2017年新技術家見的數量一直很龐大的： 雲計算采用的速度比分析家預測的還(hái)要秒一快，并因此帶來了一些新的工具。人工智能(né爸小ng)進(jìn)入到人們生活地對的各個領域；物聯網和邊緣計算的應用越來越廣泛；一員大系列雲原生技術已經(jīng)實現鐘船，例如Kubernetes，無服務器和雲數據庫等等。一年前，行業專金藍家在對(duì)2017年的預測中涉及了其中件公的一些發(fā)展趨勢，如今是鐘舊預測分析2018年科技領域的發(fā)展趨勢的時(shí)候了。
雖然人們喜歡層出不窮的新技術，但是普通的企業主，IT采購人員和軟件時放開(kāi)發(fā)人員卻對(duì)這(zhè用我)種(zhǒng)大規模的技術創新一無所知，信和不知道(dào)如何開(kāi)始新技術轉化爲商業價值。人們將(jiāng)看黃文到2018年出現的幾個趨勢，其重點將資新(jiāng)放在使易于使用和消耗的新技術方自草面(miàn)。
&紙微nbsp; 集成(chéng)平台和一切事(shì)物變成(chéng)無服務器的應用拿自
亞馬遜公司和其他雲計算提供商競相獲得和保持市場份額，因木熱此他們不斷提高抽象和跨服務集成(chéng)的水平，以提高開(我問kāi)發(fā)人員的生産力，并加強客戶鎖定。亞馬遜公子北司在2017年11月的AWS Re：Invent大會(huì)上推出了新的數據街房庫即服務産品和完全集成(chéng)的人工智能(néng)庫和工具。它還些光(hái)開(kāi)始區分不同形式的無服務器計算：AWS Lambda現在術信是關于無服務器的功能(néng)，而AWS Aurora和At老和hena則是關于“無服務器的數家市據庫”，將(jiāng)無服務器的定義擴展答男到底層服務器的任何服務。據推測，現在更多的 雲服務&n要門bsp;可以采用“無服務器”這(zhè)個更廣泛的定義來定義務森自己。
內聽 到2018年，人們將(jiāng)看到雲計算提供商更加重視進(jìn)一步公匠整合具有更高層次抽象的個性化服務。他們還(制白hái)將(jiāng)重點關注與人工智能(néng)、數據管理和無服務問些器相關的服務。這(zhè)些解決錯湖方案將(jiāng)使開(kāi)發(fā)人員和運營專業睡生人員的工作變得更簡單，并隐藏其固有的複雜性。謝你但是，他們确實有著(zhe)更大的鎖定風險。
&上樹nbsp; 在2017年，我們看到所有雲提供商都(dōu)與Kubernetes服務女時商一起(qǐ)構建微服務編排層，從而緩解了部分鎖定請空。 2018年，人們將(jiāng)看到在Kubernetes之上建立的一系鐵匠列開(kāi)放式和商業化服務，可以提供專有 雲産品&n體電bsp;的多雲替代方案。當然，Iguazio公司的Nuclio就(jiù)是你白這(zhè)樣(yàng)一個開(kāi)放的、多雲無服務器平台那作的很好(hǎo)的例子，Red Hat公司的Openshift多熱購雲PaaS也是如此。
雖然人們喜歡層出不窮的新技術，但是普通的企業主，IT采購人員和軟件時放開(kāi)發(fā)人員卻對(duì)這(zhè用我)種(zhǒng)大規模的技術創新一無所知，信和不知道(dào)如何開(kāi)始新技術轉化爲商業價值。人們將(jiāng)看黃文到2018年出現的幾個趨勢，其重點將資新(jiāng)放在使易于使用和消耗的新技術方自草面(miàn)。
&紙微nbsp; 集成(chéng)平台和一切事(shì)物變成(chéng)無服務器的應用拿自
亞馬遜公司和其他雲計算提供商競相獲得和保持市場份額，因木熱此他們不斷提高抽象和跨服務集成(chéng)的水平，以提高開(我問kāi)發(fā)人員的生産力，并加強客戶鎖定。亞馬遜公子北司在2017年11月的AWS Re：Invent大會(huì)上推出了新的數據街房庫即服務産品和完全集成(chéng)的人工智能(néng)庫和工具。它還些光(hái)開(kāi)始區分不同形式的無服務器計算：AWS Lambda現在術信是關于無服務器的功能(néng)，而AWS Aurora和At老和hena則是關于“無服務器的數家市據庫”，將(jiāng)無服務器的定義擴展答男到底層服務器的任何服務。據推測，現在更多的 雲服務&n要門bsp;可以采用“無服務器”這(zhè)個更廣泛的定義來定義務森自己。
內聽 到2018年，人們將(jiāng)看到雲計算提供商更加重視進(jìn)一步公匠整合具有更高層次抽象的個性化服務。他們還(制白hái)將(jiāng)重點關注與人工智能(néng)、數據管理和無服務問些器相關的服務。這(zhè)些解決錯湖方案將(jiāng)使開(kāi)發(fā)人員和運營專業睡生人員的工作變得更簡單，并隐藏其固有的複雜性。謝你但是，他們确實有著(zhe)更大的鎖定風險。
&上樹nbsp; 在2017年，我們看到所有雲提供商都(dōu)與Kubernetes服務女時商一起(qǐ)構建微服務編排層，從而緩解了部分鎖定請空。 2018年，人們將(jiāng)看到在Kubernetes之上建立的一系鐵匠列開(kāi)放式和商業化服務，可以提供專有 雲産品&n體電bsp;的多雲替代方案。當然，Iguazio公司的Nuclio就(jiù)是你白這(zhè)樣(yàng)一個開(kāi)放的、多雲無服務器平台那作的很好(hǎo)的例子，Red Hat公司的Openshift多熱購雲PaaS也是如此。
智能(néng)邊緣vs私有雲
&n照歌bsp; 雲計算實現了開(kāi)發(fā)現代化路自和數據驅動型應用程序所必需的業務敏捷性，無論是創業公司還(hái)是大日冷型企業。挑戰在于人們不能(néng)忽視數據引力，因爲許多數票兒據源仍然存在于邊緣或企業中。這(zhè)加強了5G帶寬，網一開絡延遲，GDPR等新規定，并且越多鐘來越迫使企業將(jiāng)計算和存儲放在更接近數據源時湖的地方。
&nb麗什sp; 如今的公共雲模型是服務消費，因此頻拿開(kāi)發(fā)人員和用戶亮睡可以繞過(guò)IT，帶來一些無服務器功能(néng)也靜，使用自助服務數據庫，甚至將(jiāng)視頻上傳秒喝到雲服務，然後(hòu)將(jiāng)其轉換爲所需的語言。但是，當企業用照使用本地部署的替代方案時(shí)，企業必須構建在知自己的服務，而且技術堆棧發(fā)展如一土此迅速，IT團隊實際上不可能(nén師音g)構建與雲計算替代方案相比拟的現代服務，市和從而迫使企業走向(xiàng)雲端。
被(bèi)稱爲“私有雲”的IT供應商解決方案與真正的雲計算無讀吃關，因爲他們專注于自動化IT操作。他們不提供面(miàn)向(還兵xiàng)更高級别的用戶和開(k路的āi)發(fā)人員的服務，IT部門最終從幾十個單獨的制暗開(kāi)源或商業軟件包中組裝這(zhè)些服務，添加通用的安全層、日志記錄開說和配置管理等服務。這(zhè)爲雲計算提供商金我和新的公司進(jìn)入邊緣計算和本地空間提供了機會(huì)月著。
&nbs呢長p; 2017年，微軟公司首席執行官薩什風蒂亞·納德拉越來越專注于他了小所謂的“智慧優勢”。微軟推出了Azure Stack，這(zhè)是Az音購ure雲的一個迷你版本，不幸的是它隻包含微軟公司在 費謝雲平台 中提供的一小部分服務。亞馬遜員說公司開(kāi)始提供名爲“Snowball Edge”學技的邊緣設備，希望它能(néng)在聽學這(zhè)方面(miàn)做得更好(hǎo)。
智能(néng)邊緣并不是私有雲。它提供了與公共雲相同的一套服務男計和運營模式，但是它可以實現本地訪問，并且年要在許多情況下由中央雲操作和維護，就(jiù)像運營商管理有線機農來頂盒一樣(yàng)。
2018年，傳統私有雲市場將(jiāng)會(huì)萎縮，同時喝技(shí)智能(néng)邊緣將(jiāng)會(huì)有增長(cháng對要)的勢頭。雲計算提供商將(jiāng)增加或加強邊緣産品，越來越多的公司動金將(jiāng)進(jìn)入這(zhè)個市場空間你到，在某些情況下，通過(guò)集成(chéng)産品提供特關美定的垂直應用程序或用例。
什個人工智能(néng)從原始技術到嵌入式功能(néng)和垂直堆棧
&n理房bsp;人們在2017年看到了人工智能(n們劇éng)和機器學(xué)習技術的快速崛起(qǐ)，但是盡管有看子些炒作的成(chéng)分，但實際上卻主要被(了秒bèi)亞馬遜，谷歌和Facebook可個等市場領先的廠商所使用。對(duì)于一般的企業來說(國微shuō)，人工智能(néng)是微算道不足道(dào)的，但大多數組織不可民我能(néng)雇用幾乎不能(néng)發(fā)揮作用的數影朋據科學(xué)家，或者從頭開(kāi)始構建和培訓人工智能(néng)模型分業。
人們可以看到像Salesforce理一這(zhè)樣(yàng)的公司如何在其平台上構建人工智能(néng)，可謝兒以充分利用其托管的大量客戶數據。其他公司正在們笑按照這(zhè)個方法將(jiāng)人劇銀工智能(néng)嵌入到産品中作爲一項功能(néng)。同時(shí)，少師也看到人工智能(néng)獲得垂直行喝動業的專注，針對(duì)特定行業和垂直行業（如市場營銷、零售、醫療用近保健、金融和安全）的人工智能(néng)軟件解決方器人案正在推出。在這(zhè)些解決方案中，用戶我拿不需要了解神經(jīng)網絡的内部結構或回歸算新黑法。相反，他們將(jiāng)提供數據和一組參數，并獲得可用于其應用程低外序的人工智能(néng)模型。
&nbs劇呢p;人工智能(néng)仍然是一個非常新的領域，船唱有很多重疊的産品，沒(méi)有實現标準化。如果您的企業在學銀匠(xué)習階段使用了像TensorFlow，Spark上師，H2O和Python這(zhè)樣(y好跳àng)的框架，則需要在推理部分中使用廠商相同的框架。在2018年，我們將(jiāng)看到人們努力定義將(jiāng)行街是開(kāi)放的，跨平台的人工智能很快(néng)模型。此外，還(hái)將(jiāng)看到更多的解決方案，可以數村自動完成(chéng)構建、培訓和部署人工智能農熱(néng)的過(guò)程，如新推出的AWS Sage Make動友r。
從大數據到連續數據
在過(guò)去的幾年裡(lǐ)，很多組織已經(jīng)開(kāi)雪資始開(kāi)發(fā)由中央IT推動的大數公的據實踐。其目标是收集、整理和集中分析業務數據和日志以備未來應用。數據已經(j地聽īng)收集到Hadoop集群和數據倉庫解決方案中，然後(hò道媽u)由一組運行批處理作業并生成(chéng)一些報告或儀表闆的數據科學(腦討xué)家使用。根據所有主要分析師的說(shuō)法，這(光那zhè)種(zhǒng)方法已被(bèi)證明是失敗的，70％的公為生司沒(méi)有看到任何投資回報。數據必須可操作才能(nén資聽g)從中獲得投資回報分析。它必須被(bèi)整合到業務流程中，我公并從新鮮的數據中獲得，就(jiù)像人們在有針對(duì文問)性的廣告以及Google和F可他acebook的建議中看到的一樣(yàng)。
數據見解必須嵌入到現代商業應用程序中。例如，訪問網站或使用聊天機器人的要術客戶需要基于他或她最近的活動立即回應目标内容。都家從物聯網或移動設備收集的傳感器數紙玩據不斷流入，需要立即采取措施來驅動警報，檢測安全違規村輛，提供預測性維護或啓用糾正措施。可視化數據路們實時(shí)檢測，用于監控和國(guó我船)家安全；零售商還(hái)使用它來分析銷售點數據，如庫存狀行現态，客戶偏好(hǎo)以及觀察到的客喝街戶活動的實時(shí)推薦。數據和實時(shí)分析通過有上(guò)自動化人工處理過(guò)程來降低業務成(chén中靜g)本。汽車開(kāi)始連接網絡和自主管物朋理。電話推銷員和人工助理被(bèi)機器人取代。車隊或卡車、出租車司機或技那朋術人員由人工智能(néng)和事(shì)件驅動的醫但邏輯進(jìn)行編排，以最大限度地利用資源。所有這(zh說輛è)些在2017已經(jīng)開(kāi)始發(fā)生。
像Hadoop和數據倉庫這(zhè)樣(yàng)的技術是十年前發計木(fā)明的，并且早于人工智能(néng)、流處理、内存或閃存技術的時(shí和知)代。企業現在看到，建設數據湖泊的價值有限，因爲他們可以使用更簡單的計機雲計算技術進(jìn)行數據挖掘。重點正市見在從大多數僅僅是收集數據轉向(xiàng)使用數據計兒，而技術側重于靜态數據和中央IT驅動的流程的領域。
&區自nbsp;2018年，人們將(jiāng)看到從計友大數據向(xiàng)快速數據和連續數據驅動應用這章程序的不斷轉變。數據將(jiāng)通過(guò)各種(zhǒng)用資來源不斷被(bèi)攝取。與預懂匠先學(xué)習或不斷學(xué)習的人工智能(大答néng)模型相比，它將(jiāng)被(bèi)實時(shí)地豐富和快森彙總，從而能(néng)夠立即響應用戶，推動行動，并以實時(shí)的交互吧地式儀表闆呈現。
開(kāi)發(fā)人員將(jiāng路房)使用預先打包的雲産品或通過(河她guò)使用相關的雲原生服務來整合其解跳刀決方案。在企業中，其關注的重點將(jiāng)從IT轉移醫件到業務部門和應用程序開(kāi)離一發(fā)人員，後(hòu)者將(jiāng)在現有的業務邏輯、門戶網站和日見外常的客戶交互中嵌入數據驅動的決策。
總之，人們將(jiāng)在2018年看到：
&nb黃跳sp;1．智能(néng)邊緣的應用將(jiāng)會(huì)增長(ch白一áng)，傳統私有雲市場將(jiāng)萎縮。
2．人們將(jiāng)開(kāi)始看到針對(duì)特定行業和離業垂直市場的人工智能(néng)軟件解決方案。此外，人工智能(néng)模型飛物將(jiāng)開(kāi)始志分開(kāi)放和跨平台。
3． 快速數據、連續應用和雲服務將我舞(jiāng)取代大數據和Hadoop。
你你 4． 公共雲服務的應用更加廣泛，從而加大了與傳統數據中心和私有雲務吃解決方案之間的差距。
&n照歌bsp; 雲計算實現了開(kāi)發(fā)現代化路自和數據驅動型應用程序所必需的業務敏捷性，無論是創業公司還(hái)是大日冷型企業。挑戰在于人們不能(néng)忽視數據引力，因爲許多數票兒據源仍然存在于邊緣或企業中。這(zhè)加強了5G帶寬，網一開絡延遲，GDPR等新規定，并且越多鐘來越迫使企業將(jiāng)計算和存儲放在更接近數據源時湖的地方。
&nb麗什sp; 如今的公共雲模型是服務消費，因此頻拿開(kāi)發(fā)人員和用戶亮睡可以繞過(guò)IT，帶來一些無服務器功能(néng)也靜，使用自助服務數據庫，甚至將(jiāng)視頻上傳秒喝到雲服務，然後(hòu)將(jiāng)其轉換爲所需的語言。但是，當企業用照使用本地部署的替代方案時(shí)，企業必須構建在知自己的服務，而且技術堆棧發(fā)展如一土此迅速，IT團隊實際上不可能(nén師音g)構建與雲計算替代方案相比拟的現代服務，市和從而迫使企業走向(xiàng)雲端。
被(bèi)稱爲“私有雲”的IT供應商解決方案與真正的雲計算無讀吃關，因爲他們專注于自動化IT操作。他們不提供面(miàn)向(還兵xiàng)更高級别的用戶和開(k路的āi)發(fā)人員的服務，IT部門最終從幾十個單獨的制暗開(kāi)源或商業軟件包中組裝這(zhè)些服務，添加通用的安全層、日志記錄開說和配置管理等服務。這(zhè)爲雲計算提供商金我和新的公司進(jìn)入邊緣計算和本地空間提供了機會(huì)月著。
&nbs呢長p; 2017年，微軟公司首席執行官薩什風蒂亞·納德拉越來越專注于他了小所謂的“智慧優勢”。微軟推出了Azure Stack，這(zhè)是Az音購ure雲的一個迷你版本，不幸的是它隻包含微軟公司在 費謝雲平台 中提供的一小部分服務。亞馬遜員說公司開(kāi)始提供名爲“Snowball Edge”學技的邊緣設備，希望它能(néng)在聽學這(zhè)方面(miàn)做得更好(hǎo)。
智能(néng)邊緣并不是私有雲。它提供了與公共雲相同的一套服務男計和運營模式，但是它可以實現本地訪問，并且年要在許多情況下由中央雲操作和維護，就(jiù)像運營商管理有線機農來頂盒一樣(yàng)。
2018年，傳統私有雲市場將(jiāng)會(huì)萎縮，同時喝技(shí)智能(néng)邊緣將(jiāng)會(huì)有增長(cháng對要)的勢頭。雲計算提供商將(jiāng)增加或加強邊緣産品，越來越多的公司動金將(jiāng)進(jìn)入這(zhè)個市場空間你到，在某些情況下，通過(guò)集成(chéng)産品提供特關美定的垂直應用程序或用例。
什個人工智能(néng)從原始技術到嵌入式功能(néng)和垂直堆棧
&n理房bsp;人們在2017年看到了人工智能(n們劇éng)和機器學(xué)習技術的快速崛起(qǐ)，但是盡管有看子些炒作的成(chéng)分，但實際上卻主要被(了秒bèi)亞馬遜，谷歌和Facebook可個等市場領先的廠商所使用。對(duì)于一般的企業來說(國微shuō)，人工智能(néng)是微算道不足道(dào)的，但大多數組織不可民我能(néng)雇用幾乎不能(néng)發(fā)揮作用的數影朋據科學(xué)家，或者從頭開(kāi)始構建和培訓人工智能(néng)模型分業。
人們可以看到像Salesforce理一這(zhè)樣(yàng)的公司如何在其平台上構建人工智能(néng)，可謝兒以充分利用其托管的大量客戶數據。其他公司正在們笑按照這(zhè)個方法將(jiāng)人劇銀工智能(néng)嵌入到産品中作爲一項功能(néng)。同時(shí)，少師也看到人工智能(néng)獲得垂直行喝動業的專注，針對(duì)特定行業和垂直行業（如市場營銷、零售、醫療用近保健、金融和安全）的人工智能(néng)軟件解決方器人案正在推出。在這(zhè)些解決方案中，用戶我拿不需要了解神經(jīng)網絡的内部結構或回歸算新黑法。相反，他們將(jiāng)提供數據和一組參數，并獲得可用于其應用程低外序的人工智能(néng)模型。
&nbs劇呢p;人工智能(néng)仍然是一個非常新的領域，船唱有很多重疊的産品，沒(méi)有實現标準化。如果您的企業在學銀匠(xué)習階段使用了像TensorFlow，Spark上師，H2O和Python這(zhè)樣(y好跳àng)的框架，則需要在推理部分中使用廠商相同的框架。在2018年，我們將(jiāng)看到人們努力定義將(jiāng)行街是開(kāi)放的，跨平台的人工智能很快(néng)模型。此外，還(hái)將(jiāng)看到更多的解決方案，可以數村自動完成(chéng)構建、培訓和部署人工智能農熱(néng)的過(guò)程，如新推出的AWS Sage Make動友r。
從大數據到連續數據
在過(guò)去的幾年裡(lǐ)，很多組織已經(jīng)開(kāi)雪資始開(kāi)發(fā)由中央IT推動的大數公的據實踐。其目标是收集、整理和集中分析業務數據和日志以備未來應用。數據已經(j地聽īng)收集到Hadoop集群和數據倉庫解決方案中，然後(hò道媽u)由一組運行批處理作業并生成(chéng)一些報告或儀表闆的數據科學(腦討xué)家使用。根據所有主要分析師的說(shuō)法，這(光那zhè)種(zhǒng)方法已被(bèi)證明是失敗的，70％的公為生司沒(méi)有看到任何投資回報。數據必須可操作才能(nén資聽g)從中獲得投資回報分析。它必須被(bèi)整合到業務流程中，我公并從新鮮的數據中獲得，就(jiù)像人們在有針對(duì文問)性的廣告以及Google和F可他acebook的建議中看到的一樣(yàng)。
數據見解必須嵌入到現代商業應用程序中。例如，訪問網站或使用聊天機器人的要術客戶需要基于他或她最近的活動立即回應目标内容。都家從物聯網或移動設備收集的傳感器數紙玩據不斷流入，需要立即采取措施來驅動警報，檢測安全違規村輛，提供預測性維護或啓用糾正措施。可視化數據路們實時(shí)檢測，用于監控和國(guó我船)家安全；零售商還(hái)使用它來分析銷售點數據，如庫存狀行現态，客戶偏好(hǎo)以及觀察到的客喝街戶活動的實時(shí)推薦。數據和實時(shí)分析通過有上(guò)自動化人工處理過(guò)程來降低業務成(chén中靜g)本。汽車開(kāi)始連接網絡和自主管物朋理。電話推銷員和人工助理被(bèi)機器人取代。車隊或卡車、出租車司機或技那朋術人員由人工智能(néng)和事(shì)件驅動的醫但邏輯進(jìn)行編排，以最大限度地利用資源。所有這(zh說輛è)些在2017已經(jīng)開(kāi)始發(fā)生。
像Hadoop和數據倉庫這(zhè)樣(yàng)的技術是十年前發計木(fā)明的，并且早于人工智能(néng)、流處理、内存或閃存技術的時(shí和知)代。企業現在看到，建設數據湖泊的價值有限，因爲他們可以使用更簡單的計機雲計算技術進(jìn)行數據挖掘。重點正市見在從大多數僅僅是收集數據轉向(xiàng)使用數據計兒，而技術側重于靜态數據和中央IT驅動的流程的領域。
&區自nbsp;2018年，人們將(jiāng)看到從計友大數據向(xiàng)快速數據和連續數據驅動應用這章程序的不斷轉變。數據將(jiāng)通過(guò)各種(zhǒng)用資來源不斷被(bèi)攝取。與預懂匠先學(xué)習或不斷學(xué)習的人工智能(大答néng)模型相比，它將(jiāng)被(bèi)實時(shí)地豐富和快森彙總，從而能(néng)夠立即響應用戶，推動行動，并以實時(shí)的交互吧地式儀表闆呈現。
開(kāi)發(fā)人員將(jiāng路房)使用預先打包的雲産品或通過(河她guò)使用相關的雲原生服務來整合其解跳刀決方案。在企業中，其關注的重點將(jiāng)從IT轉移醫件到業務部門和應用程序開(kāi)離一發(fā)人員，後(hòu)者將(jiāng)在現有的業務邏輯、門戶網站和日見外常的客戶交互中嵌入數據驅動的決策。
總之，人們將(jiāng)在2018年看到：
&nb黃跳sp;1．智能(néng)邊緣的應用將(jiāng)會(huì)增長(ch白一áng)，傳統私有雲市場將(jiāng)萎縮。
2．人們將(jiāng)開(kāi)始看到針對(duì)特定行業和離業垂直市場的人工智能(néng)軟件解決方案。此外，人工智能(néng)模型飛物將(jiāng)開(kāi)始志分開(kāi)放和跨平台。
3． 快速數據、連續應用和雲服務將我舞(jiāng)取代大數據和Hadoop。
你你 4． 公共雲服務的應用更加廣泛，從而加大了與傳統數據中心和私有雲務吃解決方案之間的差距。