚马逊网络服务作为唯一业务,而是使用双源公有云服务来避免供应商锁定。这样的好处是使数据服务更加高效。没有这个功能,企业部署将会像使用磁带时一样低效。
内存和临时存储变得更加重要
增强和虚拟现实,人工智能和机器学习已经变得越来越流行。分析这些新的数据源对长期业务目标至关重要,但当分析结果比数据本身更重要时,长期存储数据是不切实际和不必要的。 虽然2017年会看到大量的数据增长,需要永久存储,但是大多数网络新产生的数据是短暂的,将很快超过它的实用性和被丢弃。因此,尽管数据量呈指数增长,但存储空间的增长将不会像我们预期的那么多。
更多内容交付网络
内容交付网络是导致无法访问和低性能的主要原因。替代品已经成为昂贵复杂的供应商解决方案之一。期望更多的公司使用公有云和软件定义的基础设施来构建和运营自己的CDN。这些DIY CDN虽然不会提供全方位服务解决方案,但他们将为陈旧的传统架构提供更精简、更便宜的解决方案。
机器学习将成为企业的核心
今天的机器学习技术的独特之处在于它的大部分源自“开源”。 这意味着许多不同的产品和服务都将机器学习构建到他们的平台。因此,更多的企业将在2017年采用机器学习,有可能他们自己都不知道为什么要学习,答案是供应商正在积极使用ML来使他们的产品更智能。并且现有的产品也将很快使用多种机器学习,通过更新来作为额外交付。
越来越多的公司将元数据作为新的收入来源
像Google或Facebook中使用的那些系统,都是为了收集和存储大量的元数据而设计的。 随着公司分析数据的能力越来越强,数据变现将变得越来越重要。像Netflix已经成功地分析出客户数据的共性。有意义的元数据,特别是已经存储了很长时间的元数据,也可以成为分析厂商销售的新产品的焦点。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。