新基建的大背景之下，5G、數據中心、人工智能、工業互聯網成為了必然的發展趨勢，科技企業紛紛在主賽道上加速佈局，那些生於互聯網時代的企業，或者率先完成傳統業務重塑的企業將很有希望跑在前列。而以雲計算的方式和理念展開業務實踐的企業，更是走了一條“捷徑”。
新基建背景之下 未來的企業會生長在雲端（圖片來自houseofbots）
通過與不少行業客户接觸，他們的多數新應用都是在雲中構建，而且這些企業可能是IT互聯網、金融、教育、工業、交通運輸等領域，可見雲原生在各行各業的普遍性。有一項調查顯示，在已經部署雲原生的公司中，基於雲來構建的應用比例會在近幾年攀升到70%-80%。
可以説，雲原生已成為企業在部署業務時的主要選擇之一，其好處在於應用可以直接基於雲架構設計和開發，像12原則（The Twelve-Factor App）在基準代碼、端口服務、流程日誌等方面也為雲原生下了進一步的定義。不過從另一方面看，雲原生也不是絕對的一本萬利，其仍有一些成本因素是不容忽視的。
雲原生是Pivotal負責架構的全球CTO Matt Stine在2013年提出的概念，當時的判斷像DevOps、微服務、敏捷交付等技術至今都已成為趨勢。當時Matt Stine認為，如果用新的一體性架構去取代現有的一體性架構，只是把複雜性從一端轉移到了另一端，這也是傳統SOA的尷尬之處，“從運維的角度來看，實際上什麼都沒做。”對於企業來説，有必要對舊有的業務進行重構。
當然，雲原生也不是毫無缺點。一些報告顯示，規模越大的企業通常更傾向於選擇雲原生，但有意思的一點是像那些營收超過200億美元的更大型的企業，往往會比較保守，他們使用雲原生的比例甚至不到25%。這一現象與企業上雲的思路類似，即對數據丟失、系統故障等問題的擔心，包括受限於監管因素只得將關鍵業務應用放在私有環境。
除了安全性，企業在將業務遷移上雲的過程中也會遇到其他的“額外”成本，例如可能會需要對應用進行部分或完全重構，以調用完整的雲原生功能，這種重構不僅涉及重寫，還會有後續一系列的測試、上線、交付，以及工具調用，這些往往加起來會超過企業最初的預算。
但是，雲計算與AI緊密聯繫仍讓不少企業趨之若鶩，越來越多的計算、存儲、網絡資源以虛擬化的方式交付和部署，AI的推理和訓練也在雲端完成。調查顯示，2018年企業在人工智能領域的平均投資將達到500萬美元，超過70%的企業客户宣稱正在組織內部使用AI技術。考慮到部署成本，多數企業在智能化初期會選擇外部方案。隨着AI與業務結合逐級深入，企業關注的重點也從提升效率滲透到流程決策管理層面。也就是説，AI不再是簡單的工具，而是開始向生產力轉變。
對於公有云平台來説，其是自帶Al屬性的，像AWS、Azure、IBM、谷歌、阿里雲、騰訊雲等廠商相繼推出了基於雲平台的AI開發工具，降低了企業邁向智能化的門。舉個例子，雲服務商提供用於圖像分析的認知計算API，當企業用户想構建一套面部識別解決方案時，無需從零開始編寫代碼，甚至不用知道這些代碼的實現邏輯，而是隻需要直接調用API實現功能即可。按照這個思路，自然語言處理、計算機視覺等技術同樣可以讓開發者拿來即用。
例如，可解釋的AI系統也提供了新的圖像識別方式。谷歌的圖像分類神經網絡Inception Network測試過一項名為“LIME”的技術，其在圖像識別時會根據圖片本身搜索解釋，而不是觸發神經網絡中的某個神經元，具體來説就是將原始圖像的各個部分變黑，通過Inception反饋所產生的“擾動”圖像，檢測哪些擾動將算法拋離得最遠。這一測試表明瞭原始圖像特徵對於神經網絡的影響，傳統識別過程更多是集中在對象的某一特定部位。
也就是説，AI與行業應用場景結合的越來越緊密，也驅使着企業向雲和AI轉型。
(7429950)