云智能，重新定义云的未来
云计算从诞生到现在,十几年的快速发展,正在AI的注入下迎来一场大变局。今天，让我们从以下几个方面，梳理一下智能与云的结合究竟改变了什么。
1、 云的基础设施正在智能化
数据中心基础设施作为承载云的幕后功臣，它的智能化正悄然加速着这场云变革的进行。
以往数据中心的机房建设需要遵循很多规范和标准，建设要求包括数据中心机房分级与性能要求，机房位置选择及设备布置，环境要求，建筑与结构、空气调节、电气技术，电磁屏蔽、机房布线、机房监控与安全防范，给水排水、消防的技术要求等，建设周期长、投资大、运营成本高、效率低。
模块化数据中心是基于云计算和智能的新一代数据中心部署形式，为了应对机器学习、高性能计算、分布式、弹性扩展等新的发展趋势，其采用模块化设计理念，最大程度的降低了基础设施对机房环境的耦合，集成了供配电、制冷、机柜、气流遏制、综合布线、动环监控等子系统，提高数据中心的整体运营效率，实现快速部署、弹性扩展和绿色节能。
模块化数据中心能满足IT业务部门对未来数据中心基础设施建设的迫切需求，如标准化设计、组件工厂预制、快速上线部署、有效降低初期投资、模块内能源池化管理、动态IT基础设施资源高利用率、智能化运维管理、保障重要业务连续性，提供共享IT服务(如跨业务的基础设施、信息、应用共享等)，快速响应业务需求变化，弹性扩缩容和绿色节能型数据中心等。
到2020年，50%的组织将开始努力使数据中心的工作负载合理化，并加速采用云智能技术，对云上业务的工作负载进行智能分析，把工作负载科学合理地自动分布到基础设施上，基础设施真正做到高效和动态节能，这就需要对基础设施的设计和布局以及IT运营模型做出巨大的改变。
2、云是AI的最佳容器
AlphaGo为代表的人工智能，彻底的战胜了人类的围棋大师，震撼了全世界。近年来，人工智能应用在各个领域，比如语音图片识别、精准营销、天气预报、交通指挥、海难空难搜救、垃圾短信邮件识别等等，这些看起来彼此不相关的领域之间会有什么联系吗?答案是，它们都会用到同一个数学公式——贝叶斯公式。从本质上来说，AI是一种基于贝叶斯统计学的计算。既然是计算，就一定要在算力基础上发生。企业想要获得AI算力，也无非就是两条路：本地私有云或者公有云。
AI这类技术的基本模式是先训练一个模型，再把它推理部署到一定的场景，最后应用产生效果。从训练到推理，每个步骤所需的算力是差距巨大的。其中训练所需算力最多也最复杂。另一方面，AI模型需要反复测试，不同测试需要的算力各自不同，算力需求是弹性变化的，有时多有时少。这些问题决定了，AI所需算力必须具备高度的灵活性。
云的弹性快速扩展，随需供给不同的算力资源，就在现实条件下成为了AI的最佳输送方式。比如，一个企业有自己的本地私有云，为进行AI训练需要花费几十万甚至上百万构建一个GPU池，但是训练完得到数据，这些硬件就没用了，为避免闲置浪费，当然直接去调用公有云上的AI算力是最好的选择。结合不同公有云的AI优势，进行不同AI模型的训练和推理，按时长和效果付费，对企业来说绝对是经济适用的。
当前人工智能的持续火热，其对于算力的需求早已超过了通用CPU的摩尔定律发展，我们看到基础资源层以GPU、FPGA、ASIC 为代表的异构计算成为方向和趋势，平台层提供智能工具组件和模型训练管理，其上的智能云应用服务也越来越多。通过云将异构资源变成一种普适的AI计算能力，做到弹性供给，即业务高峰期召之即来，业务低谷时挥之即去，轻松应对大量的业务挑战，便捷的智能云服务快速满足生产场景的需要，进而推动产业升级。
以上可以看作是云如何帮助AI落地，而反过来看，AI的到来也极大的发挥了云计算的价值。
3、AI改变云服务
我们知道，公有云按照交付方式，主要细分为IaaS、PaaS、SaaS三种。全球范围内看，SaaS是主流，也就是说云的主要能力是承载不同的软件和应用服务。而在国内市场中，IaaS至今依旧占比超过60%。也就是说，基础设施依旧是国内云服务扮演的主要角色。这说明，大部分用云的中国企业，核心目标不是获取某种应用，而是把自己原有的业务和应用迁移到云上，扩大资源的使用率，以此替代服务器的高昂成本。这种情况下，公有云更多扮演着业务支撑的角色。而AI技术纳入云版图后，改变了云服务的交付，实现了优化生产力的重大进步。
AI的核心能力，是可以取代一部分重复性高、即时性强的人工工作。比如机房巡检、安防、质检、人肉运维，进一步可能有智能巡检、智能安防、智能运维、无人值守、无人驾驶等等。不难发现，它们的特点是不需要云的特性来支撑业务，但却极大程度需要AI来优化生产力，实现企业“提质增效”的目标。
AI与云服务的结合，产生了很多高价值的服务，继而从市场行为、商业逻辑到服务需求都可能发生一系列变化，这就是今天云服务市场的重新繁荣，大量资本、头部企业与开发者开始集结做生态的核心原因。
当然，今天云与AI的结合还处于初级阶段，更多还停留在厂商的宣传中。真正把AI技术下沉到产业，需要深入生产场景，结合业务完成高精度模型的科学训练和一些复杂操作，在边缘侧、终端侧具备一定的推理算力，以此达到最优化的算效比。这就需要云加端的AI算力与硬件上的算力紧密结合，构筑一个整体。所以云+AI服务的成熟，还需要时间，还需要技术的进一步发展。从历史进程上来看，服务器时代的端到网，再到云计算时代的云到网，在AI时代会变成云-网-端的新结构，这让云厂商必须自我革新，也让产业服务市场发现了新的机会。
4、AI改变云交付
进军产业互联网是互联网企业的一个响亮口号，然而产业互联网不同于消费互联网，产业互联网量级更大，不同行业不同企业的应用需求复杂多样，定制化是一个迈不过去的坎。如果产品不能直接产生价值、不能直接对外服务，就一定要变成别人产品的一部分，集成进去，让别人的产品提供更好的服务。于是乎，阿里云和华为云都先后提出了“被集成”的理念，其实被集成也不是什么新鲜说法，过去IT产业中就强调被集成的重要性。而在云服务市场要提这件事，归根结底是商业交付模式正在发生变化。
站在数字化时代的入口，AI人工智能被更广泛的应用在企业的不同场景，无处不在的联接+数字平台+无所不及的智能，成为新一代云服务的内核。而这些趋势都指向同一个变化，就是云服务被交付到企业用户手中时，不应该仅仅是用云资源、容器虚机、API或者付费软件，而应该是一个体系化工程。
当AI的需求不断加深，企业需要深度应用AI到生产业务场景，进行解决方案式交付。作为厂商则需要跟踪企业不同业务需求的变化，实现交付产品的不断迭代，并通过无所不及的智能赋能业务，帮助企业持续增长。
5、AI改变边缘计算的未来
伴随着物联网的崛起，一个万物互联的时代扑面而来，不止是上百亿计的终端设备接入到云，更有以PB为单位的数据洪流，以智能摄像头为例，随着分辨率从1080P转向4K，其一天所采集到的数据量将达到200GB，据统计，2018年时平均每名互联网用户每天将产生1.5GB的数据量。
随着PB级别的数据源源不断的传送到云端，云端服务器所承载的压力也随着增大。能不能在物联网终端进行实时计算和处理呢?边缘计算应运而生。所谓边缘计算，指在靠近物或数据源头的一侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供智能计算和数据服务。这样带来的好处便是，终端设备产生的数据，不需要传送到云端，利用人工智能进行处理后，再返回数据产生端。利用边缘计算技术，数据在设备产生端直接计算，就近处理后便可直接反馈到设备。
5G技术的诞生，更是加快了人工智能与物联网的相结合，将进一步加强对边缘终端、传感器网络数据的实时收集和分析，提高我们使用能源、灌溉农田或配送商品的效率，同时减少浪费和污染。AI将改变边缘计算的未来，真正成就物联网，造福我们的生活。
6、AI改变云生态
随着AI的发展，云计算市场将产生更复杂的产业链关系。我们看到芯片能力、硬件能力、技术服务能力、算法开发能力在云市场中变得重要起来，而这些能力一家云厂商很难同时具备，这就带来了云计算变革中的另一个关键点：生态的地位急速增长。
今年以来，我们可以看到全球云服务市场不断加大收购力度。比如微软收购Github引起了轩然大波，但其产业目的，毫无疑问是将开发生态更紧密固定在自己的体系内。阿里云不仅做神龙服务器，还开始做芯片了。在2018云栖大会上，阿里将把此前收购的芯片公司——中天微系统有限公司和达摩院自研芯片业务一起，整合成一家芯片公司——平头哥半导体有限公司，大力推进云端一体化的芯片布局。
AI从芯片、算力、模型、场景应用到产品化，是个很长的条线，原本能力单一的云厂商，很难全面覆盖，而生态合作，共研共创是必行之路。伴随着企业级云应用的推进和深入，我们将来可以看到越来越多的云厂商在致力于推出联合解决方案，包括软件厂商之间的相互合作，也包括硬件厂商与软件厂商的合作。，
7、AI提升了开发者的地位
随着云2.0时代的到来，云市场重心从Iaas上移，企业更多地关注PaaS和SaaS业务建设，使得开发者成为所有IT企业竞相争夺的对象。
AWS和阿里云等新兴的云服务商，聚集了大批的云应用开发者。这些开发者已经成为他们的忠实粉丝，其追随程度超过了传统的开发者。传统硬件厂商，比如华为、新华三、思科等，也把开发者作为自己的重要合作伙伴，为云服务提供支持，因为其产品也要通过API实现与云应用的更好结合。
大量不同开发者，满足大量用户的复杂云需求。而云服务作为AI的必经之路，最理想状态是在其中作为接口。因为自身客户多，来聚集开发者;又基于开发生态的良好，吸引更多的客户加入。同时在AI之外，中国SaaS还有广阔的发展空间，开发者是主要的力量。加强开发者社区和工具建设，提高开发者的能力，为用户更好的服务。今年众多AI技术社区的建立以及AI开发者赋能计划的兴起，都可以看作这个云服务变化趋势的投射。
结语