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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。