注册

“云计算这一年”系列报道(三)云计算产品越多,使用门槛高了吗?

2021-04-10 20:59:37 和讯名家 

云计算技术确实越来越先进、功能越来越多,伴随着很多复杂技术出现,但对于用户来说,使用门槛这个技术是不是太高了?内容很多,但客户消化能力有限,怎么把用户使用门槛降低?

很多传统企业的业务本身并不是IT,比如制造、制药企业、零售等行业,而这类企业怎么才能把新技术用好?

IDC中国副总裁兼首席分析师武连峰

观点一:中国云计算占世界比重只有6.5%

2020年中国整个公有云服务市场大概是190亿美金,比2019年增加了54%,因为疫情又增加了54%,预计2021年整个云市场会达到280亿美金,比2020年可能要增长44%。

虽然这个数字看起来很大,但2020年中国190亿美金只占到全球的云市场只有6.5%。

IDC把基础架构、云和应用创新分成三层,底下的基础架构可能会越来越智能,所有东西都通过云交付,上边用户,包括低代码、无代码,用户基于软件的数字化创新会成为主流,整个这三层架构未来部署在边缘的基础架构可能会超过50%。

如果按照这三层的话,AI在这三层每一层都会有,包括在基础架构运维层面的自动化,包括在云里面,把AI普及到云里面,普及大众,一直到用户用软件进行创新,利用AI创新,这三个层次,AI其实是无处不在的。

AI在2020年中国的市场规模大约是59亿美金,比2019年大约增长了40%,2021年大约应该有78亿美金,比2020年增长32%,但是AI今天在中国市场已经占到全球10%,从这个角度来讲,AI整体上在中国发展非常快。

过去几年,AI很难,但是从另外一个角度来讲,规模化是AI很重要的关键词,一个是市场规模比较大,大概10%,另外,可以看到AI几乎在各行各业多多少少都已经在应用,所以规模普及的速度也会比较大。

观点二:AI应用深入到企业的各部门

过去几年有些公司已经把AI应用得非常深入化。去年IDC数字化转型大奖有一个百盛中国,他们把AI用到销售预测、客户服务、产品推荐、物流和员工排班管理,非常深入,大概打造了四个AI中台,甚至有些公司已经开始设立CAIO这个角色,首席人工智能官,这个角色已经开始慢慢出现。

观点三:AI普惠速度加快

由于疫情原因,很可能小区已经有人脸识别,刷脸可以进入小区了,所以普及力是越来越大,大家已经感受不到说那个门口的东西是AI,因为已经开始在用了。

亚马逊云科技大中华区云服务产品管理总经理顾凡

观点一:企业不缺数据缺的是数据整理

亚马逊云科技在做AI,它自己也有一个使命,就是要普惠,就是要让AI作为一个赋能的工具,交到更多的人手里面,而不仅仅是大公司。所以其实无论是小白还是已经在AI这条路上的客户都是我们的客户。

我觉得可能如果大家从现在这个时间往回看也不陌生,AI普惠化围绕这四个要素是逃不掉的:数据、算法、算力、人才。

比如说数据和算力,首先今天很多的客户是不缺数据的,他缺的是这些数据没有很好地整理好,也就还喂不给模型,快速让数据整合、数据分析,能够让数据规范化,能够真正喂给这个模型。就是数据怎么能够把它超级快地转化成机器学习模型能理解的特征,我们不缺数据,我们缺的是数据整理。

观点二:通用算力不能解决所有问题

无论是英特尔的、AMD、包括亚马逊云科技、自研的、推理的芯片也好,其实都是一个目的。第一、可以根据你的工作负载有各种选择。第二、马逊云科技自研的芯片就是要把AI的训练和推理的成本、性价比推到极致。所以应该说从数据和算力已经得到了一个非常大的改善。

观点三:客户需求层次不同

小白客户所谓的“白”在哪儿?他们不知道机器学习是不是支撑自己业务核心,想试试水,一般这种客户是没有算法工程师的,所以在这种情况下,亚马逊云科技做的就是开箱即用的AI的服务。比如说有道乐读其实就是做少儿阅读的电子书的,就是用我们开箱即用的服务来做个性化推荐,个性化推荐谁都需要,你并不需要重新开发。这是一类客户。

还有一类客户比如首汽约车,它其实已经觉得机器学习可以帮到他的业务改造,但是还没有成为他的业务核心,但是他已经决定投资,这会儿他需要的更多是赋能,他要的是有没有工具让他的数据科学家、算法工程师开发效率提升。亚马逊云科技不光是给客户一个工具,授人以渔,能不能再扶上马一程?能不能投入一些工程的力量、资源,把产品原型过渡过去,这是第二类客户。

还有一些客户,AI实际上已经成为他的业务核心,他预测的精度如果是一个点、五个点,很有可能是几亿美金的差距,这些客户又不一样,他要的就是规模化。所以应该说我们能看到,简单总结降低门槛,在算法和人才方面可能最重要的就是选择合适的工具给到合适水平的客户,以及授人以渔,教会他用,最后还要再扶上马送一程。

埃森哲大中华区企业技术创新事业部运营与交付总裁贾缙

观点一:AI应用场景是关键

AI可以无处不在,关键的是要想到AI应用的场景,当你应用了AI之后肯定会对它的产出有期待,从某种意义上来说期待越大、投入越大,门槛也要越高。

埃森哲在给客户提供解决方案的时候,有一个AI for operation,这是干吗?其实做很简单的工作,比如做IT运维部的工作,如果客户来了投诉的信,就根据它的关键字自动分到不同的人对应,或者我们去监视不同的服务器,根据历史上发生的故障的时间、种类,我们预测下一次在哪儿会发生故障,把工程师派过去,这其实是很简单的,门槛也很低,现在提供的工具也非常好,其实我们也很快能上手做。但是话又说回来,它产出没有那么大的回报。

观点二:门槛高回报也高

日本有一个运营商,仅次于NTT的,我们是帮助把它的客服系统做了一次升级,因为日本跟中国最大的不一样,我觉得在运营商方面最大的不一样,日本的携号转网特别容易,所以每一次客服打过来的电话,如何能够很好地服务,是留住客户非常重要的一点。

这里面有很多AI的场景,客户的问题,通过一个AI助手告诉你怎么回答,现在我们可以再往前一步,当客户说前几句话,通过他的语音、通过他的语调能分析出客户是询问还是生气。如果是生气,马上亮一个红灯,转到比较高级的人,就要留住这个,所以你就可以看到,其实这套系统是方方面面,在客服里面任何一个场景都可以用的,但是要用到的技能也高,产生的回报也高,所以这个运营商导入这个系统之后自己有一个统计,流和转的百分比提高了100%多,这个是门槛高,但是回报也确实高。

至顶传媒CEO兼总编辑、科技行者创始人高飞

观点一:90%的企业还没上AI的船

AI本身就是智能服务,AI交给客户的过程也需要筛选客户的需求是什么,高中低不同阶段需要的东西完全不一样,不能用一个框,框住所有的需求。

除了技术门槛之外,其实在AI的应用当中还有另外一个门槛,就是投入。其实在很多新技术应用的时候都会面临这个问题,有些CIO都说这个IT技术非常好,但是我要用这个技术,平台告诉我这个技术能省钱,但是首先要让我们花一笔钱,这是一个天然的问题,说省钱的方式是花钱。

在AI应用的过程中把数据怎么清洗,怎么变成可训练的模型?这个过程中肯定涉及到一定的成本,所以对很多企业来说,特别是对第一、二阶段,这些企业怎么能够先迈上AI的步伐,先到这个船上,现在是上船的大约10%,还有90%的企业没上船。

观点二:初期投入高不代表后期回报低

初期投入高不代表后期的回报低,只要算好模型以后,回报在后期会源源不断地回来。比如做海报,海报有很多照片,大小尺寸不一,很多时候需要把眼睛都对齐这一排,这个工作看起来很简单,但是如果这个会议有100个嘉宾,设计师如果想把这100个眼睛对齐了,不夸张地说,有的时候四五个小时都对不齐,后来用AI之后就简单了,三五分钟就对齐了。这种感觉,作为一个做具体工作的人员感受是非常明显的。AI的作用真的是可以处处可见,也可以回报很高。

 

本文首发于微信公众号:深度围观。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。

(责任编辑:季丽亚 HN003)
看全文
写评论已有条评论跟帖用户自律公约
提 交还可输入500

最新评论

查看剩下100条评论

推荐阅读

和讯热销金融证券产品

【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。