大数据与AI加持 华为云能否抢占云原生百亿级市场高地?

2021-06-22
来源:财联社 作者:黄心怡
2021年,是华为云兑现目标的一年。

华为云于2017年正式提供云服务,并在当年立下了要成为全球5朵云之一的“小目标”。根据Gartner今年4月发布的《Market Share: IT Services, Worldwide 2020》报告,华为云全球IaaS市场排名上升至中国前二、全球前五,正式成为全球五朵云之一。


不过,目标的实现并不代表华为云就此进入坦途,而可能是新阶段、新挑战的开始。


在华为云快速壮大的这几年,国内云计算市场也迈向了全新的发展时期。随着政府和企业上云的普遍化,云计算从原先的业务向云迁移,进入了业务生于云、长于云的数字化转型深水区。部署形式也从最初的公有云、私有云、虚拟化等单云,发展到多云、分布式云、混合云等更为复杂的模式。这意味着,包括华为云在内的国内云计算厂商亟需在新的发展趋势下,寻找新的打法策略,谋求新的增长点。


在众多新兴趋势中,云原生的概念尤为热门。根据中国信通院的相关调研数据,2019年云原生市场规模已高达350.2亿,且以年均增速超过30%的势头迅猛发展。


这不仅促使各大云服务商纷纷布局云原生,还吸引了资本市场的强烈关注。2020年9月,云原生数据仓库公司Snowflake登陆纽交所,当日市值突破700亿美元,成为有史以来规模最大的软件IPO


华为云同样把云原生列入战略重点。华为Cloud BU副总裁、全球Marketing与销售服务总裁石冀琳近日接受《科创板日报》采访时表示,华为云从一开始就在技术上全面拥抱云原生,而且在数据和AI领域具备比较深刻的理解,能够进行体系化的创新。


如何理解云原生?


云原生,顾名思义,即专为云平台而设计的应用。一位广州的云计算业内人士告诉记者,相比过去强调企业如何上云,现在很多业务从诞生之初就已经在云端,所以掌握云原生应用的部署与开发,成为了企业数字化转型的关键。国际知名咨询机构Gartner曾预测,到2022年,75%的全球化企业将在生产中使用“云原生的容器化应用”。


华为云在2020年8月发布了云原生技术平台Vessel和四大容器解决方案,并于同年11月提出了云原生2.0概念。华为云架构与技术规划部部长朱海培表示:“云原生2.0的侧重点,首先是多云的统一架构、统一体验,让云无处不在;其次是数据驱动、全栈AI,让智能无所不及。”


在多云与混合云的趋势下,企业采用多种云模式提升了云管理的复杂度,也对资源、数据和应用的高效协同带来了挑战。因此,在分布式云、多云的架构下,如果实现统一架构、统一视图,屏蔽多云的差异和管理复杂性,那么用户就能专注于业务本身,获得更好的云计算使用体验。


另一方面,云计算的发展导致大量数据在云平台汇集,为AI提供天然的算法模型训练场。各家云服务商都争相从单纯的云计算平台,发展成为云计算与大数据、AI等融合的一体化平台。对于华为云而言,从云端进一步向大数据、AI延展,为各行各业赋能,将是今年的重要着力点。


目前,在数据领域,华为云提出了FusionInsight智能数据湖解决方案,以湖仓一体理念为重心,包含Serverless数据湖探索DLI、统一数据平台MRS、数据仓库DWS、数据湖治理中心DGC、可信智能计算云服务TICS等。在AI领域,华为云则发布了一站式AI开发平台ModelArts,加强知识计算、图引擎、多模态、端云协同等技术应用,并打造了沉淀大量行业知识和数据的盘古AI大模型。


云原生大数据时代,湖仓一体是关键?


在数字化转型中,云计算是基石,数据是核心的生产要素。两者合力,将驱动数字经济的深入发展。但在当下的行业实际应用中,要发挥出云端数据的真正价值,依然存在种种挑战。


在朱海培来看,业界虽然已经诞生很多成熟的大数据引擎,也有很好的工具和平台,但都各自独立成体系,只为某一类特定场景而设计。随着云端数据量的增大,面临的场景也更加多样化。这让数据的统一成为当下迫切的需求。


“每一个引擎都存有一部分数据,如果不能把数据统一起来,那么每一次计算,都需要把数据从一个引擎里搬移到另外一个引擎里再做分析。这不仅浪费了带宽,也加大了整体系统的复杂度。”朱海培解释。


湖仓一体化是目前主流云服务商们探索的方向。在湖仓一体的统一数据平台上,既能完成数据湖的大数据分析,也能完成数仓快速查询、实时查询,从而帮助企业更好地实现数据价值的变现。


据悉,华为云FusionInsight智能数据湖解决方案提供湖仓一体的统一数据平台,通过底层统一数据存储,实现全局一份数据,让用户无需搬迁数据。同时,基于多引擎弹性计算,以一个平台多引擎支持批处理、流计算、交互式查询等。此外,用户还能以全局一个视图,实现全局统一元数据管理,像管理代码一样管理数据。


AI应用落地难:如何实现从1到N的快速复制


谷歌AlphaGO的人机大战引爆了人工智能行业。但在随后几年,人工智能在行业领域的应用并没有想象中的顺利。其一大瓶颈在于AI模型的泛化能力不足,很难在行业内大规模复制和快速落地。由于大多数AI模型是通过特定场景的数据训练出来的,无法通用。一旦场景更换了,就需要对AI模型进行重新定制化开发。


“AI这几年解决了从0到1的问题,可以把各种各样的AI应用开发出来,但更关键在于1到N,这需要模型的泛化。当AI工业化开发走上正轨的时候,整个AI会飞速地发展。”华为Cloud BU Marketing部长董理斌在采访中表示。


华为云的一站式AI开发平台ModelArts致力于解决从0到1的问题,让懂行业的人把AI应用快速开发出来。而今年4月最新发布的盘古大模型,则希望能够解决从1到N,即AI模型的泛化问题。


董理斌介绍,通过大量行业知识和数据对盘古大模型进行预训练,这样在面对特定行业场景时,用户只需要提供少量标记数据,对大模型进行微调,就能让AI模型获得很高的性能和泛化能力。迄今,华为云已发布业界首个千亿级规模的NLP中文大模型,预训练阶段学习了40TB中文文本数据;以及业界最大的CV(计算机视觉)大模型,包含超过30亿参数。


除了华为云外,国内的阿里云、百度云等也在挑战大规模预训练模型,积极发力人工智能领域。


根据IDC的《中国AI云服务市场(2020上半年)跟踪》报告, 2020年上半年中国AI云服务市场规模达10.9亿元人民币,华为云在整体市场份额上位列第四,而在机器学习公有云服务这一细分领域位列第一。


AI的商业化才刚刚开始,谈胜负言之方早。未来决胜的关键,仍然在于如何让AI与业务发展相结合,真正实现各行各业的应用落地。这不仅需要懂技术,更需要懂行业。

第一时间获取股权投资行业新鲜资讯和深度商业分析,请在微信中搜索“融中财经”公众号,或者用手机扫描左侧二维码,即可获得融中财经每日精华内容推送。

融中 热门

您可能也喜欢的文章