هوش داده افلاطون
جستجوی عمودی و هوش مصنوعی

چرا وقت آن است که در استراتژی ابری خود تجدید نظر کنید

تاریخ:

راه اندازی تصمیم سه شرکت بزرگ ارائه دهنده ابر عمومی ایالات متحده برای چشم پوشی از هزینه های انتقال داده، پاسخی قابل پیش بینی به قانون داده اروپا است. حرکت برای ریشه کن کردن شرایط قراردادی که رقابت را خفه می کند.

یک جمع بندی سریع: گوگل موج ایجاد کرد در ژانویه زمانی که برش هزینه انتقال داده آن، پولی که مشتریان برای انتقال داده ها از پلتفرم های ابری می پردازند. آمازون خدمات وب و مایکروسافت در ماه مارس دنباله روی کرد. مشخصات هر حرکت متفاوت، مشتریان را مجبور می کند تا از نزدیک چاپ ریز را بخوانند.

صرف‌نظر از این، این حرکت‌ها فرصت دیگری را به مشتریان ارائه می‌دهد تا در کجای بار برنامه‌های کاربردی اجرا می‌کنند، تجدیدنظر کنند. این پدیده که اغلب شامل بازگشت در سال‌های اخیر با غیرمتمرکزتر شدن فناوری اطلاعات، به محیط‌های درون‌محلی تبدیل شده است.

زمانی که سازمان‌ها تصمیم می‌گیرند تا بارهای کاری جدید هوش مصنوعی ایجاد کنند، ممکن است عقبگرد شتاب بیشتری پیدا کند هوش مصنوعی مولد ربات‌های چت و سایر برنامه‌ها، و آن‌ها را در خانه یا مکان‌های دیگری اجرا کنید که به آن‌ها امکان می‌دهد کنترل داده‌های خود را حفظ کنند.

به ابر و برگشت

همین یک دهه پیش، سازمان‌ها به این فکر کردند که آیا باید حجم کاری را به ابر عمومی منتقل کنند یا خیر. سپس این روند تبدیل به ابر اول شد و در هر جای دیگر دوم شد.

روندهای محاسباتی دوباره تغییر کرده است زیرا سازمان ها به دنبال بهینه سازی حجم کاری هستند.

برخی از سازمان‌ها برنامه‌هایی را که می‌خواستند پس گرفتند بلند شد و جابجا شد پس از اینکه اجرای آنها در آنجا مشکل بود به ابر. برخی دیگر متوجه شدند که هزینه های عملیاتی بسیار زیاد است یا الزامات عملکرد را در نظر نگرفته اند. برخی دیگر به طور تصادفی به مسائل امنیتی و حاکمیتی برخورد کردند که یا آنها را در نظر نگرفته بودند یا مجبور بودند برای رعایت قوانین مطابقت محلی با آنها هماهنگی کنند.

در نهایت، آنها هر آنچه را که در هزینه نگهداری این سیستم‌ها، جابجایی این سیستم‌ها و مدرن‌سازی این سیستم‌ها در محیط ابری گنجانده شده بود، در نظر نگرفتند و مخالفت کردند و دکمه ریست را زدند. گفت: دیوید لینتیکوم، تحلیلگر ابری در SiliconANGLE.

سر و صدای زیادی در مورد هزینه های خروج

هزینه های خروج فروشندگان نیز بر ناامیدی سازمان ها از نرم افزار ابری افزوده می شود. چنین هزینه هایی می تواند از 5 سنت تا 9 سنت در هر گیگابایت متغیر باشد که برای سازمان هایی که با پتابایت کار می کنند می تواند به ده ها هزار دلار افزایش یابد. بطور کلی، هزینه ها بر اساس مکان داده ها متفاوت است در حال انتقال به و از و همچنین نحوه جابجایی آن است.

تنظیم‌کننده‌ها از ترس این که هزینه‌های سوئیچینگ مشتریان را حفظ کند، بیزارند در سکو قفل شده است میزبانی داده های آنها، بنابراین انتخاب را کاهش می دهد و مانع از نوآوری می شود. مشتریان از این هزینه ها و سایر هزینه ها بیزارند اضافه بار به عنوان بخشی از یک استراتژی گسترده تر به آنها را فشار دهید تا حاشیه های چاق تری داشته باشند.

این به شکل راه‌حل‌های فنی دست و پا گیر و بی‌سابقه (اختصاصی و پرهزینه برای اتصال به خدمات رقبا) و همچنین تخفیف‌های مالی شدید است که منجر به خرید نرم‌افزار اضافی توسط مشتری می‌شود که ممکن است نیاز داشته باشد یا ممکن است نیاز نداشته باشد. توجه نکنید که مصرف خدمات بیشتر – و در نتیجه تولید داده‌های بیشتر – جابه‌جایی را چالش‌برانگیزتر و پرهزینه‌تر می‌کند. گرانش داده ها بر تصمیمات سازمان های فناوری اطلاعات برای جابجایی حجم کاری سنگینی می کند.

در همین راستا، بازی پیشگیرانه هایپرمقیاس کننده ها برای پیشی گرفتن از مقررات معلق اروپا طراحی شده است که در سپتامبر 2025 آغاز می شود. آن را هر چه می خواهید بنامید - فقط آن را بشردوستی نخوانید.

لغو هزینه خروج، ملاحظات دیگری را برای رهبران فناوری اطلاعات که به فکر حرکت به سمت فضای ابری هستند، اضافه می کند. روندهای نوظهور فناوری، از جمله گسترش مکان های بار کاری، عوامل دیگر هستند.

هوش مصنوعی و اکوسیستم چند ابری در حال گسترش

در حالی که نرم افزار ابر عمومی باقی می ماند بازار 100 میلیارد دلاری، همانطور که قبلا ذکر شد، چشم انداز محاسباتی گسترش یافته است.

نیازهای کارکنان و مشتریان در حال تحول تسریع در طول همه گیری به تنوع بخشیدن به تخصیص حجم کار کمک کرده است. نیازهای داده نیز غیرمتمرکز تر شده اند، زیرا برنامه ها به طور فزاینده ای توسط سیستم های داخلی، ابرهای عمومی متعدد ارائه می شوند. شبکه های لبه، امکانات کلو و سایر محیط ها.

La گسترش فناوری های هوش مصنوعی مرزهای مرکز داده را از بین می برد، زیرا اجرای داده ها نزدیک به قابلیت های محاسباتی و ذخیره سازی اغلب بهترین نتایج را ارائه می دهد. هیچ حجم کاری بیش از GenAI که مدل‌های زبان بزرگ (LLM) آن به مقادیر زیادی پردازش محاسباتی نیاز دارد، این را نشان نمی‌دهد.

اگرچه ممکن است اجرای برخی از بارهای کاری GenAI در ابرهای عمومی - به ویژه برای اثبات سریع مفاهیم - منطقی باشد، سازمان ها همچنین می دانند که داده های شرکتی آنها یکی از کلیدهای اصلی است. متمایز کننده های رقابتی به این ترتیب، سازمان ها با استفاده از IP شرکت خود را به سوخت و تقویت کردن مدل های آنها ممکن است تصمیم بگیرند که داده های خود را در خانه نگه دارند - یا هوش مصنوعی خود را به داده های خود بیاورند - برای حفظ کنترل

رویکرد در محل همچنین ممکن است پوشش بهتری در برابر خطرات ارائه دهد سایه هوش مصنوعی، که در آن گاف های ناخواسته کارمندان ممکن است منجر به نشت داده شود که به اعتبار برند آنها آسیب می رساند. به گفته محققان، 55 درصد از سازمان ها احساس می کنند که جلوگیری از قرار گرفتن در معرض داده های حساس و حیاتی یک نگرانی اصلی است. تحقیقات فنی.

با توزیع بارهای کاری برنامه برای به حداکثر رساندن عملکرد، ممکن است ساخت، تقویت یا آموزش مدل ها در خانه و اجرای برنامه در مکان های مختلف منطقی باشد. این یک گزینه قابل قبول است، با فرض رعایت حاکمیت شرکتی و نرده های محافظ.

در نهایت، چه سازمان‌ها تصمیم بگیرند که بارهای کاری GenAI خود را در محل یا در مکان‌های متعدد دیگر اجرا کنند، باید گزینه‌هایی را که بهترین عملکرد و کنترل را برایشان فراهم می‌کند، ارزیابی کنند.

شرکت‌هایی که مطمئن نیستند سفر GenAI خود را از کجا شروع کنند، می‌توانند برای کمک روی Dell Technologies، بخشی از یک اکوسیستم شریک گسترده، حساب کنند. دل ارائه می دهد سرورهای بهینه شده با هوش مصنوعی، دستگاه های مشتری برای محل کار مدرن و خدمات حرفه ای برای کمک به سازمانها GenAI را مستقر کنید در محیط های مطمئن و مطمئن

اطلاعات بیشتر در مورد راهکارهای هوش مصنوعی دل.

توسط Dell Technologies برای شما آورده شده است.

نقطه_img

جدیدترین اطلاعات

نقطه_img

چت با ما

سلام! چگونه می توانم به شما کمک کنم؟