Gartner公布了基础设施和运营(I&O)领导者必须在2020年为支持数字化基础设施做好准备的十大趋势。
Gartner高级研究总监Ross Winser表示:“在过去一年中,基础设施趋势集中在人工智能(AI)或者边缘计算等技术如何支持快速增长的基础设施,同时满足业务需求。这些需求仍然存在,但2020年的趋势清单反映出这些需求的‘叠加效应’,其中许多需求现在还不明显。”
Winser鼓励基础设施和运营领导者们应该从“全天运转的压力中”后退一步,为这10个关键技术和趋势做好准备,因为这些技术和趋势可能会在2020年及以后对支持数字基础设施带来重大影响。这些趋势是:
近年来,Gartner发现自动化在客户群中正在日渐成熟:大多数企业组织都在某种程度上实现了自动化,在很多情况下,这些企业组织试图让员工重新专注于更高价值的任务。但是,他们投资自动化时通常不会考虑自动化的整体策略。
Winser认为:“随着厂商不断涌现并提供新的自动化选择,企业面临着工具和流程重复、有隐藏成本等风险,最终让他们无法按照业务期望的方式扩展基础设施。我们认为,到2025年,那些最优秀的领导者们将致力于推动自动化,制定适当的自动化策略,以摆脱临时的自动化等问题。”
“当今的基础设施可能位于各种地方——托管的、本地的、边缘的、以及云服务形式的。而这带来的一个现实情况就是,混合IT将严重颠覆你现有的灾难恢复(DR)规划——如果你的灾难恢复计划还没有就绪的话。”
通常,企业组织非常依赖“即服务(aaS)”产品,这让你很容易忽略构建适当弹性所需的可选功能。例如到2021年,基于云的可用性问题中,有90%的根本原因是无法完全使用云服务提供商的原生冗余功能。
“如果企业组织还没有考虑构建新的混合基础设施,来审查针对传统系统设计的传统灾难恢复计划,那么他们可能面临风险。企业组织必须在设计阶段而不是部署后的两年内对弹性要求进行评估。”
对于那些试图扩展DevOps的企业来说,他们需要在2020年之前采取行动找到有效的方法。尽管产品团队通常掌握DevOps实践方法,但随着企业组织不断扩张DevOps团队数量,局限性也开始暴露出来。
Winser表示:“我们相信绝大多数不采用共享自助服务平台方法的企业组织会发现,他们的DevOps计划根本无法扩展。采用共享平台方法可以让产品团队充分利用基础设施和运营数字工具箱的潜在好处,同时受益于规模化所需的高标准治理和效率。”
“随着人工智能和机器学习等技术开始成为企业的重要竞争优势,规划如何管理数据爆炸式增长就变得至关重要。”据Gartner称,到2022年将有60%的企业IT基础设施把重点放在以数据为中心上,而不是数据中心上。
“出于性能和合规性的原因,把特定工作负载移至靠近用户的位置这一做法是可以理解的。但是我们正在迅速走向这样的场景:相同的工作负载运行在很多位置,导致数据难以保护。如果现在不做好准备,数据移动的级联效应加上数据快速增长将给基础设施和运营人员带来巨大冲击。”
物联网项目要取得成功有很多考量因素,单单一家厂商无法提供一套完整的端到端的解决方案。Winser说:“在初期讨论物联网难题的时候必须要涉及基础设施和运营,这样才能大范围地了解拟议的服务和支持模型,这么做可以避免不可预见的、服务差距的级联效应,后者在未来可能会带来令人头疼的问题。”
分布式云的定义是将公有云服务分发到不同的物理位置,而这些服务的运营、治理、更新和演进都是由原始公有云提供商负责的。
Winser表示:“新兴的分布式云将让基础设施和运营团队把公有云服务置于他们选择的位置,这对那些希望采用公有云实现现代化的领导者们来说,确实很有吸引力。”
但是他也指出,这些解决方案中有很多都出于初期阶段,这意味着有很多考量因素不容忽略。“必须尽早支持AWS Outposts、微软Azure Stack或者Google Anthos等新服务,以确保支持这些服务的基础设施和运营团队必须充分理解这些解决方案的交付模型。”
Winser表示:“基础设施和运营团队所提供的客户体验标准比以往任何时候都更高。以前的‘增值’项例如无缝集成、快速响应和零停机时间,现在都只是客户的基本期望。”
Winser提醒说,随着数字业务系统更深入地渗透到基础设施和运营中,即使细微的基础设施和运营问题所带来的潜在影响也会不断扩大。“如果客户体验好,那么你会不断地获得更多市场份额;但如果体验不好,那么立即就会带来影响,不仅仅是影响客户满意度,甚至可能影响到公司声誉。”
低代码是一种应用开发的可视化方法,这种方法对于业务部门越来越有吸引力,让具有不同经验水平的开发人员能够创建只需要很少或者没有编码经验的Web应用和移动应用,从而在很大程度上推动了业务部门的“自助服务”模型,无需使用中央IT来制定正式的项目计划。
随着低代码越来越普及,IT组合的复杂性也随之增加。当低代码方法取得成功的时候,最终是需要基础设施和运营团队提供服务的。从现在开始,对基础设施和运营负责人来说最大的好处就是嵌入了他们提供的支持,并对那些不可避免影响他们团队乃至整个企业组织的事情施加影响力。”
在很多情况下,网络团队可以很好地交付高可用的网络,而这通常是通过谨慎的变更管理实现的。而现在,基础设施和运营难以跟上技术变革的步伐,而且没有迹象表明这一变革会有所放缓。
Winser表示,保持持续运转的压力给网络造成了意想不到的难题。“规避风险、技术债务和厂商锁定等挑战,意味着网络团队面临着一条艰难的道路。2020年必须是转变企业文化的时候,因为投资网络新技术只是变革的一个组成部分。
随着混合数字基础设施不断发展,管理这种基础设施的规模和复杂性正在成为IT领导者面临的一个紧迫问题。
企业组织应该好好研究HDIM这一概念。HDIM旨在解决混合基础设施的管理问题。“这是一个新兴领域,因此对于厂商声称他们拥有的工具可以为当前所有混合管理问题提供统一解决方案的说法,企业组织要尤其小心。不过在接下来的几年中,我们希望专注于HDIM的厂商能够所有改进,让IT领导者能够更快地获得他们所需的答案。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。