在过去的十年里,云计算已经成为全球商业运作的基础。它催生了全新的服务类别、产品和商业模式。从全球电子商务到数百万小企业使用的云 AI 工具,这一切都得益于云计算的支持。
因此,最成功的企业不再将云计算仅仅视为 IT 基础设施,而是将其视为一种新的战略能力。
然而,在我与各种规模的公司合作过程中,经常看到企业在这方面犯错。以下是我认为企业在未来12个月最容易陷入的常见陷阱,以及如何避免这些问题的建议。
1. 缺乏战略性思维
云计算不仅仅是数据中心或在线存储。如果仅将其视为集中访问工具和数据的技术行为,我们将错失最大的机遇。
云计算时代的车库创业公司通过创造和提供以前无法实现的新产品和服务,已经发展成为全球巨头。从流媒体音乐、电影和游戏,到通过订阅提供的办公和生产力工具,再到拥有自己经济体系和货币的虚拟社区和世界。这不仅仅是将传统系统"搬迁"到新服务器上,而是要重新思考整个商业模式。将云计算融入更广泛的商业战略,理解它如何实现自动化和创新,是在2025年避免这个陷阱的关键。
2. 忽视安全性
我经常看到公司认为云服务提供商会处理所有安全需求。毕竟,谷歌、亚马逊或微软这样的公司应该很难被黑客攻击,对吧?不幸的是,客户端配置错误或成为内部人员造成的60%数据泄露的受害者,会迅速使这些复杂的防御变得无用。云架构本身也可能产生漏洞,正如2023年微软 Azure 服务遭受的攻击所示。黑客通过社交工程或钓鱼攻击破坏一个 Azure 企业账户后,能够"横向移动"到其他企业拥有的相邻账户并窃取其数据。
3. 未能协调云计算和 AI 战略
云计算和 AI 是共生关系。云计算为 AI 算法提供可扩展性、部署能力和所需的数据访问。AI 帮助云服务高效运行,优化其庞大数据中心的能源使用,并个性化服务交付以满足客户需求。令人遗憾的是,许多企业仍将它们视为独立的技术,限制了两者的价值。
Netflix 将 AI 观众分析与云流媒体相结合,创造了新的商业模式。亚马逊在电子商务领域也做了同样的事情,辉瑞等制药巨头在云端建立了基于 AI 的药物发现平台。将这些突破性技术结合起来对实现两者的效益至关重要。
4. 未能控制 AI 成本
云计算并不便宜,如果运行 AI 工作负载,由于训练和推理相关的高资源开销,成本会更高。未能控制成本很容易导致账单失控,特别是考虑到大多数 AI 服务的24/7全天候运行性质。Stability AI 因其 Stable Diffusion 模型在图像生成领域的开创性工作而被视为 AI 公司中的巨大成功。然而,由于云服务提供商的巨额账单,它遇到了广为人知的财务困难。
5. 陷入供应商锁定
根据 Gartner 的调查,95%的企业表示他们目前被现有云服务提供商"锁定",或者更换提供商将面临挑战。
过度依赖任何供应商的服务都是一个糟糕的选择。在云计算方面,这可能会限制你采用新技术和在机会出现时转向新战略的能力。
好文章,需要你的鼓励
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。