《IDC&腾讯云:2023下一代云助力企业智能加速-聚焦平台能力支撑智能化业务发展(46页).pdf》由会员分享,可在线阅读,更多相关《IDC&腾讯云:2023下一代云助力企业智能加速-聚焦平台能力支撑智能化业务发展(46页).pdf(46页珍藏版)》请在三个皮匠报告上搜索。
1、聚焦平台能力支撑智能化业务发展下一代云助力企业智能加速、效能提升、创新涌现IDC观点第一章 泛智能时代来临,企业加速构建云上智能.从规模化创新迈向智能创新.智能创新时代企业发展三大诉求:加速、敏捷、创新.以技术为驱动,以AI原生力为核心,推进企业数字化业务发展第二章 云智共衍共生,助力企业智能创新.在下一代云上实现加速智能、效能提升、创新涌现.以PaaS为核心,构建下一代云上的AI原生力第三章 下一代云上的关键技术发展趋势.下一代云的六大核心元素.下一代云上的关键技术第四章 IDC建议关于腾讯云ContentsIDC观点IT技术促使企业从单点创新迈向智能创新。生成式AI和大模型的快速发展,带来
2、了新的交付模式和创新形式,企业在从单点创新经历规模化创新后,全面迈向智能创新阶段,创新的思路也将从“基于人获取资源”升级为“以智能化工具为驱动”。企业智能创新时代发展的三大诉求:加速、敏捷、创新。在智能创新时代,产品迭代速度快,市场需求变化快,商业模式演进快,在“快速”变化的环境中,增强企业的适应性,提升行业竞争力是企业发展的首要考虑。将先进的智能技术作为生产工具,实现加速、敏捷、创新等目标,成为企业在智能时代发展的主题。企业应以AI原生力为核心、以云平台为支撑推进数字化业务发展。企业应始终以技术为驱动力,增强以AI原生力为核心的数字化能力,持续发展数字化业务。数字化业务的发展离不开云平台支撑
3、。云智共衍共生,云是AI落地和发展的土壤,同时AI也会助推云平台发展,以AI为向导的云平台技术将从技术、业务、生态三个维度支撑企业数字智能业务发展,助力企业数字化转型。下一代云支持企业实现智能加速、效能提升、创新涌现。下一代云从基础设施、平台功能、智能应用多层面、全方位为AI原生力提供支撑。云平台基础设施是支撑AI原生力的根基,智能应用是AI原生能力在业务纵深方面的延拓,平台功能作为承上启下的中间层,向下调度、管理IaaS层的基础资源,向上支撑SaaS应用的部署、运行,是支撑AI原生力的核心,其功能将随着云的发展持续增强。企业在下一代云上可以获得高效应用AI的能力、在云上获得AI加持的工具、在
4、云上实现以智能驱动的应用创新。PaaS成为定义下一代云的核心能力。下一代云非常需要依赖PaaS层的能力,从而降低应用AI和大模型能力门槛,基于容器、微服务、集成和API管理、ML软件服务、AI软件/组件、低代码/无代码、开发工具、云应用服务平台、安全治理、数据管理等云上服务能力,在云上整合资源,在云上快速获得新能力,在云上统一管理数据和应用,满足企业对云高可靠、高可用、高弹性和可观测等使用需求。IDC看到,市场需求正在进一步向PaaS层进发,其正在成为公有云服务市场增长的主要动力。IDC预测,-年中国公有云市场复合增长率为.%,其中IaaS为.%,PaaS为.%,SaaS为.%。云平台服务商应
5、提升云平台的综合性能,提升核心竞争力。云服务提供商,除了提供质量可靠的硬件、灵活部署的软件、优质及时的售后等基础服务外,还应紧紧抓住智能化发展浪潮中企业对平台化能力的需求,建设功能强大的中间服务平台,增强软硬件差异化服务实力,为企业提供多模态数据采集分析、大模型纵深场景应用、智能化资源调度、现代化极简开发等服务。通过打造超高算力、超大存储、极致访问、稳定安全的基础设施,多样化数据存取、场景化智能分析、现代化应用开发、多方位安全管控的平台能力,多维度、广领域、全方位的智能应用服务,提供全面、敏捷、创新的智能云服务,助力企业提升以云为基础、数据为核心、智能为导向的数据智创力。.从规模化创新迈向智能
6、创新生成式AI和大模型的快速发展,加速技术发展史演进。年,ChatGPT火爆全球,AI预训练大模型的持续发展、人工智能生成内容(AIGC)算法的不断创新以及多模态AI技术日益主流化,促使AIGC技术加速成为AI领域的最新发展方向,拉开了以大模型为驱动的新一轮AI加速发展期。生成式AI和大模型的发展不仅实现了人类通过自然语言与机器对话,而且必将带来从终端到连接到各类应用的全面变革,推动企业产业链、价值链和生态链的重塑,从而为企业实现更多维度的创新开辟新的路径。ChatGPT与生成式AI均为大模型的应用场景之一。基于更好的通用性,更精准的表现,大模型能够大幅降低AI开发和落地的门槛,提升预测模型的
7、效果。AI无处不在成为趋势。第一章泛智能时代来临企业加速构建云上智能生成式AI和大模型的应用,促使IT技术从规模化创新阶段迈入智能创新时代。云计算、大数据等IT新技术的迅速发展和普及,催生了人工智能、物联网、区块链等平台化和生态化创新技术,改变了人类的生活方式,加速了社会发展过程,为人类带来了更加便捷和丰富的生活体验。IDC认为,IT技术对企业的赋能包含三个阶段:单点创新、规模化创新、智能创新。单点创新:在云计算、大数据、移动、社交等新兴技术在企业中逐步得以应用和普及的初始阶段,新型交付模式的出现推动了移动平台、社交模式的发展,虚拟化和移动战略逐步成为了企业的首要考虑。但是人们往往通过竖井式获
8、取资源,只能实现技术本身的单点创新应用。图 大模型和生成式AI引领下一代人工智能发展来源:IDC,生成式AI是大模型的应用场景之一,包含生成文本、生成图像、生成视频、生成代码、生成音频等。生成式AI推动了大模型的发展。大模型是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型,训练数据多样化,修改或微调后可以满足各种下游任务的需要,其训练过程中可能使用了上千张以上的GPU/CPU芯片。IDC年调研显示,中国企业对生成式AI持开放态度。%的企业正在做探索及布局,%的企业已经开始增加对生成式AI与大模型的投资。中国企业看好生成式AI在知识管理(%)、营销(%)和代码生成(
9、%)等场景的应用。中国企业认为生成式AI最有可能带来影响力的业务领域是创意密集的产品开发/设计;其次是劳动及体验密集的客户服务;此外,在市场营销、人力资源、销售供应链方面也同样具有影响力。人工智能机器学习深度学习生成式人工智能自动语音识别/自然语言处理规模化创新:随着分布式、大规模、移动性数据处理需求的急剧增加,以云技术为基础的人工智能、物联网、区块链等平台化处理技术成为趋势,这些技术基于广泛地、快速地获取资源,安全、便捷、高效地处理数据,实现了产品/服务的多重创新,标志着IT技术迈入云驱动价值创造的规模化创新阶段。智能创新:将人工智能技术、移动互联网、量子计算等新一代信息技术与生产制造技术进
10、行深度融合,实现自动化、产业化、协同化创新,提高企业自动化和系统自治化水平,提升企业生产、制造过程的效率和质量,标志着企业从规模化创新迈入智能创新阶段。在智能创新阶段,生成式人工智能的快速应用,将使人工智能从软件堆栈中的一个新兴细分市场,发展成为实现智能化发展的关键平台化能力。企业将从“基于人获得资源”实现创新,转变为“以智能化工具为驱动”实现创新,布局智能能力成为企业发展的必然趋势,生成式AI和大模型将为企业实现更多维度的创新开辟出新的路径。图 技术创新三篇章:单点创新、规模化创新、智能创新来源:IDC,新技术和新交付模式云计算大数据移动社交平台化和生态化人工智能物联网区块链自动化和系统自治
11、化生成式人工智能通用人工智能量子计算人机融合基于竖井式地获取资源,实现独立、单点的创新基于广泛地、快速地获取资源,实现产品/服务的多重创新基于智能化技术和工具,实现自动化、产业化、协同化创新单点创新单点创新规模化创新规模化创新智能创新智能创新.智能创新时代企业发展三大诉求:加速、敏捷、创新在智能创新时代,产品迭代速度快,市场需求变化快,商业模式演进快,“快速”成为了智能创新时代的基调。资本、技术、人员的全球化流动使得企业竞争愈加激烈,数字技术和人工智能技术正在重新塑造产业格局,市场需求更加多样化和个性化,持续的变化正在成为常态。受全球化、网络化、数字化、智能化的深刻影响,企业也将面临更加复杂、
12、动荡的竞争环境。如何在“快速”变化的环境中,增强企业的适应性,保持行业竞争力是企业发展的首要考虑。生成式人工智能及大模型等先进技术的应用促使企业的生产力发生了革命化的演进,企业的效率和产能发生了质的飞跃。企业管理者们敏锐地意识到,智能化技术将极大影响生产力水平和企业利润率。然而,智能技术的发展在给企业带来机遇的同时,也带来了新的挑战:如何将智能技术与企业需求有机结合,持续提升企业生产力和生产效率,为企业赢得最大化收益,是企业布局智能化技术的首要考虑;智能化技术的持续发展也让管理者必须考虑,如何有效利用或升级现有智能技术,加速适应技术、市场、政策、经济环境的持续变革;企业的竞争力来自于产品、服务
13、的不断升级、创新,如何将智能技术应用于商业新模式探索、提升差异化能力也是企业的重点关注方向。图 年企业技术发展战略和投资最关注的风险因素来源:IDC,技能短缺,阻碍生产力和效率供应链不稳定,无法保障IT硬件设施供给经济衰退带来的预算变化,影响云服务采购不足的竞争力影响业务收入地缘政治能源短缺市场购买力通货膨胀IDC数据显示:中国企业认为,弥补技能短缺带来的不足以持续提升生产力和效率是影响企业技术发展的首要因素;其次,供应链不稳定、经济衰退、能源短缺、地缘政治等不确定因素带来的挑战将持续显著影响企业的技术发展战略;此外,如何持续提升竞争力以维持业务收入稳定发展也是企业关注的话题。因此,积极适应发
14、展趋势,不断布局先进技术,保持高效生产力,提升企业适应力,从而以持续创新力保持竞争力,是企业发展的主题。可以说,加速、敏捷、创新是企业在智能时代具有竞争力的关键能力。加速:智能生产关系离不开智能生产工具人工智能等前沿技术取得突破性进展并逐步被广泛应用于社会生产,带来了生产力的新跃升与生产方式的新变革,形成了智能化生产体系。智能生产关系离不开智能生产工具的支撑。企业引入生成式人工智能技术,聚焦自身业务,将AI作为企业服务增量,提升生产效率和产品质量,以实现降本增效。图 企业智能创新时代发展的三大诉求:加速、敏捷、创新来源:IDC,企业面临的挑战企业发展目标如何布局先进技术,持续提高生产力和运营效
15、率如何加速适应技术、市场、政策、经济环境的持续变革如何探索新商业模式,通过新产品、新服务增加企业差异化竞争力敏捷创新加速敏捷:发挥技术优势,助力企业应对风险人工智能技术将助力企业敏捷应对供应链和市场变化。一方面,企业应用AI技术可实现供应链的全链条可视化和智能化管理,实时了解物料的采购、运输和库存情况,从而依据大数据分析预测的市场需求变化,合理安排物料储备,提高供应链的灵活性和响应速度。另一方面,应用生成式AI和柔性制造技术,可以快速响应市场需求,及时调整产品规格和生产计划,提高生产灵活性。创新:提升应用功能,推动企业差异化竞争人工智能技术的引入将促进企业探索商业新模式,通过开发新产品、提供新
16、服务提升其差异化竞争能力。在产品研发阶段,应用生成式AI技术模拟市场环境,挖掘用户需求,可以生成新的产品概念和设计,提升企业产品创新能力;在产品销售阶段,应用生成式AI技术,全面、深刻挖掘客户对除产品外的其他服务需求,将企业服务延伸至除产品供应外的其他环节,为用户提供个性化、定制化服务,可有效提升企业的差异化竞争能力。.以技术为驱动,以AI原生力为核心,推进企业数字化业务发展为实现加速、敏捷、创新,企业将以技术为驱动力,持续发展数字化业务。企业数字化业务的核心是实现数据的业务化,利用数据更好地支持创新,实现数据变现和资产化。数字业务包括流程、产品、服务、体验的方方面面。在发展数字化业务的过程中
17、,企业将更加重视AI赋能的数字化业务的构建。智能化、数字化技术等技术的应用,不仅能够帮助企业实现业务流程创新,助力企业降本增效,而且可以从购买流程和个性化服务等方面改善用户体验,帮助企业实现用户体验创新。人工智能将作为底层思维用于应用和架构设计,它不再是软件堆栈中的一个新兴细分市场,而是关键的平台化能力和底层思维。智能创新时代,企业需要AI原生的数字化能力,即AI原生力。AI原生力指企业架构或应用在设计之初即考虑到AI的应用和能力原生为AI而设计,充分利用和发挥AI大模型的优势,提高企业的智能化水平。图 数字化业务的定义与核心来源:IDC,定义:数字化业务是指一个企业的价值创造是基于对数字技术
18、的使用。包含四个维度:内部和外部流程与客户、供应商和合作伙伴的互动方式吸引、管理和保留人才的方式产品、服务和体验核心:制定数字化优先战略由CEO或其他C-level管理者直接参与推动借助技术提升竞争力数字化创新项目带来规模化效益数字化转型带来切实、可量化的业务价值流程 人员 产品/服务 体验转型AI原生力包括技术、业务、生态三个维度:技术维度:AI原生不再是简单地基于AI、应用AI、适应AI,而是从设计、功能、架构之初就思考AI、融入AI、内建AI,实现AI在架构中无处不在。作为企业数字化业务开展的基础,AI原生技术的应用实现了具有部署、调优、节能、诊断、退役等能力的智能算力调度与管理系统,增
19、强了IT基础设施的可靠性和可用性,保障了数字化业务的正常开展,提升了企业运维效率,降低了运维成本。此外,AI原生力为企业提供了灵活的IT性能保障,企业只需关注自身的研究领域、行业特点、场景需求,根据自身需要选择相应平台、模型即可,无须从零开始建设。业务维度:从企业业务运营维度看,AI原生力不仅可以提升企业生产的自动化水平,而且可以优化管理决策和企业业务流程,提升产品服务满意度。一方面AI原生力应用于企业生产,提升了生产自动化水平,帮助企业将劳动力从繁琐、简单、低价值、高风险的工作中解放出来,提升了企业的生产效率。另一方面,将AI原生技术应用于管理决策,能够帮助企业提升决策正确率,降低风险。此外
20、,利用AI原生优化企业业务流程,基于数据流赋能技术流、物资流、资金流和人才流的发展,可以改变企业成本结构和价值创造过程,促进企业的业务创新和模式变革。AI智能客服的快速响应、智慧应答可以改善产品体验感,提升了用户的产品、服务满意度。生态维度:在行业生态层面,AI原生力推动了产业结构的升级换代,催生新的商业模式和技术,改变企业的商业惯例,开启了行业生态新模式。AI原生力可简化应用开发流程,提升了企业智能化应用水平,引领精准预测、自动化、智能化、云化和边缘化的发展趋势,此外,AI原生力能量的发挥更需要依赖上下游协作,通过打通硬件、软件、算法、数据等多个环节的完整智能生态链,进一步推动企业、行业的数
21、智化创新。图 AI原生力包含三个维度:技术层面、业务层面、生态层面赋能行业生态种的应用模块、商业模式、供应链治理和协作优化业务运营过程中的数据管理、流程优化、决策制定、知识图谱、人员治理提升IT系统的灵活性、可靠性、可用性、韧性生态技术业务来源:IDC,.在下一代云上实现加速智能、效能提升、创新涌现云平台已经成为支撑全球企业数字化转型的关键基础设施,智能时代也如此。云技术开启并贯穿了数字化转型时代,从单点创新到规模创新直至进入智能创新,云始终是所有新技术、新解决方案发挥效力的发射台。在智能创新时代,企业生产力发生了革命化的演进,效率和产能将发生质的飞跃。因此,企业需要适应技术发展趋势,不断布局
22、智能能力,保持行业竞争力。云智共衍共生,云是AI落地和发展的土壤,同时AI也会助推云平台发展。企业数字化业务发展离不开AI原生力支持,而AI原生力的呈现则依赖于云平台的托举。IDC的研究表明,全球%的企业云计算决策者表示,人工智能/机器学习服务的可用性是他们选择云应用平台服务供应商的一个因素;在中国,在落地生成式AI的过程中,有%的企业将选择公有云提供商作为其生成式AI技术合作伙伴,企业认为加强与云服务商的合作是首要诉求。第二章云智共衍共生助力企业智能创新智能时代企业对云的需求正在发生改变。随着智能化技术的发展,企业生产力发生了革命化的演进,效率和产能将发生质的飞跃。因而,企业需要适应技术发展
23、趋势,不断布局智能能力,保持行业竞争力,但传统的云能力已难以适应企业在智能创新时代的需求。大模型的出现对云的综合能力提出了更高要求,已经采用云计算的企业正在衡量效率、生产力和创收等方面的业务效益,同时云服务商需要在云上构建AI相关能力,为企业提供价值创新的动力。IDC认为,企业希望在云上实现以下目标:在云上获得应用AI的能力:生成式AI等智能技术的应用和落地对云基础设施的能力提出了更高的要求。大模型训练、图形处理等智能技术的落地不仅需要大量的AI芯片提供超强算力支撑,而且依赖智能存储设备提供弹性、安全、可靠的存力保障,光传输设备带来的高速、稳定的网络,以及安全、可靠的数据存取策略。IDC预测,
24、到 年,%的组织将投资基于云的高性能计算环境,以获得敏捷性、规模和更快的业务洞察力。图 发展生成式AI行业用户最重视的合作商来源:IDC,公有云服务商IT咨询服务商数字化基础设施供应商业务战略咨询服务商生成式AI初创企业生成式AI工具供应商芯片厂商企业级应用服务商%在云上获得AI加持的工具:企业对不同生成式AI大模型的部署、调优、应用及对不同规模的行业模型应用的需求,要求PaaS层通过低代码平台、serverless架构、AI辅助开发方式等提供灵活、敏捷的支撑,赋能平台和工具的增速提效。IDC预测,到年,企业将通过自动生成代码来满足%的新数字化解决方案在开发和早期部署时的功能和业务需求,从而显
25、著提高开发人员速度。在云上实现以智能驱动的应用创新:企业的数字化、智能化发展驱动云服务商的SaaS业务应对AI、拥抱AI、融合AI,要求其从工具型、业务型向智能型、赋能型转变。IDC预测,到年,预计超过%的企业软件将包含AI功能,SaaS应用将成为主要的交付方式。智能时代将催生云的演进,企业对下一代云的需求呼之欲出。IDC认为,下一代云将是按需适配企业在智能创新时代发展的先进云,基于智能化技术持续演进云平台能力,同时面向企业提供AI加持的云服务,加速企业的智能化技术的业务价值转化,促进企业高效、敏捷、高质量地发展。图 下一代云支持企业实现智能加速、效能提升、创新涌现来源:IDC,AI能力 AI
26、能力 AI能力AI模型AI模型AI模型智能加速带来智能化增速提效的能力创新涌现持续实现价值创造的能力效能提升敏捷提供可复用经验的能力AI for Cloud以AI促进云能力的升级Cloud for AI在云上实现AI能力的落地智能加速:以AI为驱动,全面提升基础设施和大模型服务能力以AI为导向,下一代云使用具有高算力、高存力、高速率、高安全的基础设施,为企业打造增速提效的智能底座。基于高性能AI芯片和AI服务器,支持AI对于数据密集型工作负载的计算需求;基于先进的分布式存储方案,满足AI应用全过程的海量数据存储需求;通过对IaaS运维保障能力的升级,保障边界的AI 基础设施部署;基于先进的光传
27、输设备及高速网络协议,可助力实现高速、可靠的数据存取;基于云上的大模型能力和服务能力,可助力企业在实际业务场景中便捷、高效地部署大模型能力;基于数据隐私和数据主权保护,确保大模型应用的安全性,满足合规和运营要求。效能提升:降低AI使用门槛,向平台和工具借力以平台化和工具化的方式沉淀和汇总AI开发和应用经验,助力企业更方便、敏捷地获取在数据治理、现代化应用开发、安全保障等维度的先进技术,是下一代云保持活力的关键。基于湖仓一体、实时计算、多模数据库、向量数据库、全栈数据管控服务等能力,可提升企业对于海量数据的管理和分析能力;基于自动化代码生成、serverless架构、模型推理和微调服务,将提高开
28、发人员的效率;基于风控大模型、自动化威胁检测和响应等智能化安全能力,可以夯实企业数字化业务安全。创新涌现:AI赋能应用,加速云智创新对于企业而言,生成式AI大模型、智能算法的融入将持续赋能更多智能应用,推动SaaS在不同垂直领域的业务拓展,从而为企业在协同、营销、内容管理等方面提供更高效、智能和个性化的解决方案,提升企业自动化水平和管理决策效率,加速云智创新与数实融合,推进AIGC与SaaS能力的融合,支持数字孪生和仿真、元宇宙等解决方案的应用和落地。对于个人而言,AI和SaaS的融合带来智能化应用的发展,可以更大程度地让AI价值在终端用户侧被感知,推动生产力、创造力的增长,同时在知识获取、工
29、作方式、创作方式、娱乐方式、效率管理等维度带来新范式和新体验。.以PaaS为核心,构建下一代云上的AI原生力下一代云围绕AI而演进,以更好地帮助企业全方位地构建和应用AI原生力。下一代云需要从技术、业务、生态等多个层面支持企业实现智能化发展:智能加速:在技术层面打造智能架构和系统,通过对算力资源的智能调度与管理,提高利用率,保障算力设施的安全可靠运行,加速AI大模型的训练和落地部署;智能运营:在业务层面帮助企业提升工作流和业务流的自动化水平,基于下一代云平台对于云上资源管理的能力全方位提升企业的智能运营水平和运营效率;智能创新:在生态层面提升企业的创新性,依赖下一代云平台上的智能工具,提升企业
30、应用开发效率,优化上下游供应链间协作能力,营造企业智能生态。图 在云上获得AI原生力:智能架构和系统、智能运营、智能创新来源:IDC,智能运营 智能加速 智能创新生态技术业务在这个过程中,PaaS将成为定义下一代云的核心能力。为了实现AI原生力的构建,下一代云需要解决企业如何在云上实现智能算力的调度和管理优化的问题,从而帮助企业便捷有效地获得大模型的应用和优化能力;同时,下一代云需要解决诸多问题,例如:企业如何在云上实现工作流和业务流的智能化提升;企业如何在云上实现应用开发的加速、数据价值的挖掘;如何确保上下游良好的协作等诸。这意味着,下一代云将十分依赖PaaS层的能力,从而降低应用AI和大模
31、型的开发门槛,基于容器、微服务、集成和API管理、ML软件服务、AI软件/组件、低代码/无代码、开发工具、云应用服务平台、安全治理、数据管理等云上服务能力,在云上整合资源,在云上快速获得新能力,在云上统一管理数据和应用,满足企业对云高可靠、高可用、高弹性和可观测的使用需求。图 下一代云以PaaS为核心,打造AI原生力需要的关键能力来源:IDC,算力基础设施(人工智能服务器,网络,存储)基础大模型数据库大数据分析行业大模型场景大模型开发平台中间件PaaS智能工具SaaS应用入口业务作为云平台承上启下的中间层,PaaS层的功能将随着云的发展持续增强。一方面,在企业数字化转型浪潮的驱动下,数字化基础
32、设施持续增强,IaaS层提供了更高的算力、更大的存力、更强的运力及更快的网络。作为IaaS的上层管理平台,为了能够更好地调度、管理IaaS层的基础资源,PaaS层必然将持续增强自身运维管理、资源调度、数据存储、数据分析等方面的能力。另一方面,人工智能、物联网、大数据等新一代企业级应用的快速迭代和创新也将充分释放 PaaS 的价值并增加对PaaS的需求。市场竞争与客户需求变化需要 PaaS 层提供更强大的工具助力企业业务创新,加速云上应用部署,如不断增加对场景大模型和业务大模型的支持,这就要求PaaS工具更加敏捷、更加智能。此外,随着SaaS智能应用的不断涌现,一些常见且适用面较广的应用将逐步下
33、沉成为PaaS平台的一部分,为用户提供更加便捷的服务。图 PaaS层承上启下,呈现广度和深度双维扩展SaaSSaaSIaaSIaaSPaaSPaaS应用功能平台化沉淀统管不断扩大的基础设施统管不断扩大的基础设施应用功能平台化沉淀伴随发展,IaaS、PaaS和SaaS三层在规模上(水平方向)都会扩展。由于PaaS层既要承担IaaS层快速规模化扩张带来的压力,又要承载SaaS层软件功能沉淀的平台化能力,所以PaaS层将实现从规模广度到能力深度的双重扩展。来源:IDC,IDC看到,市场需求进一步向PaaS和SaaS层进发,使之成为公有云服务市场增长的主要动力。IDC预测,-年中国公有云市场复合增长率
34、为.%,其中IaaS为.%,PaaS为.%,SaaS为.%。在基础设施建设完成后,如何使用先进的工具和应用能力,并持续保持迭代,对于企业保持云端活力、实现敏捷、加速创新具有十分重要的意义。可以说,企业对云的应用正在从资源驱动走向智能技术和智能业务驱动。年,中国PaaS市场规模达到.亿人民币,同比增长.%,-五年年复合增长率将达到.%。在当前ChatGPT等AI技术蓬勃发展的刺激下,有望走向下一轮高潮;年,中国SaaS市场规模达到.亿人民币,同比增长.%,-五年年复合增长率将达到.%。SaaS需求直接受企业业务驱动,只要企业业务继续增长继续变化,SaaS能够面向不同行业不同场景呈现它的价值。图
35、中国公有云服务细分市场规模及增速预测,-0.00100,000.00200,000.00300,000.00400,000.00500,000.00600,000.00700,000.00800,000.00900,000.00202220232024202620252027IaaSCAGR:.%PaaSCAGR:.%SaaSCAGR:.%来源:IDC,单位:百万人民币.下一代云的六大核心元素下一代云将以智能化技术为向导,全面提升基础设施智能原生性能。与此同时,它将基于智能化技术持续演进,并面向企业提供加速智能化技术业务价值转化的云服务,助力企业智能加速、效能提升和创新涌现。下一代云将围绕以下
36、六大核心元素实现能力提升:基础设施、数据、大模型、开发、安全和应用。第三章下一代云上的关键技术发展趋势图 下一代云六大要素来源:IDC,AI能力 AI能力 AI能力AI模型AI模型AI模型智能加速带来智能化增速提效的能力创新涌现持续实现价值创造的能力效能提升敏捷提供可复用经验的能力应用基础设施大模型数据开发安全AI for Cloud以AI促进云能力的升级Cloud for AI在云上实现AI能力的落地基础设施:下一代云平台应当能够从算力、存储、网络、部署等方面为AI原生力提供坚实支撑。下一代云应当具备高能效的基础设施,突破算力瓶颈,依托高性能计算集群打造高性能计算平台;同时能够支持线性扩展计
37、算性能,适应AI原生对于大规模、高速率、低延迟、高并发的数据存储和传输需求,基于先进的存储介质和网络协议,满足不同规模、不同类型的AI大模型训练和应用需求;此外,下一代云平台还应能够采用轻量级、易管理的技术架构,打通AI基础设施部署,实现基础设施的高效部署、弹性增容、高效管理。IDC预计,全球人工智能硬件市场将从年的,亿元人民币增长到年的,亿元人民币,占服务器和存储基础设施市场总量的近%。大模型:在下一代云提供高算力基础设施的牵引下,大模型相关的服务能力将成为云平台的重要能力。作为组织推进人工智能的重要抓手,大模型应具备较高的识别准确率和较强的场景迁移性,并且在多模态的任务下有明显突破。IDC
38、认为,未来大模型将带动新的产业和服务应用范式,在类ChatGPT等应用的推动下,基于上层应用开发和SaaS服务的商业模式将会逐渐明晰,人工智能发展瓶颈将会得到突破,从而迎来人工智能的新业态。数据:数据是AI发展的根本。传统非体系化的数据管理架构已难以应对大规模的数据查询、全面管理、敏捷开发和业务分析,企业需要更智能的数据治理方案和数据仓储服务。下一代云应当能够满足AI大模型训练和应用相关的数据采集、数据准备、数据应用和数据归档需求:首先,大模型的训练需要大规模的数据样本,这对云平台的数据处理能力提出了更高要求,下一代云平台应配备AI原生数据分析和处理工具,实现对数据的智能管理和高效分析。IDC
39、数据显示,年,大约%新生成的数据和近%的存储数据是非结构化数据,预计,到年全球新生成的非结构化数据量将达到,EB,五年年复合增长率达.%。企业对于多模态数据的治理与分析是未来的重点方向。其次,大模型训练、大数据分析过程中需要的计算资源、存储资源、网络资源依赖中间件调度底层资源实现,下一代云中间件应具备虚拟资源池管理、虚拟计算资源动态调度、分布式存储扩展支撑、分布式数据库支持等能力,提升资源处理能力,支撑应用需求。开发:在AI能力的驱动下,低代码甚至无代码将成为选择趋势,下一代云平台应能够支持企业使用serverless架构、低代码平台、AI 辅助开发等方式,提升开发能力和数字化创新能力。基于云
40、平台提供的资源管理能力,开发者无需担心基础设施的使用和维护,可以更加专注应用开发本身。得益于生成式AI大模型,平台应能够提供快速灵活的低代码、可拖拽操作来满足企业不同技术水平开发者的使用需求,大幅缩短软件开发周期,支持智能化应用系统的开发,优化技术和业务部门之间的协同。IDC预测,从年到年,全球无代码开发者数量将会有%的大幅提升。安全:数据安全是云时代亘古不变的话题。企业必须保证数据全生命周期安全的存储、分析、共享,来保护数据安全和隐私,建立用户信任,为企业的可持续发展提供坚实基础。我国已经颁布施行的“十四五”规划纲要数据安全法个人信息保护法等政策法规,均明确提出推动发展数据战略,统筹数据开发
41、利用、隐私保护和公共安全,规范数据有序流通,保障数据安全。IDC数据显示,中国网络安全市场保持高速增长态势,预计到年,中国网络安全支出规模预计可到,亿元人民币,五年复合增长率将达到.%。应用:生成式人工智能及大模型的发展衍生出了多种多样的智能应用。随着大模型的发展,应用程序中的智能效果将实现质的提升,优化用户在诸如智能客服、智能推荐、自动化流程、数据分析等多方面的体验。下一代云上的SaaS服务应与AI技术相结合,为企业提供更智能、高效和个性化的解决方案,满足不断变化的市场需求,帮助企业提升自动化、智能化水平,随着生成式AI大模型的改进、云平台计算能力的提升和训练数据的丰富,AI在应用系统中的效
42、果和应用范围会不断扩展和提升。下一代云平台的应用在AI能力加持下,将为企业带来创新方向,提高企业竞争优势。IDC预测,全球人工智能软件市场将从年的,亿元人民币增长到年的,亿元人民币,复合年增长率(CAGR)为.%。通过六大维度的建设,下一代云为企业源源不断地注入新的能量,助力企业智能加速、效能提升和创新涌现。.下一代云上的关键技术以AI智能技术为导向,建设成为数字经济发展的坚实底座是下一代云的必然趋势。在数字化新技术不断涌现的潮流中,应重点关注下一代云上的关键技术发展。IDC看到,算力基础设施的算存网一体化、大模型即服务、云上数据治理与分析、以低代码平台为代表的现代化开发、云业务及数据安全和多
43、样化的智能应用正在成为下一代云关键技术的发展重点。图 下一代云上的关键技术智能加速创新涌现效能提升来源:IDC,基础设施加速计算大数据存储高速连接网络容器化基础设施大模型通用大模型行业大模型模型安全应用通用型智能应用场景/行业型智能应用安全智能风控智能检测和响应开发自动化代码生成Serverless无代码/低代码DevOps数据大数据管理和分析分布式数据库向量数据库LBS.算力基础设施 在智能创新时代,企业使用生成式AI及行业大模型深度挖掘以发现创新点。创新的源头在于挖掘、捕捉持续变化的用户市场特征,这一过程高度依赖对市场及用户数据的自动获取、智能分析、深度融合、全方位画像,刺激了企业大规模计
44、算、多模态数据存储需求的持续快速增长。计算平台算力的规模与速度、算法储备的广度及深度以及行业相关数据储备的总量、覆盖度与易用性体现了企业的数字智能化程度。加速计算数据是新时代的生产要素,数据量的快速扩张带动算力需求显著上升。为满足日益增长的算力需求,计算芯片作为提供算力的原始基础,正从单一化走向多元化、从通用化走向专用化、从同构化走向异构化,GPU、FPGA、NPU、ASIC等成为了加速计算的常见选择。人工智能大模型的出现极大拉动了对智能算力的需求,促使越来越多的企业和云服务提供商采购具有更高性能的服务器和更高端的处理器,处理高性能密集型计算。IDC数据显示,年上半年,中国人工智能服务器市场规
45、模达到亿元人民币,同比年上半年增长%,预计到年中国人工智能服务器市场规模将达到,亿元人民币。同时,庞大的算力需求也给中国本土AI芯片发展带来新机遇,在中国政府相应政策的支持鼓励下,中国芯片厂商在AI芯片设计、算法优化、生产制造等方面逐步具备了一定的实力和竞争优势。大数据存储生成式AI大模型以大量数据为基础,在高算力基础设施的支撑下,通过大规模训练,产生出更接近真实情况、更有价值的预测和解决方案。其中,大模型训练所需的大量数据并不是同时输送给算力设施,而是在模型算法的调度下源源不断地供给,因此,数据的存储深度和广度从一定程度上扩展了算力的内涵与外延。大模型训练所需数据具有种类、形态多样化的特征,
46、对存储设备提出了多模态、分层次存储需求,此外大模型所需的高速率、低延迟、高并发的数据存取需求也要求存储设备具备大容量、快响应、低时延、高稳定的特征。数据产生渠道的多样化、数据形态的异构化、数据排列的无序化带来了分布式、向量式的存储需求,分布式存储已成为海量非结构化数据实现高并发访问的主流存储形式。为保障云存储敏捷、高效的访问特性,应用PCIe宽带接口、适配NVMe高速读写协议的SSD固态存储,凭借其高读写、大带宽等特性,逐步成为云存储的主要媒介。IDC预计,到年全球人工智能存储市场云存储的占比将从将年的.%增长到.%,复合年增长率为.%。高速连接网络得益于高速网络的支持和云计算强大的资源管理能
47、力,算力资源从单点计算扩展为分布式计算,极大地扩张了企业可用算力范围,显著提升了企业算力容量。以网络为根基,以存储为骨干,以算力为中心构建起算存网一体化的计算服务,存储将算力在纵深延拓,网络则完成了算力的横向扩展。高速网络的应用不仅提升了数据到算力中心的传输效率,而实现了云、边、端、链的深度融合,提升了用户使用体验。为保障网络的稳定行、可靠性和有效性,选用先进的光传输设备及高速网络协议是下一代云的必然趋势。生成式人工智能工作负载高可变、高带宽特性,以及密集GPU集群所需最小化端到端网络延迟的需求,推动了具有低延迟、低直径、高利用率的Leaf-Spine网络拓扑的发展。此外,对于数据中心而言,基
48、于开放的架构构建网络软件系统变得更加重要,SONiC作为一个基于Linux的开源网络操作系统,能够运行在众多叶式交换机之上,生成式人工智能的应用将加速SONiC叶式交换机的部署,以实现复杂网络环境的打通。容器化基础设施高效的智能存储、强大的算力资源、高速的网络支撑共同构建了算存网一体化结构。容器则是呈现一体化算力基础设施的有效工具。根据应用需求,一套基础设施之上可以同时部署多个容器,且互不干扰。容器能够一键打通AI基础设施部署,简化开发和维护应用所需的复杂基础设施生态系统管理,提供了更高的敏捷性、可观察性和可移植性,此外容器简化了软件库管理,有助于加快Al DevOps开发。IDC预测,容器软
49、件市场在近几年呈爆发式增长,并且未来五年仍然会保持超过%的复合增长率。到年,容器基础架构软件市场收入将与虚拟化软件市场、云系统软件市场齐平,成为近几年促使软件定义计算市场增长的新动力。.大模型即服务大模型即人工智能预训练大模型,包含了“预训练”和“大模型”两层含义,是大算力和强算法共同驱动的结果。经历了预训练模型、大规模预训练模型、超大规模预训练模型三个阶段后,大模型参数量实现了亿级到百万亿级的突破,从支持单一任务,逐渐发展为支持多种模态下的多种任务。如今,大模型已经从训练基础设施发展为针对基础应用的通用大模型,针对垂直应用的行业大模型也已初具规模。通用大模型和行业大模型发展并进,依托大模型即
50、服务模式,将建立起差异化的商业模式,并逐渐形成基础模型、领域、行业大模型一体的架构,从而加速赋能交通、医疗、金融、教育等各个行业和领域,带来深刻的经济、社会和产业变革。通用大模型通用大模型通常具有强大的泛化性、通用性和实用性,可以在自然语言处理、计算机视觉、智能语音、视频处理等多个领域实现突破性的性能提升。大模型需要强大的AI算力基础设施支持,对于国内中小企业而言,大量的资本投入需求限制了其自研大模型的可能。大模型的开放和开源成为了加速促进AI技术发展和商业落地的重要手段。一方面,AI大模型的开放使不同的模型之间可以共享底层数据、算法和代码等,促进不同模型之间协作和更新迭代,推动了AI开发更加
51、灵活、高效。另一方面,大模型的开放推进了技术的发展,企业应用大模型训练时使用的丰富数据将反哺模型,将产生出更强的大模型。在开放、开源的支持下,通过调用模型库使用大模型、拥抱AI,不仅能够降低企业成本,而且能够提升企业效率。模型即服务(Model as a Service)将成为企业使用大模型的主要形式。行业大模型基于高性能基础设施的支撑和高性能算法的实现,通用大模型在自然语言处理方便表现出了极大优势。在帮助企业解决实际问题的过程中,大模型需要与行业数据、行业需求相结合,建立专属行业大模型,从而拓宽、拓广大模型的应用,助力企业实现智能创新。在这个过程中,供应商应当充分了解企业实际应用场景,在行业
52、垂直领域深挖用户需求,使用行业数据进行模型训练并调优,产生适配行业应用的行业大模型,基于跨领域融合创新,为更多行业带来智能化解决方案。例如,在医疗领域,AI大模型可以帮助医生进行疾病诊断和治疗方案的制定,提高医疗水平;在金融领域,AI大模型可以提升客户经营与风控等决策能力,降低金融风险。应用案例行业大模型的场景化落地应用可有效帮助企业解决业务实际问题。某在线旅游公司通过与腾讯合作,打造文旅行业专属精调大模型,适配企业业务需求,实现在无配置对话流程的情况下,基于大模型端到端地解决诸多复杂业务问题,帮助在线使用者精准解答与酒店查询、预定、修改订单等相关的问题,降低企业运营成本,优化用户体验。模型安
53、全安全是大模型发展过程中面临的重要问题。AI大模型使用大量数据进行训练和分析,这些数据可能包括用户的私人信息、企业的商业秘密等敏感信息,一旦被非法获取或滥用,将会严重损害个人隐私和企业利益。因此,AI原生开发过程要以数据安全和隐私保护为重要前提。下一代云平台从数据获取、数据存储、数据传输、数据使用的全过程应用数据加密、访问控制、安全隔离、风控模型等手段全方位保障用户隐私和数据安全。在政策方面,我国于年颁发了生成式人工智能服务管理暂行办法,旨在促进生成式人工智能健康发展和规范应用,维护国家安全和社会公共利益,保护公民、法人和其他组织的合法权益。.数据治理和分析作为数字时代的基础性战略资源和关键性
54、生产要素,数据的重要性不言而喻。但并非所有数据都存在价值,甚至部分劣质数据极大降低了数据挖掘、分析的意义,为了保证数据的准确性、完整性和可用性,提升数据质量、消除数据孤岛、应用数据分析实现数据价值,需要从数据采集、数据存储、数据分析等环节全程开展数据治理工作。AI能力呈现的过程即使用AI智能算法分析大规模数据并呈现数据价值的过程,在AI原生能力需求的推动下,下一代云的平台服务能力将持续提升,为企业提供多维度的智能支撑。分布式数据库在智能时代,任何领域、任何地方、任何时间都有源源不断的数据产生。为了能够利用分散于云、边、端、网、智的数据,需要通过分布式系统完成数据采集、存储。在海量数据规模和高速
55、增长态势下,企业对业务系统的并发访问频次增多,用于数据存储、调度、分析的传统关系型数据库已经无法从容应对一些极端场景,分布式关系型数据库的价值凸显。利用一系列分布式技术,分布式关系型数据库可实现数据跨多个服务器的自动分发和复制,突破传统集中数据库的容量与性能瓶颈,应用案例微媒数字会议是一家以提供企业互动营销服务为主的互联网企业。为企业营销/直播活动制作核心IP短视频的过程中,常需要在短时间内创作出高质量数字主播分身。通过借助腾讯云向量数据库,大幅降低接入大模型时间,基于-分钟视频和分钟以上音频即可训练出高度还原本人形象和声音的数字人分身;基于向量数据库大幅提升数据库检索规模,支持百万级别每秒查
56、询和实时渲染,可完成低延时响应,满足直播、客服等场景的低延时互动诉求。简化运维工作,降低对高性能硬件的依赖。凭借其逻辑统一、应用透明、存储及计算弹性扩缩、自治安全等特质,分布式数据库能够较好应对智能时代AI原生应用对数据海量增长的需求,为高并发、高峰值等业务场景提供高稳定、高可用、高安全、低延迟、低感知的使用体验,在智能时代优势尽显。向量数据库数据来源的分布式、多样化导致了数据形态的多样化,通过数据采集得到的数据可能是结构化的、非结构化的、或者半结构化的。面对非结构化数据和半结构化数据的复杂性,传统的标量数据库无法完成有效提取和实时分析,而向量数据库凭借其在高纬度数据处理和查询时的有效性被广泛
57、应用于文本、图像、音频等非结构化数据处理,并在智能图像处理、自然语言处理、推荐系统、智能物联等领域被广泛应用,成为生成式AI大模型的重要支撑。向量数据库的引入降低了大模型的预训练成本,提升了大模型的准实时性,提高了大模型的适用性,使得大模型能够动态调整,拥有“长期记忆”,拓展了大模型的应用边界。随着生成式AI大模型开发量和使用量的增长,向量数据库的应用有望快速增长。基于位置的服务LBS生成式AI大模型的发展促进了智慧交通、智慧生活、智慧医疗、智慧购物等一系列智能生态的发展。这些智能生态的形成均离不开位置信息的获取和利用。将基于位置的服务LBS(Location Based Services)与
58、生成式AI相结合,实现对用户位置信息的实时处理和分析,为用户提供更符合需求和喜好的LBS服务,在一定程度上提升了数字化应用的便利性和操作性。LBS与AI的融合将进一步深化和完善社会资源整合,加速智慧交通、智能家居、智慧推荐、智能购物、智能物联、智慧城市等多个领域的智能化发展。应用案例京东是重要的BC电商平台,通过与腾讯位置服务形成深度合作,有效提高物流配送的运营效率。基于智能化地址解析,提高推理速度,保障推理效果,提升预分拣准确率;基于WebService API服务,实现多目的地最优路线规划和智能硬件定位,提升复杂环境场景下的定位能力。.现代化开发伴随以AI原生为导向的下一代云技术的发展,无
59、服务器、低代码/无代码开发、自动化代码生成已逐步成为软件开发的新趋势。基于现代化开发的先进性、易用性、敏捷性,越来越多的行业人员可以参与应用设计和代码开发,降低了企业开发成本,缩短理论开发周期,提升了运维效率。Serverless架构应用复杂度的提升和云计算的发展不断推动应用架构、开发方式的持续演进。伴随云平台资源管理能力的增强、云微服务架构的升级,云计算向纵深发展,出现了通过构建或使用一个微服务或微功能来响应一个事件的开发架构,即Serverless。Serverless开启了应用架构的“无服务器”时代,为架构设计、开发者编程带来了全新的思路。使用Serverless架构,开发者可以只专注产
60、品代码,而无须关注服务器,云平台将自动准备好相应的计算资源,完成运算并输出结果,从而大幅简化开发运维过程。低代码/无代码平台低代码平台应用Serverless架构,将事件驱动、Web API、音视频处理等常见应用场景模板化,帮助实现快速部署和应用管理,可快速联动云上的上下游服务,提升应用开发效率。无代码平台将功能控件组件化、将常用业务场景模板化、将技术沉淀复用化,借助强大的可视化开发方法,通过图形化界面以拖放组件和模型的方式实现应用构建,为业务人员提供了应用开发的机会。这种将常见的解决方案及业务场景模板化的低代码/无代码平台简化了开发流程、降低了开发门槛,提升了开发效率,可帮助企业以更快、更省
61、的方式去实现业务价值,有力地支撑了企业的数字化转型战略,正成为企业快速、敏捷实现应用开发的有效平台工具。自动化代码生成人工智能大模型不仅可以有效进行数据分析和预测,而且也极大地影响了编码和开发领域。人工智能驱动的自动化代码生成器,通过大量的数据集、算法模型、代码库和编程规范的学习和持续调优,可以根据编程人员使用自然语言输入的编程需求,自动生成适合特定任务的部分或全部代码。自动代码生成的应用使得开发人员能够更加专注于解决复杂问题,减少编写重复性代码的时间开销,提升开发效率和代码质量。DevOps随着用户需求的持续变化,应用开发的方法持续更新,敏捷开发、DevOps和微服务逐渐成为主流。将Serv
62、erless架构、低代码/无代码开发、自动化代码生成等现代化开发平台/工具与DevOps结合,将从开发、测试、部署多维度提升软件交付能力,提升企业开发效率。低代码/无代码平台及自动化代码生成工具的应用节约了应用开发时间,且可以敏捷应对迭代开发和持续交付需求。Severless架构凭借其无服务器特性,释放了对服务器的监控、配置、更新、扩容等运维需求,提升了应用交付效率。AI凭借其在自动化、数据分析和智能决策方面的能力,赋能DevO-ps,简化开发流程、增强协同能力,实现更顺畅的工作流程、更高的开发效率和更敏捷的软件交付。.业务安全和数据安全伴随业务数字化、数字业务化的发展,市场需求变化加快,智能
63、技术应用范围拓广,业务的创新交付更加敏捷高效,由此带来了业务安全和数据安全的快速变化。将智能化技术应用于企业业务安全和数据安全保障也是企业数字化转型过程中的关键环节。业务安全综合运用大数据分析、人工智能和云计算等技术先进的数字化技术,以数据驱动风险管理,实现风险管理的智能化转变,提高风险管理效率,消除信息不对称带来的业务风险,是保障业务安全的重要手段。在“科技向善”的指导下,智能风控应用新技术赋能新经济、解决新难题,其场景覆盖金融、零售、交通、政务等多个领域。在金融领域,应用智能风控技术,深度挖掘客户信息和风险因素,预测潜在风险,敏捷、有效地处理风险,达到风险管控的目标。在零售领域,应用智能手
64、段检测、提示并拦截高风险交易,保障用户权益。在交通领域,应用智能手段实时监控交通状况,敏捷预测、发现并处理潜在的交通故障,保障了良好的交通状况。在政务方面,应用智能风控手段实现文本内容及视觉目标合规检测、涉政人物视频伪造检测、跨模态内容安全检测等,保障了图、文、视频全媒体综合化内容安全合规。数据安全伴随数据在智能时代价值的持续显现,数据被窃取、数据被篡改、数据被摧毁的手段呈多样化趋势,因此保障数据安全的理念和方法也发生了巨大变化。加强数据安全治理,智能检测数据潜在风险,快速响应并遏止危险是保障数据安全的重要手段。加强数据安全治理:在全数据生命周期建立数据动态保护机制,将分类分级理念覆盖在数据生
65、成、数据采集、数据传输、数据存储、数据分析、数据展现、数据销毁的全过程。围绕数据安全目标,使用AI等智能化手段自动识别数据资源,完成数据等级分类。在分类分级的基础上,完成不同类别数据的加密、备份、编码、访问检测、权限管理等安全设置,对不同类别的数据采取不同的防控措施,在动态、灵活的技术体系下,全面保护数据安全,实现数据在安全前提下的有序流动和合规使用。应用智能检测和响应:将统计模型、生成式AI、机器学习、大数据分析等智能技术应用于数据异常检测,通过实时检测系统内外部环境、数据操作行为,及时发现潜在的数据安全风险,并采取措施保障数据资产安全。AI在自然语言识别、文本分析、图像比对、音视频识别等方
66、面的能力将助力数据安全防护。首先,通过生物学特征比对、面部识别和声纹识别等智能检测手段帮助准确识别用户身份,避免非法登录;其次,使用AI自动分析大规模的网络流量和日志数据,可及时发现异常行为和潜在的威胁;再次,应用大模型分析,及时识别异常数据存取、数据修改等可疑行为。针对检测出的数据安全异常,使用智能化手段自动响应,自动抵御入侵或及时发布警告,坚守数据安全防线。应用案例东风日产融资租赁公司通过与腾讯云合作,基于腾讯云的风控大模型,在小数据样本情况下,通过模型即服务的方式,基于自身数据,实现高性能定制风控建模,确保合规的同时,让底层模型具备风控免疫力,建模时间降低%。除了让模型快速产生时效性价值
67、外,通过把历史数据行成多维组合,风控模型还可以帮助企业在存量数据中发现有价值的增量维度。.智能应用人工智能技术发展迅猛,在众多垂直领域展现出巨大潜力和应用价值,带来了行业革命性的改变和创新,催生出一系列通用型和行业型智能应用。通用型智能应用:企业高效办公的有效帮手协同软件:协同办公是大模型优先落地的主要场景之一。通过大模型能力的接入,企业可更有效地实现会议管理、公文管理、流程审批、项目管理等需求,基于内外互通、高效协作,打通组织内外边界,链接上下游资源,实现上下贯通、内外协同的高效办公。伴随大模型能力以工具化的方式作为增值功能出现在协同办公应用中,可极大优化应用体验,带来生产力的解放以及生产效
68、率的提升。内容管理:在云平台上应用AI赋能内容管理系统,助力企业、机构或个人更加高效、便捷地创建、发布、管理和维护相关内容。在云平台敏捷数据存取能力的支撑下,使用自然语音处理,AIGC能够快速准确地创建大量内容,根据用户喜好快速、准确、有效地整合信息,实现内容生产、智能推荐和自动触达全链路服务,保持积极的客户体验。在云平台应用智能技术,自动化实现内容审核,增强业务安全和数据安全,降低企业成本,保障企业利益。客户关系管理:为适应数字时代企业与客户之间关系的巨大变化,以客户为中心,在云平台支撑下,应用大数据分析手段了解客户需求,提供个性化的产品或服务来赢得市场;赢得客户的忠诚度与满意度,成为企业新
69、的运营理念。应用AI大模型,全面分析市场数据和行业资讯,准确掌握市场趋势,根据消费者的购买行为、兴趣爱好等数据,全面了解客户需求,将客户重新进行细分和定位,更加有针对性地制定客户关系管理策略,从而协助建立良好的客户关系,实现长期的合作和共赢。应用案例某大型食品企业,通过使用腾讯会议智能功能,实现了,名前线团队敏捷协作,极大地提高了企业效率和响应速度,基于AI智能助手“总结前文”、“自动设置提醒项目”、“智能录制会议”的功能,能够实现“智能纪要”、“智能章节”、“发言人回顾”,大大提升了办公效率,获得更加有效、便捷的会前、会中、会后体验。行业型智能应用:企业垂直业务拓展的智能助手数智人:在云平台
70、高算力、高存力、高敏捷性的支撑下,应用AI人工智能、计算机图形识别、语音处理等先进的数字技术打造出的数智人,不仅可以作为“数智员工”承担行业内工作,而且可以作为“数智明星”直播带货。进行深度学习后,数智人在视觉上拉近和人的心理距离,为人类带来更加真实的情感互动,已越来越多地应用于医疗、传媒、金融、教育等多个领域。随着云平台底层大模型准确度的提升,数智人将更加智能,与各行各业的场景相结合,助力企业在垂直领域拓展业务、创造价值。OCR:应用云平台上的云计算能力和深度学习技术,OCR(Optical Character Recognition)光学字符识别能够提供高精度、高效率、易集成的文字识别服务
71、,提升文字录入效率,释放人力资源。在AI人工智能技术的加持下,OCR的识别准确率更好、处理速度更快,且能够实现多语言、非结构化数据和不规则排版支持,拓宽了OCR的应用场景,降低了使用成本。随着云计算和AI技术的持续发展,OCR将实现更准确、更快速、更灵活、更稳定、更经济、更安全的文字提取,更好地服务于自动驾驶、智能客服、智慧医疗、智慧物流等领域。数字孪生:数字孪生应用数字模型、云计算、物联网技术,建立了现实世界和虚拟世界之间的完美联系,有效实现物理系统的数字化再现和智能化分析。云平台高效的数据处理和计算能力为数字建模提供了可能,是数字孪生技术的坚实底座。AI则赋能并助推数字孪生技术,应用不断采
72、集的新数据、优化算法和模型参数,学习并更新数字模型,提升模型分析和预测能力,提高模型的准确性和可靠性。基于AI的数字孪生更智能、更高效、更灵活地实现对物理实体的数字化映射、交互管理、智能预测,提高了企业生产智能化水平,助力企业数字化创新。应用案例某钢铁企业通过与腾讯云合作,借助数字孪生技术,实时管控生产,打造全真互联工厂。通过物联平台实现全厂大规模点位、高速率数据实时接入和计算,覆盖个监控点位,以及生产运营、安环、设备监控、能耗监控、园区管理等多个系统,真实直观呈现工厂内各项数据及设备运转情况,实现多种数据同步跟踪和切换,通过触控操作即可实现相应内容的查询、缩放观察和切换。基于良好的生产管理,
73、企业产品质量提升%,并对能耗水平实现有效控制,碳排放减少%。应用案例三一智矿与腾讯云合作,瞄准矿山无人驾驶场景,打造富有行业竞争力的智慧矿山解决方案。基于G无人卡车,三一智矿可完成大型露天采矿作业,克服辛苦、危险且环境复杂的状况;基于G技术和腾讯实时音视频(TRTC)的融合,解决了矿区无线信号情况下、矿车移动中等场景下的画面传输问题,实现时延毫秒以内的车辆一对多集中远程实时控制,助力行业生产安全与效率双提升。元宇宙:元宇宙是人工智能、区块链、G、物联网、虚拟现实等新一代信息技术相融合的集成应用,具有广阔的发展空间和巨大的应用潜力。元宇宙是虚拟世界与真实世界结合的平台,将带动社会生产力提升、生产
74、关系变革,将成为下一代互联网的雏形和驱动全球数字经济发展、数字技术创新的重要赛道。得益于云上高带宽、低延迟的数据访问能力,企业可以脱离硬件使用高速网络访问元宇宙,打破了时空限制,增加了与客户“面对面”的交流机会,提升了经营效率。云平台一致的高性能数据计算、服务器低延迟、安全性、易用性和高效协作保障了用户在元宇宙的良好使用体验。元宇宙可以应用于教育、游戏、园区、文旅、医疗等多个领域,实现情景化沉浸式教学、身临其境的娱乐体验、跨越物理边界的虚拟产业新模式、打破时空限制的文旅体验、品质康养和智慧医疗,极大地开辟了数字经济的新场景、新应用、新生态,培育经济新动能。云厂商:紧跟下一代云发展,提供智能云服
75、务强化基础能力,提供坚实支撑云服务商应增强基础设施能力,为企业的数字化转型提供坚实有力的硬件支撑。随着人工智能、大数据分析、数字孪生、元宇宙、区块链等技术在提升生产效率、降低企业成本等方面的价值展现,企业对算力、存力的需求持续增加。云服务商应不断提升云平台的算力设施、存储资源、网络环境、操作系统等产品能力,提升高效部署、弹性增容、安全可靠、高效管理等服务质量,建设以AI为导向的高性能基础设施,为企业数字化业务发展提供坚实支撑。增强平台性能,提升核心竞争力在云服务商提供的IaaS、PaaS、SaaS三层服务架构中,PaaS作为管理IaaS、支撑SaaS关键层,依然成为下一代云的核心能力。云服务商
76、应持续从数据库、大模型、大数据分析、中间件、开发平台等方面增强PaaS平台的性能,如使用分布式数据库、向量数据库满足数据全方位、多模态的数据存取需求;装配通用大模型、行业第四章IDC建议大模型、场景大模型满足企业在通用办公、垂直行业应用对AI能力的需求;增强中间件性能,满足企业对计算资源动态调度、分布式存储动态扩展的要求;配备现代化开发平台,适应自动化代码生成、低代码/无代码的产品极简开发趋势。拥抱AI智能,助推业务创新人工智能AI技术已经渗透到各个行业和领域,有效助力企业提高生产效率、优化决策过程、提升客户体验、创新商业模式,AI将成为企业业务创新的重要技术工具。云供应商应主动拥抱AI,以A
77、I为导向打造智能云服务。除了在基础设施层打造高性能计算集群满足AI训练所需算力需求外,还应在PaaS层引入AI大模型,满足企业应用通用大模型或训练行业大模型的需求。此外,云服务商应在SaaS层提供AI智能应用,满足企业直接使用AI提升效率、拓宽市场等需求。扩展生态伙伴,打造全栈能力在AI行业大模型的加持下,云正向行业深度应用方向发展,不同行业要求云服务商提供与之匹配的云服务能力。只有满足不同行业、不同工作负载、多技术融合趋势下的应用需求,才能实现技术落地,产生商业价值。因此,云服务商需要提供从基础设施到平台层再到应用层的全栈能力。然而全栈能力的实现并非凭一己之力便可完成,因此,云服务商应扩大自
78、身生态合作,加快行业解决方案输出,联合合作伙伴和生态力量,创造更好的用云体验。企业:充分发挥云平台价值,提升数据智创力充分发挥云平台价值,提升企业效能云服务商从基础设施、平台、应用三层为企业提供服务。企业应结合自身状态和业务发展需求,合理使用云平台服务,充分发挥云平台的价值,实现企业智能加速和效能提升。在基础设施层面,企业利用云平台提供的灵活、经济、高效的基础设施,应用容器化技术快速实现基础设施部署,充分发挥计算、存储、网络等基础资源的高可用性和可扩展性,完成企业数据的快速分析、安全存储需求,实现企业降低基础设施建设和运维成本,提高企业管理效率的目的。在平台层面,企业应充分利用云平台提供的开发
79、、运行和管理应用程序的环境,快速构建和部署企业自身的应用。首先,企业应根据采集到的数据类型,充分利用云平台提供的数据平台实现数据存储、查询、计算、统计、可视化等服务,满足企业高速运转需求。其次,企业应充分利用云平台提供的包括编程语言支持、库支持、API支持、图形化支持的集成应用开发环境,实现企业应用程序的高效、便捷开发。再次,企业利用平台提供的身份认证、权限管理服务、可视化数据控制台,可以有效地保障企业数据安全,实现企业数据的高效管理。在应用层面,企业应根据自身业务需要有选择地使用云平台提供的行业应用,灵活、快速地适应市场变化,增强企业的业务敏捷性。此外,企业可充分发挥SaaS工具优势,推进实
80、时、安全、跨区域连接,应用线上、线下紧耦合的混合运转模式,实现企业内沟通协作不间断、文件共享同步易上手、内容协作可落地,提升企业协作效率和团队合作能力。应用AI赋能,增强企业数据智创力下一代云是以AI为导向建设起来的适配企业在智能创新时代发展的先进云。IDC认为,在智能时代,数据是核心,在智能云时代,云上数据的活跃度和利用率可从一定程度反应企业的用云质量,可以说数据智创力是企业用云成效的集中体现。数据智创力是指企业利用数据、分析数据,最终从数据中获得对企业创新支持的能力。企业应充分利用云在平台层和应用层的AI数据分析、预测能力,增强企业数据智创力。数据智创力的体现依赖数据量的大小、数据的有效性
81、和对数据分析的准确性。企业数据智创力的提升,不仅依赖数据量的大小,而且依赖数据质量。因此在数据清洗阶段,应用AI模型将采集到的数据与有效数据模板进行比对,去除无效数据,提升数据质量是增强数据智创力的另一途径。在数据分析阶段,将清洗后的高质量数据喂养至AI大模型进行训练、分析,在大数据训练样本的支撑下,大模型得到持续训练和改进,将产生更加全面、准确的预测效果,助力企业优化决策、高效运营。IDC将持续关注企业对先进云的应用,从数据驱动下的智能组织架构建设、智能上海品茶和人员管理、智能化运营流程搭建、智能技术应用、大数据治理和安全隐私保护,以及产品服务和商业模式创新等维度制定相应评估标准,助力企业多
82、维度观测自身云上AI能力和大数据能力的发展进程,增强数据智创力。图 云、人工智能、大数据三者相互作用,助力企业创造更大价值来源:IDC,创造价值有效数据数据下一代云AIAIAIAI关于腾讯云腾讯云,是中国领先的互联网综合服务提供商腾讯集团旗下的云计算品牌,面向全世界各个国家和地区的企业、组织、机构和个人开发者,提供全球领先的云计算、人工智能、大数据等技术产品与服务。作为产业互联网的基础设施,腾讯云以卓越的技术能力打造丰富的行业解决方案,构建开放共赢的云端生态,助力各行各业实现数字化升级。腾讯云的基础设施覆盖全球五大洲个地区,运营个可用区,部署在全球各地的服务器数量超过万台,是中国首家服务器总量
83、超过百万的公司,也是全球五家服务器数量过百万的公司之一。腾讯云在全球部署了超过个加速节点,带宽储备达T。关于 IDC国际数据公司(IDC)是在信息技术、电信行业和消费科技领域,全球领先的专业的市场调查、咨询服务及会展活动提供商。IDC帮助IT专业人士、业务主管和投资机构制定以事实为基础的技术采购决策和业务发展战略。IDC在全球拥有超过名分析师,他们针对多个国家的技术和行业发展机遇和趋势,提供全球化、区域性和本地化的专业意见。在IDC超过年的发展历史中,众多企业客户借助IDC的战略分析实现了其关键业务目标。IDC是IDG 旗下子公司,IDG是全球领先的媒体出版,会展服务及研究咨询公司。IDC ChinaIDC中国(北京):中国北京市东城区北三环东路号环球贸易中心E座室邮编:+.Twitter:IDCidc-版权声明凡是在广告、新闻发布稿或促销材料中使用 IDC信息或提及IDC都需要预先获得IDC的书面许可。如需获取许可,请致信。翻译或本地化本文档需要IDC额外的许可。获取更多信息请访问,获取更多有关IDC GMS信息,请访问https:/ IDC。未经许可,不得复制。保留所有权利。