一年前,很少有企業能預料到 2020年出現的巨大變化。從 3月底開始,新冠疫情打亂了整個世界的運轉,迫使企業迅速調整其技術基礎設施,首先讓員工能遠程開展工作,同時要做好更長遠的規劃,以應對前所未有的不確定性。對很多企業而言,重新改造 IT 基礎設施是生存下去的關鍵。
對企業和組織而言,這意味著要加快速度,把更多工作負載遷移上云,更快地適應混合云的環境。隨著企業數字化轉型的推進,他們逐漸認識到混合云的價值,希望能夠把每個云解決方案的優勢發揮到極致。
進入 2021,盡管企業仍會面對高度的不可預測性,但 2020年所呈現的幾個重要趨勢,使得我們能夠對來年做出一些預測。新冠疫情倒逼企業去思考一系列業務挑戰,使企業對混合云的需求不斷增長,對技術也產生了新的需求,這些需求包括:
1、更廣泛地采用和試用與安全相關的新技術,包括機密計算、量子安全加密和完全同態加密(FHE,Fully Homomorphic Encryption)。
2、利用 AI 自動化更快、更容易地向混合云遷移。
3、將多個云和本地系統整合到一個統一的混合平臺之上。
4、有能力通過混合云把更多工作負載放到智能邊緣設備之上。
明年,我們預計企業將采用新的資源和戰略來應對挑戰,以推動業務發展,而整體大環境也對云計算和人工智能研究提出了新的發展需求。我們預測:
2021年,在安全技術如機密計算、量子安全和完全同態加密的加持下,即便是監管最嚴格的行業都將轉向混合云。
很顯然,在未來一年,企業會繼續在混合云環境中對 IT 運維去中心化,即使是監管最嚴格行業中的企業也將如此。為了成功地做到這一點,企業和組織需要采取安全措施,確保系統和數據的完整性,實施零容忍的信任策略,同時遵守全球范圍內更嚴格的數據隱私法規——所有這些都須隨著復雜的安全威脅的演變而與時俱進。提供這些安全舉措的硬件系統將被廣泛采用,以保護本地和公有云上的工作負載。這些硬件系統如 LinuxONE 和 IBM Z 等進一步提高了開源和傳統工作負載的安全性。
行業云,如 IBM 的金融服務云 (IBM Cloud for Financial Services) 和 IBM 的電信云 (IBM Cloud for Telecommunications) 等,專為應對監管非常嚴格行業的特有挑戰和安全需求而設計?？傮w而言,企業希望在其混合云環境中能夠采用包括機密計算在內的技術,他們希望數據在處理和存儲期間都能得到保護,為了滿足這些客戶需求,我們將看到技術供應商會繼續投資于安全技術的創新。機密計算結合存儲和傳輸過程中的數據加密,以及對密鑰的獨占控制,可以保護敏感和監管非常嚴格的數據集和應用工作負載。
此外,包括 IBM 在內的科技公司正在開創量子計算機的先河,有望解決世界上最強大的超級計算機也無法解決的一些最具挑戰的問題。這也可能帶來風險,比如量子計算能夠快速破解加密算法和訪問敏感數據。我們預期企業將開始部署量子安全加密技術,為大規模的量子計算機成為日常技術工具而提前做好準備——這不僅是為了保護現有數據的安全,也是為了防范未來的威脅。
同樣,越來越多的企業將開始嘗試使用完全同態加密(FHE)來保護他們的數據。今天,加密技術使我們能夠通過將數據隱藏在數學公式中而為數據添加額外的保護層,而數學公式只能由有權訪問機密“密鑰”的人讀取,然而現有的加密技術也有其局限性。FHE技術則可以使數據在計算過程中也能保持加密狀態。例如,保險公司可以對患者的醫療健康數據進行分析,但是其保險代理人卻無法看到客戶的任何個人身份信息。
通過教會機器“推理”,人工智能將實現向混合云的自動遷移。
人工智能技術,例如基于圖形的技術、自然語言處理(NLP)和可解釋的人工智能等技術已經被應用于人類語言——比如語音識別和語言翻譯應用?，F在,將同樣的人工智能應用于機器代碼將大大加快應用向云端的遷移,還能隨之提高其可管理性。這些人工智能技術能夠提供關于應用行為及其結構的推理,從而能夠推薦并自動生成已識別的微服務候選項。
這種方法超越了“傳統”的容器化過程。在將任務關鍵型工作負載遷移到云環境時,自動化是非常必要的。這在一定程度上是由本地任務關鍵型工作負載的復雜性所決定的。通常,企業首先需要確定其任務關鍵型應用運行的確切位置。位置確定好了之后,再將這些多年來一直在本地運行的應用和數據遷移到混合云環境,這個過程會涉及到很多工作,其中一些工作是企業可能無法直接控制的。
從自動實現應用在新環境中的現代化和部署,到協助日常應用管理——人工智能還將改善云開發人員和負責業務無間斷運維工程師的體驗。事實上,隨著企業加速使用 ChatOps 等基于人工智能的技術和策略來管理其應用和環境,負責業務無間斷運維工程師的角色將專注于更有價值的工作,他們將專注于主動地預測和應對風險,從更復雜的非結構化數據中獲取深度分析等。
開源工具將幫助整合不同的云,使開發人員編程和使用混合云所需的技能變得更加簡單。
今天,如果你想在自己的筆記本電腦上處理一個大數據集,這可能需要使用 10萬個容器,你需要知道怎樣針對混合云重新編寫應用。開發人員不僅需要訪問混合云平臺,還要使用工具和框架,才能有效率地解決問題。如果開發人員和數據科學家沒有多年的容器化、并行化和容器編排工具使用經驗,他們會發現在混合云環境中編程是非常困難的。
未來一年,開源工具將助力把很多不同的云和本地系統集成到一個單一、無縫的混合平臺之上,這對于程序員和非程序員而言,都將大大縮短他們的學習曲線。企業將采用一種應用部署模式,這對于那些沒有大量混合云專業知識的人員來說,更容易進行編程和使用。這方面的進展將有助于擁有混合云專業知識的程序員把更多的精力用于從事更高價值的項目。我們需要各個領域的專家能夠專注于他們的實際問題,而不是把精力浪費在如何在跨多云的環境下高效運行他們的軟件。像 IBM Cloud Satellite 這樣利用 Red Hat OpenShift 的服務,可以允許用戶在一個儀表板上跨任何環境構建、部署和管理云服務。
隨著計算硬件效率的突破,我們會看到一些最先進和最強大的混合云硬件創新將擴展應用到邊緣設備上。
混合云的核心在于能夠把任何基礎設施的強大計算能力推送到用戶的指端,讓他們唾手可得。然而,最強大的計算能力過去一直都局限于數據中心。
眾所周知,用于人工智能模型訓練的硬件非常消耗資源,耗費大量金錢、時間和精力。例如,目前部署的最大的工業規模模型——OpenAI 的 GPT-3,有 1,75B個參數,比兩年前的模型大 100倍以上。訓練就要花費數百萬美元,訓練期間產生的碳足跡高于 20輛汽車的終生排放量。
2021年,我們將看到用于構建和部署人工智能模型的人工智能硬件會出現重大突破。與當今最好的商用系統相比,人工智能訓練系統的效率將提高近一個數量級。結合 5G 技術的進步,邊緣的可持續人工智能計算可能會消除云與邊緣之間的界限——為混合云基礎設施提供關鍵技術升級,并通過在邊緣保留更多的數據,促使人工智能模型的隱私性和安全性取得重大進步。5G 蜂窩架構有望成為推動邊緣計算廣泛應用的催化劑。
混合云基礎設施上的人工智能硬件加速器能夠為數據中心的大型人工智能培訓工作提供支持。同樣的核心人工智能硬件技術也可以小規模的部署,或者嵌入到邊緣的其他處理器中。OpenShift 兼容硬件加速器的擴展將進一步支持我們的人工智能硬件的靈活部署,使計算技術一直推送到邊緣端。
如你所見,2021年的重點是同時提高人工智能的能力和效率,使其能夠幫助企業應對一系列挑戰,為更多企業安全地部署、簡化和管理混合云環境。
盡管在這個顛覆性的時期,我們很難對未來做出精準的預測,然而顯而易見的是,混合云技術的突破性發展,將成為企業掙脫禁錮,面向未來,大膽采用混合云平臺戰略而獲得可持續成長的有力保證。
作者：
評論