2018年，熱門(mén)技術(shù)仍將繼續(xù)享受萬(wàn)眾矚目，但也發(fā)生了一些變化。

     過(guò)去的一年，提起新技術(shù)，可以說(shuō)不勝枚舉：云計(jì)算的使用速度超過(guò)了分析師的預(yù)測(cè)，并衍生了一些新技術(shù)；人工智能被引入到日常生活的方方面面；物聯(lián)網(wǎng)和邊緣計(jì)算應(yīng)運(yùn)而生；大量的云計(jì)算技術(shù)變?yōu)楝F(xiàn)實(shí)，如Kubernetes，serverless，以及云數(shù)據(jù)庫(kù)等。新的一年是時(shí)候分析這些趨勢(shì)的落地情況，并一下預(yù)測(cè)2018年科技領(lǐng)域的趨勢(shì)。

     誠(chéng)然，大家都喜歡新技術(shù)，但一般的企業(yè)主、IT買(mǎi)家和軟件開(kāi)發(fā)人員對(duì)這一巨大的創(chuàng)新并不太了解，而且不知道如何將其轉(zhuǎn)化為商業(yè)價(jià)值。為此，我們探討了一些可能在2018年會(huì)看到的趨勢(shì)，其重點(diǎn)將是如何使新技術(shù)變得更容易和可消費(fèi)。

一切趨向serveless化

     亞馬遜和其他云服務(wù)提供商正在競(jìng)相獲取和保持其市場(chǎng)份額，因此他們不斷提高跨服務(wù)集成的水平，以提高開(kāi)發(fā)人員的生產(chǎn)力，并加強(qiáng)客戶粘性程度。例如亞馬遜在最近的AWS Re:Invent大會(huì)上推出了新的數(shù)據(jù)庫(kù)服務(wù)產(chǎn)品，并全面集成了人工智能圖書(shū)館和其他工具。同時(shí)，它也開(kāi)始區(qū)分不同形式的serverless：AWS Lambda是關(guān)于serverless功能，而AWS Aurora和Athena則是關(guān)于serverless數(shù)據(jù)庫(kù)，從而將serverless的定義擴(kuò)展到任何可隱藏底層服務(wù)器的領(lǐng)域。據(jù)推測(cè)，現(xiàn)在有更多的云服務(wù)將能夠通過(guò)該定義稱自己為“serverless”了。

     2018年，我們將看到云供應(yīng)商會(huì)更加重視并進(jìn)一步整合個(gè)性化服務(wù)。他們還將關(guān)注與人工智能、數(shù)據(jù)管理和serverless相關(guān)的服務(wù)。這些解決方案將使開(kāi)發(fā)人員和操作人員的工作更簡(jiǎn)單，并隱藏其固有的復(fù)雜性。然而，他們確實(shí)帶來(lái)了更大的用戶粘性風(fēng)險(xiǎn)。

     在2017年，Kubernetes作為容器編配的標(biāo)準(zhǔn)吸引了所有的云供應(yīng)商。2018年，我們將看到越來(lái)越多的廠商將在Kubernetes上建立的服務(wù)，該服務(wù)可以為私有云產(chǎn)品提供多云服務(wù)。Iguazio的Nuclio就是這樣一個(gè)開(kāi)放和多云服務(wù)器平臺(tái)中一個(gè)很好的例子，Red Hat的Openshift 多云 PaaS也是如此。

智能邊緣vs私有云

     云服務(wù)確保了企業(yè)所需的業(yè)務(wù)敏捷性，這對(duì)開(kāi)發(fā)數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用程序來(lái)說(shuō)是非常有必要的，無(wú)論是在初創(chuàng)公司還是在大型企業(yè)中。挑戰(zhàn)在于，企業(yè)不能忽略數(shù)據(jù)的引力，因?yàn)樵S多數(shù)據(jù)源仍然處在邊緣領(lǐng)域。5G帶寬，延遲，新法規(guī)如GDPR，以及更多的因素強(qiáng)制企業(yè)將計(jì)算和存儲(chǔ)放在離數(shù)據(jù)源更近的地方。

     今天的公有云模型是服務(wù)用戶消費(fèi)的，因此開(kāi)發(fā)人員和用戶可以繞過(guò) IT，引入一些serveless的功能，使用自助服務(wù)數(shù)據(jù)庫(kù)，甚至可以將視頻上傳到云服務(wù)中，并將其轉(zhuǎn)換為所需的語(yǔ)言。但是，當(dāng)使用本地替代方案時(shí)，你必須自己構(gòu)建服務(wù)，而技術(shù)棧的發(fā)展速度非常之快，所以IT團(tuán)隊(duì)幾乎不可能構(gòu)建出可以與云替代方案相比較的現(xiàn)代化服務(wù)。

     標(biāo)簽為“私有云”的IT供應(yīng)商解決方案與真正的云完全不同，因?yàn)樗鼈冴P(guān)注的是自動(dòng)化IT操作。它們沒(méi)有提供更高級(jí)別的面向用戶和開(kāi)發(fā)人員的服務(wù)——它最終是將幾十個(gè)單獨(dú)的開(kāi)源或商業(yè)軟件包組合起來(lái)，添加常見(jiàn)的安全層、日志記錄和配置管理等，這也為云供應(yīng)商和新公司進(jìn)入邊緣領(lǐng)域提供了機(jī)會(huì)。

     2017年，微軟首席執(zhí)行官Satya Nadella越來(lái)越關(guān)注他所謂的“智能邊緣”。微軟推出了Azure Stack，這是Azure云的一個(gè)迷你版本，不幸的是，這只包含微軟在云計(jì)算中提供的一小部分服務(wù)。之后，亞馬遜也開(kāi)始推出名為“Snowball Edge”的邊緣設(shè)備。

     智能邊緣不是私有云。它提供了與公有云相同的服務(wù)和操作模型，但它是本地訪問(wèn)的，并且在許多情況下是由一個(gè)中心云操作和維護(hù)的，就像操作人員管理我們的有線機(jī)頂盒一樣。

     在2018年，傳統(tǒng)的私有云市場(chǎng)將會(huì)逐漸萎縮，同時(shí)智能邊緣的勢(shì)頭將會(huì)增長(zhǎng)。云提供商將增加邊緣產(chǎn)品，新公司將進(jìn)入該領(lǐng)域，在某些情況下，通過(guò)集成產(chǎn)品到特定的垂直應(yīng)用程序或用例上。

從純技術(shù)到具有嵌入式特征和垂直堆棧的AI

     2017年，人工智能和機(jī)器學(xué)習(xí)技術(shù)快速興起，盡管獲得了大肆宣傳，但實(shí)際上主要是被亞馬遜、谷歌和Facebook等市場(chǎng)領(lǐng)先的網(wǎng)絡(luò)公司所使用。雖然對(duì)于一般企業(yè)來(lái)說(shuō)，人工智能是舉足輕重的，但是就大多數(shù)企業(yè)而言，的確還沒(méi)有理由去雇傭那些所謂的數(shù)據(jù)科學(xué)家，或者從頭開(kāi)始構(gòu)建和培訓(xùn)人工智能模型。

     我們可以看到Salesforce這樣的公司是如何利用其所承載的大量客戶數(shù)據(jù)將人工智能構(gòu)建到平臺(tái)的。其他公司也在沿著這條道路將人工智能嵌入到產(chǎn)品中。與此同時(shí)，針對(duì)特定行業(yè)和垂直領(lǐng)域的AI軟件解決方案，比如市場(chǎng)營(yíng)銷、零售、醫(yī)療保健、金融和安全也將不斷涌現(xiàn)。用戶不需要知道神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)或這些解決方案中的回歸算法。相反，它們將提供數(shù)據(jù)和一組參數(shù)，并得到可以在應(yīng)用程序中使用的AI模型。

     人工智能仍然是一個(gè)非常新的領(lǐng)域，有許多重疊的產(chǎn)品，而且沒(méi)有標(biāo)準(zhǔn)化。如果你在學(xué)習(xí)階段使用了像TensorFlow、Spark、H2O和Python這樣的框架，那么你將需要使用相同的方法來(lái)運(yùn)行推斷部分。2018年，開(kāi)放和跨平臺(tái)的人工智能模型將被定義。此外，我們還將看到更多的解決方案，這些解決方案可以自動(dòng)化構(gòu)建、培訓(xùn)和部署人工智能的過(guò)程，就像新引入的AWS Sage Maker一樣。

大數(shù)據(jù)到連續(xù)數(shù)據(jù)

     在過(guò)去的幾年中，企業(yè)已經(jīng)開(kāi)始開(kāi)發(fā)由主要IT技術(shù)驅(qū)動(dòng)的大數(shù)據(jù)應(yīng)用。它的目標(biāo)是收集、管理和集中分析業(yè)務(wù)數(shù)據(jù)和日志，以便將來(lái)應(yīng)用。數(shù)據(jù)收集在Hadoop集群和數(shù)據(jù)倉(cāng)庫(kù)解決方案中，然后由一組數(shù)據(jù)科學(xué)家使用，他們運(yùn)行并進(jìn)行批量處理作業(yè)并生成一些報(bào)告或儀表盤(pán)。然而，根據(jù)所有知名分析師的偵測(cè)，這種方法已經(jīng)被證明是失敗的，據(jù)Gartner的數(shù)據(jù)顯示有70%的公司沒(méi)有看到任何投資回報(bào)率。所以，數(shù)據(jù)必須是可操作的，才能從中獲得ROI。它必須集成到業(yè)務(wù)流程中，并從新的數(shù)據(jù)中派生出來(lái)，就像我們?cè)谀繕?biāo)廣告和谷歌、Facebook的關(guān)鍵詞鎖定中看到的一樣。

     數(shù)據(jù)洞察必須嵌入到現(xiàn)代商業(yè)應(yīng)用中。例如，訪問(wèn)一個(gè)網(wǎng)站或使用聊天機(jī)器人的客戶需要根據(jù)其最近的活動(dòng)或個(gè)人簡(jiǎn)介來(lái)獲得針對(duì)目標(biāo)內(nèi)容的即時(shí)響應(yīng)。從物聯(lián)網(wǎng)或移動(dòng)設(shè)備收集到的傳感數(shù)據(jù)連續(xù)不斷地流動(dòng)，需要立即采取行動(dòng)來(lái)驅(qū)動(dòng)警報(bào)、檢測(cè)安全違規(guī)、提供預(yù)測(cè)性維護(hù)，或啟用糾正措施。用于監(jiān)視和國(guó)家機(jī)密的可視化數(shù)據(jù)必須實(shí)時(shí)查看；零售商還利用它來(lái)分析銷售數(shù)據(jù)，如庫(kù)存狀況、客戶偏好以及基于觀察客戶活動(dòng)獲得的實(shí)時(shí)建議。數(shù)據(jù)和實(shí)時(shí)分析通過(guò)自動(dòng)化的過(guò)程降低了業(yè)務(wù)成本。汽車正變得越來(lái)越自動(dòng)化。電話推銷員和助手被機(jī)器人取代。艦隊(duì)、卡車、出租車司機(jī)或技術(shù)人員由人工智能和事件驅(qū)動(dòng)的邏輯統(tǒng)一編排，以最大限度地利用資源。

所有這些都已經(jīng)在2017年發(fā)生了。

     像Hadoop和數(shù)據(jù)倉(cāng)庫(kù)這樣的技術(shù)十年前就已經(jīng)出現(xiàn)了，比人工智能、流處理、內(nèi)存或閃存技術(shù)出現(xiàn)的早。企業(yè)發(fā)現(xiàn)，構(gòu)建數(shù)據(jù)湖的價(jià)值是有限的，因?yàn)樗麄兛梢酝ㄟ^(guò)使用更簡(jiǎn)單的云技術(shù)來(lái)進(jìn)行數(shù)據(jù)挖掘。而關(guān)注的焦點(diǎn)也從主要是收集數(shù)據(jù)轉(zhuǎn)到持續(xù)使用數(shù)據(jù)，這一領(lǐng)域的技術(shù)主要集中在收集靜止和以IT驅(qū)動(dòng)過(guò)程中的數(shù)據(jù)，而非流動(dòng)的數(shù)據(jù)。

     2018年，人們將看到從大數(shù)據(jù)向快速、連續(xù)數(shù)據(jù)驅(qū)動(dòng)型應(yīng)用程序的持續(xù)轉(zhuǎn)變。數(shù)據(jù)將被各種各樣的來(lái)源不斷地抓取。與預(yù)先學(xué)習(xí)或不斷學(xué)習(xí)的人工智能模型相比，它將在實(shí)時(shí)的情況下被語(yǔ)境化、豐富和聚合，這樣它就可以立即對(duì)用戶產(chǎn)生響應(yīng)，驅(qū)動(dòng)操作，并在實(shí)時(shí)的交互式儀表盤(pán)中呈現(xiàn)。

     開(kāi)發(fā)人員將使用預(yù)先打包的云產(chǎn)品，或者使用相關(guān)的原生云服務(wù)集成解決方案。在企業(yè)中，焦點(diǎn)將從IT轉(zhuǎn)移到業(yè)務(wù)部門(mén)和應(yīng)用程序開(kāi)發(fā)人員，他們將在現(xiàn)有的業(yè)務(wù)邏輯、web門(mén)戶和日常客戶交互中嵌入數(shù)據(jù)驅(qū)動(dòng)的決策。

總之，2018年，我們將看到這些變化：

1、智能邊緣領(lǐng)域?qū)?huì)增長(zhǎng)，傳統(tǒng)的私有云市場(chǎng)將會(huì)萎縮。

2、針對(duì)特定行業(yè)和垂直領(lǐng)域的人工智能軟件解決方案，AI模型將開(kāi)始開(kāi)放和跨平臺(tái)。

3、快速的數(shù)據(jù)、連續(xù)的應(yīng)用程序和云服務(wù)將取代大數(shù)據(jù)和Hadoop。

4、云服務(wù)將變得更易用，從而增加其與傳統(tǒng)和私有云解決方案之間的差距。

最后，企業(yè)請(qǐng)準(zhǔn)備好帶上鐐銬，被更多的用戶鎖定吧！