調(diào)查顯示，許多公司已經(jīng)在使用人工智能來協(xié)助其大型機(jī)的現(xiàn)代化工作，許多公司也計(jì)劃在大型機(jī)上運(yùn)行人工智能。
來源：Shutterstock
如果有人懷疑大型機(jī)在未來的人工智能領(lǐng)域是否占有一席之地，那么許多運(yùn)行大型機(jī)硬件的組織已經(jīng)在為此做規(guī)劃了。
雖然已有 60 年歷史的大型機(jī)平臺(tái)并非為運(yùn)行 AI 工作負(fù)載而創(chuàng)建的，但Kyndryl 調(diào)查的86% 的企業(yè)和 IT 領(lǐng)導(dǎo)者表示，他們正在或計(jì)劃在大型機(jī)上部署 AI 工具或應(yīng)用程序。此外，71% 的人表示，在短期內(nèi)，他們已經(jīng)在使用 AI 驅(qū)動(dòng)的洞察力來協(xié)助他們的大型機(jī)現(xiàn)代化工作。
全球托管 IT 服務(wù)公司 Kyndryl 的核心企業(yè)和 zCloud 全球?qū)嵺`負(fù)責(zé)人 Petra Goude 表示，在大型機(jī)上運(yùn)行人工智能作為一種趨勢(shì)仍處于起步階段，但調(diào)查顯示，即使人工智能創(chuàng)造了新的計(jì)算需求，許多公司也不打算放棄他們的大型機(jī)。
她表示，許多 Kyndryl 客戶似乎正在考慮如何將大型機(jī)上的關(guān)鍵任務(wù)數(shù)據(jù)與 AI 工具合并。除了將 AI 用于現(xiàn)代化工作之外，近一半的受訪者還計(jì)劃使用生成 AI 來解鎖關(guān)鍵的大型機(jī)數(shù)據(jù)并將其轉(zhuǎn)化為可操作的見解。
“你要么將數(shù)據(jù)移至目前通常在云端運(yùn)行的 [AI] 模型，要么將模型移至運(yùn)行數(shù)據(jù)的機(jī)器，”她補(bǔ)充道?！拔蚁嘈拍銜?huì)看到兩者?！?/span>
【睿觀：數(shù)據(jù)移至云端AI模型和將模型移至數(shù)據(jù)所在機(jī)器這兩種策略各有優(yōu)缺點(diǎn)，具體分析并介紹全球企業(yè)在實(shí)踐中采用的最佳案例。
優(yōu)點(diǎn)：
規(guī)模經(jīng)濟(jì)：?云端AI模型通常具有強(qiáng)大的計(jì)算能力和存儲(chǔ)空間，可以高效處理大量數(shù)據(jù)。
易于擴(kuò)展：?隨著數(shù)據(jù)量的增長，可以輕松擴(kuò)展云端資源。
先進(jìn)技術(shù)：?云服務(wù)提供商不斷更新AI技術(shù)和工具，用戶可以快速獲得最新功能。
全球訪問：?云端服務(wù)可以從世界各地訪問，方便協(xié)同工作。
缺點(diǎn)：
數(shù)據(jù)隱私和安全：?數(shù)據(jù)傳輸和存儲(chǔ)在云端可能涉及隱私和安全風(fēng)險(xiǎn)。
網(wǎng)絡(luò)延遲：?如果數(shù)據(jù)量較大或網(wǎng)絡(luò)連接不穩(wěn)定，可能會(huì)導(dǎo)致延遲。
成本：?云服務(wù)費(fèi)用可能較高，尤其是對(duì)于大規(guī)模的數(shù)據(jù)處理。
最佳實(shí)踐案例：
谷歌云：?谷歌云提供了一系列AI工具和平臺(tái)，幫助企業(yè)將數(shù)據(jù)遷移到云端并構(gòu)建AI應(yīng)用。
例如，Google Cloud AutoML可以幫助企業(yè)構(gòu)建自定義機(jī)器學(xué)習(xí)模型，而TensorFlow Extended則提供了一個(gè)端到端的機(jī)器學(xué)習(xí)平臺(tái)。
亞馬遜云服務(wù)（AWS）：?AWS提供了豐富的AI服務(wù)，包括Amazon SageMaker、Amazon Rekognition等。許多企業(yè)使用AWS構(gòu)建大規(guī)模的AI應(yīng)用，例如推薦系統(tǒng)、圖像識(shí)別等。
微軟Azure：?Azure機(jī)器學(xué)習(xí)服務(wù)提供了拖拽式的界面，使企業(yè)可以輕松構(gòu)建和部署機(jī)器學(xué)習(xí)模型。
此外，Azure還提供了一系列認(rèn)知服務(wù)，如文本分析、語音識(shí)別等。
優(yōu)點(diǎn)：
數(shù)據(jù)隱私和安全：?數(shù)據(jù)無需離開本地環(huán)境，提高了數(shù)據(jù)安全性。
低延遲：?模型直接在數(shù)據(jù)所在機(jī)器上運(yùn)行，減少了網(wǎng)絡(luò)延遲。
定制化：?可以根據(jù)具體需求對(duì)模型進(jìn)行定制和優(yōu)化。
缺點(diǎn)：
成本：?需要購買和維護(hù)硬件設(shè)備。
管理復(fù)雜性：?需要管理硬件、軟件和模型的部署。
擴(kuò)展性有限：?擴(kuò)展計(jì)算能力和存儲(chǔ)空間的成本較高。
最佳實(shí)踐案例：
邊緣計(jì)算：?將AI模型部署到邊緣設(shè)備（如傳感器、IoT設(shè)備）上，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)處理和分析。
例如，工業(yè)物聯(lián)網(wǎng)中使用邊緣計(jì)算來實(shí)時(shí)監(jiān)測(cè)設(shè)備狀態(tài)。
混合云：?將部分?jǐn)?shù)據(jù)和模型部署在本地，部分部署在云端，結(jié)合兩者的優(yōu)勢(shì)。
選擇哪種策略取決于企業(yè)的具體需求和資源。如果企業(yè)對(duì)數(shù)據(jù)隱私和安全性要求較高，并且數(shù)據(jù)量較大，可以考慮將模型移至運(yùn)行數(shù)據(jù)的機(jī)器。?如果企業(yè)需要強(qiáng)大的計(jì)算能力、靈活擴(kuò)展性和最新的AI技術(shù)，可以考慮將數(shù)據(jù)移至云端AI模型。】
與此同時(shí)，人工智能還可以幫助企業(yè)實(shí)現(xiàn)大型機(jī)戰(zhàn)略的現(xiàn)代化，無論是協(xié)助將工作負(fù)載轉(zhuǎn)移到云端，轉(zhuǎn)換舊的大型機(jī)代碼，還是對(duì)員工進(jìn)行大型機(jī)相關(guān)技術(shù)的培訓(xùn)，Goude 說。
Goude 表示，對(duì)于大多數(shù)用戶來說，大型機(jī)現(xiàn)代化意味著將一些關(guān)鍵任務(wù)工作負(fù)載保留在本地，同時(shí)將其他工作負(fù)載轉(zhuǎn)移到云端。絕大多數(shù)受訪者計(jì)劃將一些工作負(fù)載從大型機(jī)上移出，但幾乎同樣多的人表示，他們認(rèn)為大型機(jī)對(duì)他們的業(yè)務(wù)戰(zhàn)略很重要。
Goude 發(fā)現(xiàn)，現(xiàn)在有更多的企業(yè)和 IT 領(lǐng)導(dǎo)者采用混合 IT 環(huán)境，而過去幾年許多組織都采取了全有或全無的做法。
“這項(xiàng)調(diào)查進(jìn)一步證實(shí)了 IT 世界是混合的，”她說?！瓣P(guān)鍵在于在正確的平臺(tái)上處理正確的工作負(fù)載。無論你擁有什么應(yīng)用程序，你如何做出正確的選擇？”
一、人工智能輔助編碼
Kyndryl 的調(diào)查結(jié)果讓 Ensono（一家與大型機(jī)合作的 MSP）產(chǎn)品高級(jí)副總裁 Lisa Dyer 深有感觸。Dyer 發(fā)現(xiàn)客戶對(duì)使用 AI 幫助大型機(jī)現(xiàn)代化工作有著濃厚的興趣。
她說，Ensono 本身使用人工智能來幫助客戶實(shí)現(xiàn)現(xiàn)代化。她說，人工智能對(duì)于翻譯或更新客戶大型機(jī)上的代碼尤其有用。例如，人工智能可以編寫新代碼片段或?qū)⑴f的 COBOL 翻譯成 Java 等現(xiàn)代編程語言。
“人工智能可以成為輔助技術(shù)，”戴爾說?！拔艺J(rèn)為它有助于優(yōu)化代碼、使代碼現(xiàn)代化、更新代碼，并協(xié)助開發(fā)人員維護(hù)代碼。”
數(shù)字營銷技術(shù)公司 Display Now 的首席執(zhí)行官 Chris Dukich 曾與多家公司合作，利用人工智能來解決大型機(jī)現(xiàn)代化的復(fù)雜性，他補(bǔ)充說，大型機(jī)用戶利用人工智能來幫助實(shí)現(xiàn)平臺(tái)現(xiàn)代化是有意義的。
“許多機(jī)構(gòu)愿意借助人工智能來改進(jìn)過時(shí)的系統(tǒng)，尤其是大型機(jī)，”他說。“人工智能減輕了多個(gè)工作階段的負(fù)擔(dān)，例如代碼重寫或數(shù)據(jù)庫替換，從而簡化了整個(gè)升級(jí)階段?！?/span>
二、將人工智能轉(zhuǎn)移到大型計(jì)算機(jī)
與 Kyndryl 的 Goude 一樣，Dyer 和 Dukich 都看到了在大型機(jī)上運(yùn)行 AI 工作負(fù)載的早期努力。Dyer 表示，今年有數(shù)十家公司似乎處于試點(diǎn)或概念驗(yàn)證階段，下一代大型機(jī)將帶來更多發(fā)展勢(shì)頭。
Dyer 表示，許多組織的關(guān)鍵任務(wù)數(shù)據(jù)都存儲(chǔ)在大型機(jī)上，因此在數(shù)據(jù)所在位置運(yùn)行 AI 模型可能更有意義。她補(bǔ)充道，在某些情況下，這可能是比將關(guān)鍵任務(wù)數(shù)據(jù)轉(zhuǎn)移到其他硬件更好的選擇，因?yàn)槠渌布赡懿荒敲窗踩蛴袕椥浴?/span>
“你既有客戶數(shù)據(jù)，也有我所說的主機(jī)上的運(yùn)營數(shù)據(jù)，”她說?！拔铱梢钥吹侥軌蛑苯釉谀抢镩_發(fā)和運(yùn)行模型的價(jià)值，因?yàn)槟悴槐匾苿?dòng)數(shù)據(jù)，延遲非常低，吞吐量高，所有這些都是某些類型的人工智能應(yīng)用程序所需要的?！?br />
Dukich 補(bǔ)充說，許多擁有大型數(shù)據(jù)集的大型機(jī)用戶都希望保留它們，而在它們上運(yùn)行 AI 是下一個(gè)發(fā)展領(lǐng)域。
他說：“大型機(jī)的相對(duì)可靠性、安全性和可擴(kuò)展性使其能夠抵御競爭云計(jì)算的攻擊，并使其在由人工智能推動(dòng)的分析和決策工作中非常有用?！?br />
【睿觀：將人工智能轉(zhuǎn)移到大型計(jì)算機(jī)的優(yōu)勢(shì)與挑戰(zhàn)
數(shù)據(jù)就地處理：?大型機(jī)上存儲(chǔ)了大量關(guān)鍵任務(wù)數(shù)據(jù)，將 AI 模型部署到大型機(jī)上可以減少數(shù)據(jù)傳輸，降低延遲，提高處理效率。
安全性與可靠性：?大型機(jī)以其高可靠性、安全性著稱，適合處理敏感數(shù)據(jù)和關(guān)鍵業(yè)務(wù)應(yīng)用。將 AI 部署到大型機(jī)上可以進(jìn)一步增強(qiáng)系統(tǒng)的安全性。
高吞吐量：?大型機(jī)具備強(qiáng)大的處理能力，可以高效處理大規(guī)模數(shù)據(jù)，滿足 AI 模型對(duì)計(jì)算資源的高需求。
保留數(shù)據(jù)主權(quán)：?將數(shù)據(jù)留在大型機(jī)上，可以更好地控制數(shù)據(jù)訪問和使用，保護(hù)數(shù)據(jù)安全。
技術(shù)兼容性：?大型機(jī)與現(xiàn)代 AI 框架和工具的集成可能存在兼容性問題，需要進(jìn)行適配和開發(fā)。
成本：?大型機(jī)的硬件和軟件維護(hù)成本較高，可能增加 AI 部署的總體成本。
人才需求：?大型機(jī)的運(yùn)維和開發(fā)需要具備相關(guān)專業(yè)知識(shí)的人才，可能存在人才短缺的問題。
靈活性：?相比云計(jì)算，大型機(jī)的靈活性較差，可能難以快速適應(yīng)不斷變化的 AI 技術(shù)和業(yè)務(wù)需求。
混合云架構(gòu)：?將大型機(jī)與云計(jì)算結(jié)合，可以充分發(fā)揮兩者的優(yōu)勢(shì)，實(shí)現(xiàn)靈活性和可靠性的平衡。
開源 AI 框架適配：?將開源 AI 框架適配到大型機(jī)環(huán)境，降低開發(fā)成本，擴(kuò)大生態(tài)。
AI 加速硬件：?在大型機(jī)上集成 AI 加速硬件，進(jìn)一步提升 AI 計(jì)算性能。
金融行業(yè)：?風(fēng)險(xiǎn)管理、欺詐檢測(cè)、個(gè)性化推薦
政府機(jī)構(gòu)：?數(shù)據(jù)分析、預(yù)測(cè)建模、安全監(jiān)控
制造業(yè)：?質(zhì)量控制、預(yù)測(cè)性維護(hù)、供應(yīng)鏈優(yōu)化
將人工智能轉(zhuǎn)移到大型計(jì)算機(jī)是一種有前景的探索方向，尤其適用于對(duì)數(shù)據(jù)安全性、可靠性和高性能有較高要求的場(chǎng)景。然而，企業(yè)在實(shí)施過程中需要綜合考慮技術(shù)、成本、人才等因素，并選擇適合自身業(yè)務(wù)特點(diǎn)的解決方案?！?/span>
