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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
KAIST研究团队开发出RL-ZVP方法,首次让AI从训练中的"无用数据"学习。传统方法遇到全对或全错答案时会停止学习,但RL-ZVP通过分析词汇重要性给予精确反馈。在数学推理测试中,该方法比现有技术提升高达8.6个准确率点,且训练过程更稳定。这项突破重新定义了AI训练范式,证明了被忽视的训练数据实际蕴含巨大学习潜力。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
中国传媒大学团队发现,通过巧妙设计"视觉句子"框架,一个预训练的视频生成模型经过轻量级调整后能够统一处理多种视觉任务,包括图像生成、深度预测、物体分割等。该方法无需大量任务特定数据,每个任务仅用20个样本就能实现良好效果,展现了从专用AI向通用AI转变的可能性。