IBM系统研究院副总裁 Mukesh Khare

一年前,很少有企业能预料到2020年出现的巨大变化。从3月底开始,新冠疫情打乱了整个世界的运转,迫使企业迅速调整其技术基础设施,首先让员工能远程开展工作,同时要做好更长远的规划,以应对前所未有的不确定性。对很多企业而言,重新改造IT基础设施是生存下去的关键。

对企业和组织而言,这意味着要加快速度,把更多工作负载迁移上云,更快地适应混合云的环境。随着企业数字化转型的推进,他们逐渐认识到混合云的价值,希望能够把每个云解决方案的优势发挥到极致。

进入2021,尽管企业仍会面对高度的不可预测性,但2020年所呈现的几个重要趋势,使得我们能够对来年做出一些预测。新冠疫情倒逼企业去思考一系列业务挑战,使企业对混合云的需求不断增长,对技术也产生了新的需求,这些需求包括:

• 更广泛地采用和试用与安全相关的新技术,包括机密计算、量子安全加密和完全同态加密(FHE,Fully Homomorphic Encryption)。

• 利用AI自动化更快、更容易地向混合云迁移。

• 将多个云和本地系统整合到一个统一的混合平台之上。

• 有能力通过混合云把更多工作负载放到智能边缘设备之上。

明年,我们预计企业将采用新的资源和战略来应对挑战,以推动业务发展,而整体大环境也对云计算和人工智能研究提出了新的发展需求。我们预测:

2021年,在安全技术如机密计算、量子安全和完全同态加密的加持下,即便是监管最严格的行业都将转向混合云。

很显然,在未来一年,企业会继续在混合云环境中对IT运维去中心化,即使是监管最严格行业中的企业也将如此。为了成功地做到这一点,企业和组织需要采取安全措施,确保系统和数据的完整性,实施零容忍的信任策略,同时遵守全球范围内更严格的数据隐私法规——所有这些都须随着复杂的安全威胁的演变而与时俱进。提供这些安全举措的硬件系统将被广泛采用,以保护本地和公有云上的工作负载。这些硬件系统如LinuxONE和IBM Z等进一步提高了开源和传统工作负载的安全性。

行业云,如IBM的金融服务云(IBM Cloud for Financial Services)和IBM的电信云(IBM Cloud for Telecommunications)等,专为应对监管非常严格行业的特有挑战和安全需求而设计。总体而言,企业希望在其混合云环境中能够采用包括机密计算在内的技术,他们希望数据在处理和存储期间都能得到保护,为了满足这些客户需求,我们将看到技术供应商会继续投资于安全技术的创新。机密计算结合存储和传输过程中的数据加密,以及对密钥的独占控制,可以保护敏感和监管非常严格的数据集和应用工作负载。

此外,包括IBM在内的科技公司正在开创量子计算机的先河,有望解决世界上最强大的超级计算机也无法解决的一些最具挑战的问题。这也可能带来风险,比如量子计算能够快速破解加密算法和访问敏感数据。我们预期企业将开始部署量子安全加密技术,为大规模的量子计算机成为为了日常技术工具而提前做好准备——这不仅是为了保护现有数据的安全,也是为了防范未来的威胁。

同样,越来越多的企业将开始尝试使用完全同态加密(FHE)来保护他们的数据。今天,加密技术使我们能够通过将数据隐藏在数学公式中而为数据添加额外的保护层,而数学公式只能由有权访问机密“密钥”的人读取,然而现有的加密技术也有其局限性。FHE技术则可以使数据在计算过程中也能保持加密状态。例如,保险公司可以对患者的医疗健康数据进行分析,但是其保险代理人却无法看到客户的任何个人身份信息。

通过教会机器“推理”,人工智能将实现向混合云的自动迁移。

人工智能技术,例如基于图形的技术、自然语言处理(NLP)和可解释的人工智能等技术已经被应用于人类语言——比如语音识别和语言翻译应用。现在,将同样的人工智能应用于机器代码将大大加快应用向云端的迁移,还能随之提高其可管理性。这些人工智能技术能够提供关于应用行为及其结构的推理,从而能够推荐并自动生成已识别的微服务候选项。

这种方法超越了“传统”的容器化过程。在将任务关键型工作负载迁移到云环境时,自动化是非常必要的。这在一定程度上是由本地任务关键型工作负载的复杂性所决定的。通常,企业首先需要确定其任务关键型应用运行的确切位置。位置确定好了之后,再将这些多年来一直在本地运行的应用和数据迁移到混合云环境,这个过程会涉及到很多工作,其中一些工作是企业可能无法直接控制的。

从自动实现应用在新环境中的现代化和部署,到协助日常应用管理——人工智能还将改善云开发人员和负责业务无间断运维工程师的体验。事实上,随着企业加速使用ChatOps等基于人工智能的技术和策略来管理其应用和环境,负责业务无间断运维工程师的角色将专注于更有价值的工作,他们将专注于主动地预测和应对风险,从更复杂的非结构化数据中获取深度分析等。

开源工具将帮助整合不同的云,使开发人员编程和使用混合云所需的技能变得更加简单。

今天,如果你想在自己的笔记本电脑上处理一个大数据集,这可能需要使用10万个容器,你需要知道怎样针对混合云重新编写应用。开发人员不仅需要访问混合云平台,还要使用工具和框架,才能有效率地解决问题。如果开发人员和数据科学家没有多年的容器化、并行化和容器编排工具使用经验,他们会发现在混合云环境中编程是非常困难的。

未来一年,开源工具将助力把很多不同的云和本地系统集成到一个单一、无缝的混合平台之上,这对于程序员和非程序员而言,都将大大缩短他们的学习曲线。企业将采用一种应用部署模式,这对于那些没有大量混合云专业知识的人员来说,更容易进行编程和使用。这方面的进展将有助于拥有混合云专业知识的程序员把更多的精力用于从事更高价值的项目。我们需要各个领域的专家能够专注于他们的实际问题,而不是把精力浪费在如何在跨多云的环境下高效运行他们的软件。像IBM Cloud Satellite这样利用Red Hat OpenShift的服务,可以允许用户在一个仪表板上跨任何环境构建、部署和管理云服务。

随着计算硬件效率的突破,我们会看到一些最先进和最强大的混合云硬件创新将扩展应用到边缘设备上。

混合云的核心在于能够把任何基础设施的强大计算能力推送到用户的指端,让他们唾手可得。然而,最强大的计算能力过去一直都局限于数据中心。

众所周知,用于人工智能模型训练的硬件非常消耗资源,耗费大量金钱、时间和精力。例如,目前部署的最大的工业规模模型——OpenAI的GPT-3,有1,75B个参数,比两年前的模型大100倍以上。训练就要花费数百万美元,训练期间产生的碳足迹高于20辆汽车的终生排放量。

2021年,我们将看到用于构建和部署人工智能模型的人工智能硬件会出现重大突破。与当今最好的商用系统相比,人工智能训练系统的效率将提高近一个数量级。结合5G技术的进步,边缘的可持续人工智能计算可能会消除云与边缘之间的界限——为混合云基础设施提供关键技术升级,并通过在边缘保留更多的数据,促使人工智能模型的隐私性和安全性取得重大进步。5G蜂窝架构有望成为推动边缘计算广泛应用的催化剂。

混合云基础设施上的人工智能硬件加速器能够为数据中心的大型人工智能培训工作提供支持。同样的核心人工智能硬件技术也可以小规模的部署,或者嵌入到边缘的其他处理器中。OpenShift兼容硬件加速器的扩展将进一步支持我们的人工智能硬件的灵活部署,使计算技术一直推送到边缘端。

如你所见,2021年的重点是同时提高人工智能的能力和效率,使其能够帮助企业应对一系列挑战,为更多企业安全地部署、简化和管理混合云环境。

尽管在这个颠覆性的时期,我们很难对未来做出精准的预测。然而显而易见的是,混合云技术的突破性发展,将成为企业挣脱禁锢,面向未来,大胆采用混合云平台战略而获得可持续成长的有力保证。