随着技术的发展，云计算技术不断进步，其目的也在发生变化。在当前的新常态中，有五个主要云计算元素，这对于期望维持竞争力和相关性的的组织至关重要：云原生应用于、部署多云战略、将移动应用程序划入云端、建构不切实际的数据湖，以及用于数据的民主化。这些分析工具对于协助行业部门沦为人工智能驱动型企业至关重要。人工智能某种程度是一种技术，也是一种不可忽视的商业模式改变。

调研机构Gartner公司认为，80%的内部部署开发软件现在反对云计算或云原生，大大发展的云计算生态系统使企业需要更加慢、更加灵活性、更加动态地运营，从而带给竞争压力。拒绝接受云原生和多云方法作为一种新的常态，意味著企业可以防止云计算供应商瞄准，可以获取多达5个9的号召亲率（99.999%），以防止每次停机造成平均值数百万美元的损失。由于68%的的组织早已制订了数字化转型战略，或者正在实行数字化转型战略，绝大多数的组织将云计算视作其变革战略的最重要组成部分，因此关于“数字化转型”这一术语的争辩仍在之后，因为企业必需做到的事情的本质一直不存在于云端。简而言之，企业必须拒绝接受这五个主要云计算元素才能在所有行业的白热化数字领域维持相关性。

此外，2019年对企业来说至关重要的三种人工智能技术是：视觉、语言和对话。行业领导者必须在自己的环境中利用这些服务，将云计算中人工智能引进现有的应用程序，并使企业需要用于供不应求的数据科学。因此，享有一个不切实际的数据湖，并以准确的方式标记和接收数据，与只是投资于分析服务比起更加有效地。多云推展数字化转型云计算行业论坛（CIF）最近的一项研究找到，的组织对多云环境更为对外开放，四分之三的的组织使用多种云计算服务来推展其数字化转型过程。

企业管理者再一意识到，云计算供应商瞄准不会妨碍多云方法所带给的创造力、可用性和流动性。用于AWS、谷歌、Microsoft Azure等大型供应商的混合云和多云环境的企业也更加多。云计算提供商也为某些功能创立了开源堆栈（如Apache Kafka）的托管地版本，希望了这一趋势的发展。这样可以更加精彩地从一个云平台迁入到另一个云平台，这是防止供应商瞄准的关键，同时依然容许企业专心于数字化转型。

云计算的标准化意味著多云为企业获取了极具成本效益的运营工作阻抗的服务，而云计算服务提供商的云服务价格常常不会发生变化。对于具备关键工作阻抗和云体验的企业来说，多云可以提升长时间运行时间和竞争力。企业通过多云战略，可以构建IT开支最大化，因为云原生技术的标准化容许企业用于合适的云计算供应商来取得准确的产品。

例如，微服务通过容器化（例如Docker）和选曲（例如Kubernetes）构建事件驱动的拓展（例如黑色星期五）。通过云计算基础设施展开超大规模配备，例如髯客户端（网络应用程序、原生移动应用程序、Alexa技能），它们用于多个微服务，获取强劲的弹性和灵活性，并自我修缮功能和设计。容器的选曲与云计算提供商结构和区域功能结合，有助抵挡部分云中断。

原生应用程序将不会消失？将原生移动应用程序迁入到云中对于构建物联网（IoT）、人工智能和虚拟现实也至关重要，这意味著原生应用程序必须维持实时。如果不是云计算人组的一部分，迁入应用程序的成本不会很高。

最后，必须创建一个不切实际的数据湖，以稳健的方式管理信息，防止将其变为沼泽，这对于在将人工智能和机器学习（ML）引进数据科学工具人组时维持竞争优势至关重要。因此对于企业来说，要维持相关性，他们必需拒绝接受人工智能，因为它某种程度是一种技术；它是一种不可忽视的商业模式改变。这些云计算趋势将之后在企业数字化转型战略中发挥作用，并将有助沦为人工智能驱动的业务，其中还包括了解理解应用于、数据、分析和身份管理的起到将如何增进企业提高效率和合规性。

建构不切实际的数据湖泊在过去五年中，互联网用户减少了82%以上，而调研机构Gartner公司预计到2022年数据量将快速增长800%，其中80%所谓结构化数据。随着企业大大部署云服务，2019年对于企业在其的组织中建构能用的数据湖至关重要。企业可以在所有系统、设备和服务中加到一组智能可找到的元数据标记数据，从每天分解的大量结构化数据和非结构化数据中萃取价值，将使他们需要运营分析、商业智能、机器学习和人工智能，并取得对新的效率的最重要洞察，以取得竞争优势。

与传统的数据仓库方法比起，数据湖架构的一个关键原则是获取一个摆放所有原始数据而会再次发生切换或遗失的方位，以便可以随便纠错对数据的任何切换。这种方法在企业中面对的挑战是维持对数据降落的掌控水平，以使数量和准确性会显得过大或变为数据沼泽。通过利用Lambda架构，企业可以取得用于几近动态的流数据的益处，完全可以立刻看见最重要事件。

这与传统的数据仓库方法比起，迈进了根本性的一步，传统的方法必需等候24小时。然后，企业必须简单的方法来解读数据，例如：存储分类法、通过分类来管理数据工作阻抗（例如，数据安全性和谁有权采访）以及数据科学工具，以协助数据科学家创立/应用于好的方程组到数据池以改良未来的分析。构建数据科学的民主化人工智能是一种不可忽视的商业模式改变。

2018年，人工智能和机器学习开始取得更好的吸引力，特别是在是在处置结构化和非结构化数据以协助企业作出智能决策和找到趋势时。如今，云计算人工智能可以获取大规模的智能功能，扫瞄大量的图像、音频、视频或文本文件来追踪模式和出现异常。一些人工智能的运作水平甚至在两年前都是不有可能构建的，将不会产生无与伦比的商业价值。

如今，人们更加认识到云计算人工智能在云原生生态系统中将如何革新业务模式。2019年，更加多的企业将人工智能划入其数字战略。仅次于的进账将是用于云计算人工智能替代人类已完成更好的荒谬任务，并将智能水平应用于基本的业务流程。

例如，人工智能聊天机器人可以在联系中心问80%的重复性问题，让工作人员处置更加简单和更加最重要的问题。这些智能工具需要避免管理负担，同时获取更加高级别的客户体验。

本文来源：aoa网页版-www.nuisance-tokyo.com