下一代计算：嵌入AI的云/雾/边缘/量子计算

计算系统在过去几十年中推动了计算机科学的发展，现在已成为企业世界的核心，提供基于云计算、雾计算、边缘计算、无服务器计算和量子计算的服务。现代计算系统解决了现实世界中许多需要低延迟和低响应时间的问题。这有助于全球各地的青年才俊创办初创企业，利用大计算能力解决具有挑战性的问题，加快科学进步。

近年来，人工智能（AI）、机器学习（ML）和深度学习（DL）越来越受欢迎，因为它们在计算机视觉、自然语言处理和其他相关应用领域率先提高了准确性。为了训练这些模型，前几年收集了大量数据，此外，图形处理器（GPU）、谷歌的张量处理单元（TPU）和人工智能特斯拉的道场处理单元（DPU）等最先进的计算硬件也得到了发展。这意味着双方都能从中获益。许多人工智能/ML/DL 技术都需要大规模的计算能力和外部数据源，而这些通过计算系统可能更容易获得。现在，训练复杂的人工智能、ML 和 DL 模型的方法可以并行、大量地实施，这一点尤为重要。为此，可以预见的是，对人工智能/ML/DL 应用的持续兴趣将推动对包括虚拟机调配、整合和负载平衡在内的成熟数据中心资源管理问题的新研究，同时也会使应对扩展挑战变得更加容易；这可能会为人工智能在现代计算机系统中的更广泛应用铺平道路。

人工智能和 ML 在未来几年将为计算系统带来重要的必要需求，从大规模异构物联网和传感器网络产生的极其庞大的数据流的存储、维护和研究，到 Qos 感知（延迟、能耗、成本、响应时间）的定制计算服务，这些服务既要适应一系列硬件设备，又要最大限度地满足包括软件级 Qos 约束和财务约束在内的多重标准。下一代/未来计算可以借助人工智能/ML 技术来建立，这些技术可以快速、有效地处理这些问题。

在这篇文章中，我们总结了云计算、人工智能/ML和量子计算领域的领先学者、研究人员、从业人员、工程师和科学家共同讨论的相关领域的当前研究和潜在的未来方向。

新兴计算模式

集成下一代计算的周期

云计算的兴起与人工智能的兴起相辅相成，这一点越来越明显。因此，在云中使用人工智能可以提高云的性能、效率和数字化转型。云计算环境中的人工智能是使组织变得更加智能、更具战略性和更有洞察力的关键所在，同时还能提供更高的灵活性、敏捷性和成本节约。

人工智能和云计算可以通过多种方式结合起来，以增强云计算的功能。人工智能工具和软件与云计算的强大功能同步，从而为现有的云计算环境提供更高的价值。这种结合使企业变得更加智慧、更具战略性和洞察力；云上托管的数据和应用程序使企业的反应速度和适应能力更强，同时也为整个公司节省了成本。

由于增加了人工智能层，有助于从数据中产生洞察力，现有能力获得了智能化，客户也获得了极佳的体验。因此，企业可以从一个非常独特的组合中获益。云就像一个电子游戏，会发出大量的运行数据和遥测数据，就像特斯拉电动汽车一样。因此，基于人工智能的云计算基本上就是人工智能运营，它使用算法来理解所有这些数据，而不是依赖人类。

在新冠之后，2020年第一季度的云计算投资比2019年第一季度增长37%，达到290亿美元；整合人工智能和云计算可以帮助企业更贴近消费者，同时提高运营效率。

云计算环境和解决方案正在帮助企业变得更加灵活、适应性更强、成本效益更高，因为这大大降低了企业的基础设施管理费用。人工智能可以处理庞大的数据存储库、简化数据、改进工作流程，并为日常运营提供实时见解，从而为企业带来更多自由。运营的重担可能会从流程和人员转移到工程和数据上。这就是为什么人工智能正以各种方式促进云计算的发展。软件即服务（saas）模式目前正被用于成功应用基于云的人工智能。saas 公司正在将人工智能融入其解决方案，从而为客户和最终用户提供更强的能力。企业采用人工智能增强现有云基础设施的另一种方法是将人工智能作为一种服务：人工智能的使用使应用程序更具可读性和智能性，减少了错误、提高了产量。

云计算衍生出的云原生范式将传统的单体云应用转变为轻量级、松耦合和内粒度的微服务。这种模式可以支持应用程序以更加节约的方式进行更新。然而，由于微服务的数量增加且具有时间敏感性，对其进行高效管理可能具有挑战性。基于人工智能/ML 的解决方案可以应对部分挑战，例如，基于神经网络的方法可用于预测微服务的工作负载，基于 ML 的技术可用于分析微服务的依赖性。

以下是在云中部署人工智能的各种优势：

- 增强数据管理：在当今数据驱动的世界中，数据是王道，因此需要更好的方法来处理数据。企业跟踪数据的能力是一大障碍。基于云的人工智能工具和应用程序可识别、更新、编目并向客户提供实时数据见解。人工智能技术还可用于检测欺诈活动和识别异常系统趋势。在当今高风险的环境下，银行和其他金融机构要保持竞争力和安全，在很大程度上要依赖这项技术。

- 自动化：由于人工智能和云技术的结合，智能自动化现在可以在整个业务中实现，从而消除了障碍。人工智能提高了预测能力，因为算法模型利用历史数据和其他模式提供即时见解。人工智能和云计算解决方案可以帮助企业实现从半结构化文件到非结构化文件的认知自动化，同时还能推动有效基础设施管理的发展，从而减少停机时间和影响。因此，业务成本发生了变化，客户体验也发生了变化。

- 节约成本：云计算使企业只需为其使用的资源付费。与建设和维护大规模数据中心的典型基础设施支出相比，这可以节省大量资金。节省下来的资金可用于构建更具战略性的人工智能工具和加速器，然后用于增加收入，并从根本上为公司节省资金。这将带来更好的运营质量和更低的成本。

当这两种技术相结合时，也可能会出现以下问题：

- 集成：