在过去的几十年里，云计算已经从配置虚拟机的更便宜的替代品演变为更细微和复杂的基础设施。尽管就原始基础设施成本而言，现在的云计算可能并不总是更便宜的替代品，但在改善数据集成、业务分析以及AI应用程序和服务的开发方面，该技术仍然有很大的潜能。

在塑造企业使用和开发云基础设施的方式方面，AI将发挥决定性作用。企业需要为新的AI系统提供大量数据，这方面激增的需求推动企业将不同类型的工作负载转移到云端。但这种迁移也带来很多新的挑战，因为对AI的担忧会体现在新法规中，而这些法规将影响很多云用例。下面让我们来看看塑造云计算未来的趋势。

1. 云计算并不总是更便宜的选择

公共云计算以比现有的托管IT服务更便宜而闻名。它还提供各种方法来改善多个企业应用程序和服务之间的集成。但现在这些初始成本优势已被抵消，因为云供应商将其投资货币化，导致企业成本增加。

基于云的存储和网络的基本成本大幅下降，而云服务和输出费用在某些情况下有所增加。此外，由于VMware等公司最近的合同变更，将工作负载转移到云端比十年前更昂贵。

咨询公司S-RM的咨询服务首席信息官Chris Vogel说，很多企业也需要与技术投资作竞争，例如物理数据中心，这些数据中心通常有长期合同和传统业务应用程序，可能需要进行重大的重建或重新设计。他解释说：“在转向基于云的模式方面，那些拥有数十年传统技术投资和技术债务的大型企业将有更大的提升。”

新冠肺炎疫情敲响警钟，让企业加快基础设施现代化，以支持电子商务交易、客户服务、混合劳动力和AI流程。Vogel说：“自那以来，现代化努力已经恢复到更正常的水平和速度，但现在对技术投资的需求仍然很大，云计算在其中发挥重要作用。”

2. AI使云数据成为必要

OpenAI的ChatGPT的推出为极其大型的数据集（特别是非结构化数据）开辟了新的可能性。但使用检索增强生成通过精确代码片段训练、微调和启动这些数据，需要新的、更好的方法来区分不同数据类型，以用于生成式AI系统。企业已经认可“数据是新石油”，这导致数据湖的激增。追求生成式AI将需要更精细的数据整理、质量评估、管理和集成方法。

Vogel说：“数据是王道，AI处理大量数据的能力现在被视为大多数企业的战略优先事项。”生成式AI正在影响企业为其最终用户和客户所提供的产品和服务。生成式AI和其他机器学习技术所需的大量数据使云计算成为最可行的可扩展选择。Vogel补充说：“从传统的本地基础设施运行AI功能根本不具有成本效益，这为基于云的解决方案铺平道路，在云端，基础设施几乎是无限的。”

3. 准备迎接各种类型的AI

AI和自动化平台提供商Sutherland公司数字工程服务首席执行官Dipankar Sengupta表示，企业正在开始为不同类型的AI做准备。在各种类型的AI应用程序中，有经典AI、生成式AI和自主AI。在预期中，云提供商正在相应地优化其基础设施。

随着AI和生成式AI工具被集成到云服务中，预计预构建的模型会激增，更重要的是，预先训练的模型将提供给企业，而无需内部AI专业知识或能力。Sengupta看到AI即服务模型的兴起，例如亚马逊SageMaker、谷歌云AI和Azure Machine Learning。

在部署这些AI服务时，安全和数据保护实践将变得越来越重要。Sengupta推測，随着这些服务的不断发展，监测将变得非常重要。

4. 生成式AI需要更强的知识产权保护

消费者AI服务通常附带免责声明，即他们收集的数据将来可能用于改进AI系统。咨询公司TEKsystems的数据现代化董事总经理Srinivasan Swaminatha表示，由于生成式AI渗透到业务的大多数方面，例如，公司律师预计将更密切地审查合同，以确保公司的专有数据受到保护。他解释说，主要云供应商提供的所有大型语言模型（LLM）都带有“你的数据将确保安全”的通知。但法律、合规和IT团队将越来越有责任确保AI系统组件经过精心设计，以防止数据泄露。很多大企业正在辞退了解公司秘密的员工。

5. IoT和边缘到云支持新的用例

当云计算首次出现时，重点是使企业更容易将所有现有IT流程迁移到更集中的基础设施中。企业和供应商越来越多地发现，这种方法并不总是有意义。例如，较新的治理要求涉及企业在本地运行很多工作负载。此外，涉及工厂设备和自动驾驶汽车的物联网用例可能需要在集中式基础设施之外运行工作负载，以减少延迟并降低AI培训成本。

Vogel说：“在过去的十年里，物联网出现在越来越多的应用程序和业务中。”IoT设备传输数据到集中位置进行处理，正在迅速被边缘计算增强或取代。这种转变需要将处理能力转移到网络边缘，并更靠近端点，以加快处理速度并更有效地交付结果。此外，对于边缘计算，带宽通常可以减少，并加速商业智能。

6. 数据中心和AI浪潮引发环境问题

传统上，与建筑或运输相比，信息技术的碳足迹可以忽略不计。但AI需要大量的能量，促使对云数据中心的审查更加激烈。尽管吹捧他们的净零或低碳数据中心，因为他们正在购买太阳能，有些云提供商可能会掩盖连接数百英里外的太阳能领域的影响或他们的用水对当地社区的影响。

数据中心的迅速扩散有可能提高社区的电力和水费，这些社区被迫为新发电厂付费，运行新电线，并为云提供商安装新的供水基础设施。核电站作为更清洁的能源，可能会为AI应用提供必要的电力并减少排放，但需要掩埋核废料长达1万年仍然是个问题。

Sengupta警告说，AI和其他新兴技术的耗电量和环境消耗的上升不仅成为科技行业的关键问题，也成为公共部门的重要问题。尽管量子计算处于起步阶段，但可能会进一步加剧这些担忧。Sengupta建议企业应该寻找真正的绿色云计划来抵消其碳足迹，这可能会导致额外的云编排，例如多云或混合云生态系统——其复杂性可能会增加云生态系统对超自动化的需求。

7. 多云和混合云投资需要更多的监督

据Vogel称，云供应商正在寻找更有创意的方法将他们的投资货币化，并转向多云和混合云环境。这些方法使企业能够根据特定需求和要求定制云服务，以最佳方式分配工作负载。他们还限制了单一供应商的风险敞口，并提高价格竞争力。云编排工具有助于管理这些多样化的环境，并减少对运营的影响。

开源数据库提供商Percona公司解决方案营销经理Kate Obiidykhata解释说，受AI、边缘计算和整体数据增长的影响，公司必须为云服务预留的总体预算继续增长。在成本上升之后，她推測，那些运行云服务的人将面临更大的压力，以证明他们的投资是合理的，提高他们的工作负载效率，转向其他云服务或放弃云。多云思维将需要额外的管理挑战、工具的标准化和更好的流程，以确保多个地区的安全和合规性。

8. AI云催生新的安全挑战

云供应商正在改进其平台的安全态势，但这些改进并不总是与安全专业人员应对新威胁的方式一致。IBM的2024年数据泄露报告发现，由于云平台网络攻击的速度和可扩展性，企业泄露的全球平均成本为488万美元，而公共云泄露的成本为517万美元。云安全平台提供商Sysdig的网络安全策略师Crystal Morin说：“云计算很好，因为它可以快速自动化和扩展，但攻击者也同样可以利用这一点。”

生成式AI也在加快发展，导致企业成本增加。Sysdig威胁研究团队在2024年初估计，与最新LLM服务相关的云账单的潜在成本可能达到每天40,000美元。在不到六个月的时间里，最新版本的LLM每天的这一数字已经膨胀到10万美元以上。这些成本可以很快产生。Morin建议，企业必须改进其监控技术，以防止攻击，然后才能扩大规模；否则，随着在云中运行的LLM的增加，这些成本将增加。

9. 降低云消耗的成本将上升

咨询公司Kearney的合伙人Himanshu Jain说，很多AI工作负载正在转移到云端，但其他IT工作负载仍在本地，以降低成本。他解释说：“有些趋势会降低消耗，而其他趋势会迫使消耗增加。”然而，他预计整体云预算将增加。

Jain说，降低云消耗的因素包括重构工作负载以利用云原生功能和FinOps实践（以提高效率），但这些好处的代价是，迁移新的和更复杂的AI工作负载相关的成本增加。他报告说，很多公司正在将未来几年的云账单增加10%至20%的预算。

减少供应商锁定和提高业务连续性的多云策略可能会增加这些成本。据Jain称，一家大型零售商制定了多云战略来提高复原力，由于这种风险多样化战略，支出也增加了高达10%。

10. 更高效的查询性能技术优化数据存储

云基础设施支持多种数据组织方式，包括虚拟磁盘、对象和各种类型的数据存储。AI正在增加这些存储的规模和更新速度，更不用说云成本。Obiidykhata说，企业将越来越多地寻找提高查询性能和更有效地运行查询的方法，而无需扩展到更大的实例。她预测，老派数据管理技能集将更有价值，因为它们可以将各种配置与具体和可实现的节省联系起来。预计对数据库管理员的需求会增加。

为了管理新的工作负载和云，越来越多的企业正在将Kubernetes上的数据库与应用程序一起使用。因此，开发人员和IT运营团队一次只需要管理一个平台，而不是将容器化应用程序与基于云的数据库机器或数据库即服务（DBaaS）选项集成。Obiidykhata说，使用Kubernetes和开源数据库意味着你没有被锁定在特定的DBaaS或数据库服务中，因此随着时间的推移，你有更多的选择。

11. 配置、监控获得云AI自动化提升

数字转型平台提供商Globant北美首席技术官Nicolas Avila表示，企业正在努力提高配置、绩效监控和成本管理等任务自动化的效率。目标是减少手动工作量，提高准确性和响应时间。但自动化也会带来挑战，例如决定是否使用预先训练的AI或高质量数据来训练新模型。最佳实践包括使用合成数据和保持团队之间的协作，这对成功的自动化至关重要。此外，Avila说，预计AI在云管理中的整合会增加，以实现更好的自动化、成本优化、数据分析和IT支持在决策、预测趋势和个性化体验方面。

12. 治理、合规挑战增加云管理负担

AI及其法规的更广泛部署将进一步给云管理带来负担。Morin推测，国家将更加关注企业如何使用AI和保护其AI平台。IT经理和合规团队将需要将这些平台安全地嵌入到他们的运营和数据池中。

基于云的网络安全平台提供商Coro公司联合创始人Dror Liwer表示，预计在部署生成式AI的推动下，将有更多的国家和地区政府数据隐私法规。他表示：“这些法规将从上到下影响SaaS架构，最终导致云合同和不同用例的定价调整。”

监管机构正在评估更好的方法来运用和执行现有法律（例如GDPR和HIPAA）以及欧盟《AI法案》和《数字运营弹性法案》、印度的《数字个人数据保护法》和《加州消费者隐私法》等新法规。

未来需要哪些云计算技能？

更复杂的工具正在出现，以简化云中管理操作的很多方面，这将需要新的技能。咨询公司Protiviti的云工程董事总经理Randy Armknecht说：“我认为对系统、系统架构和组件交互的理解将变得更加重要。单个组件选择将不断发展，但对系统如何实现预期业务成果的更高层次的理解将是一项持久的技能。”他补充说，对于简单的聊天机器人查询、训练AI应用程序以及部署和配置云服务的示例编码来说，提示工程技能也可能变得至关重要。

此外，Kearney公司主管Pranav Sharma表示，企业对数据中心现代化技能的需求将增加，以改造一二十年前建造的设施。随着基础设施即代码的更广泛部署（以配置和自动化基础设施），云从业人员将需要学习DevOps和现代化技能。

此外，云安全和合规平台提供商Qualys公司EMEA North董事总经理Matt Middleton-Leal表示，预计对云安全技能（涵盖工具和流程）的需求将增加。他认为，CISO的技能组合将在2025年发生变化，更加强调风险量化和管理最佳实践。部分重点将是管理网络保险成本的上升。Middleton-Leal解释说：“CISO必须更加关注他们可能因漏洞或攻击而产生的成本、对业务的影响以及将损失多少收入，同时能够将其安全战略如何预防和减少这些损失进行货币数字化展示。”

云计算的未来

作为一个概念，云计算不太可能很快被取代。但企业如何以及在哪里创建、部署和管理应用程序和工作负载将继续演变。配置和自动化的新方法可能会塑造云基础设施的未来。

早期的云部署侧重于通过在虚拟机上运行传统应用程序的整体方法。现在注意力转向小型部署，以支持敏捷开发流程。例如，微服务使团队能够创建一个由更多模块化应用程序组成的生态系统，而无服务器平台提供了一种根据需要调用无状态应用程序的方法。这两种方法都有局限性，包括复杂性、集成和管理挑战。

据Forrester Research称，云平台将重新利用WebAssembly或Wasm格式在浏览器上运行高性能应用程序，以支持可以在云平台上运行的WebAssembly系统接口（WASI）。这一趋势可以提供更多模块化开发的好处，克服微服务和无服务器方法的局限性。

Sengupta说，预计相互关联的生态系统将成为常态。跨云平台、IoT网络和连接层的安全集成可以帮助企业充分发挥安全和透明客户服务的潜力，实现新的商业模式和收入来源。

开源Linux软件提供商SUSE亚太地区高级总监兼首席技术官Vishal Ghariwala承认，未来的IT计算模式将逐渐从本地基础设施发展到云和边缘计算。企业将需要发展所需的技术技能，以统一本地、云和边缘环境，以适应云原生开发方法，最大化AI应用程序并支持坚实的安全基础。