云的未来比过去更广阔,企业需要构建现代、适应性强的云原生数字核心以支持 AI 发展。当前云的定义已扩展至涵盖公有云、私有云、混合云、多云、主权云和边缘计算,AI 正从经典机器学习加速发展到生成式、智能体式和物理式,这对云提出了更高要求,使其成为生产力、增长和竞争优势的驱动因素。
云的演变趋势:
- 云的扩展定义:云已从单一目的地转变为跨越多种云形式的旅程,工作负载部署由延迟、监管、风险和经济因素驱动。
- 云作为 AI 基础:BBVA 通过 Analytics + Data + AI (ADA) 平台实现全球扩展、敏捷响应和 AI 深度嵌入,展示了云作为 AI 集成系统的价值。
- 企业云成熟度:仅 8% 的企业达到类似 BBVA 的成熟度,多数企业仍面临云迁移、可观察性、数据和 AI 准备以及自动化方面的挑战。
构建现代云原生数字核心的必要性:
- 数字核心的作用:数据驱动模型,模型指导决策,决策触发行动,形成持续的业务重塑飞轮,其速度取决于数字核心的适应性。
- 云的核心能力:提供可共享、可扩展和安全的资源,支持 AI 基础模型、数据产品和 AI 服务,提供弹性计算和存储,嵌入控制和治理。
- AI 对云的要求:AI 提升了对延迟、可观察性和数据保真度的要求,奖励实时事件流、组合服务和内置数据质量规则。
- 云的多维度:涵盖基础设施、构建方式、组织方式和运营方式,包括 AI 原生服务、按需付费模式、API 访问、自动化和可观察性等核心原则。
- 云与数据、AI 的协同:形成自适应系统,加速部署、深化洞察并构建复合优势。
云成熟度差距及其成本:
- 战略执行差距:60% 的云战略未与长期业务目标对齐,导致迁移投资仅带来增量 IT 改进。
- 创新锁定:22% 的公司将投资优先级放在运营效率而非创新,导致增长计划延迟。
- 结构性成本效率低下:80% 的公司缺乏可观察性机制,40% 缺乏追踪云价值或支出的机制,暂停现代化可能导致成本结构硬化。
- 数据瓶颈:39% 的公司未迁移非结构化数据,42% 的公司数据孤岛化,阻碍 AI 规模化。
- 网络安全和控制风险:仅 11% 的公司拥有跨云和本地环境的实时集成网络安全,面临日益增长的风险。
通往 AI 就绪的三条战略路径:
- 稳定者 (Stabilizers):
- 特征:受遗留系统或监管要求限制,云采用停滞,自动化程度低,投资偏向维护。
- 关键障碍:战略错位,预算偏向效率而非转型,架构惯性,操作摩擦。
- 行动建议:将业务价值与云状态挂钩,设计现代企业架构基础,跨整个技术栈现代化,全面实施全栈 FinOps,提升端到端可观察性和安全性。
- 优化者 (Optimizers):
- 特征:已完成核心迁移,云状态稳定,但侧重连续性而非创新,可观察性一般,自动化有限。
- 关键障碍:投资偏向可预测性而非突破,数据治理和合规性是主要限制因素,数据蔓延和集成挑战。
- 行动建议:在可组合 AI 平台上嵌入智能,利用云和 AI 能力加速现代化,推动人类主导的自主运营,使安全自动化并从零开始保障 AI 安全,建立 AI 驱动的团队。
- 创新者 (Innovators):
- 特征:少数但增长迅速,将平台优势转化为企业范围的再创造,拥有先进技术支持快速环境。
- 关键障碍:集成挑战,数据实时安全难以保障。
- 行动建议:用智能体 AI 再造核心流程,精确且可信地部署智能体,采用产品思维,将能力转化为合作伙伴服务。
行动呼吁:
- 加速行动:AI 发展加速了企业数字化转型的步伐,云是最终的无悔之选。
- 高层协同:CEO 需要构建现代云原生数字核心以匹配市场和技术速度;CIO 需要从管理技术转向跨企业协调智能;CFO 需要将潜力转化为持续收益;CHRO 需要构建人机协作的劳动力;供应链领导者需要云统一数据和规划;生态系统领导者需要通过云连接合作;客户领导者需要云塑造每一次互动。
- 持续改进:加强基础,使价值可见,将 AI 融入工作流程,然后重复——更快、更有信心地循环。
Accenture 的帮助:
Accenture 帮助企业构建支持 AI 驱动的再创造的现代云基础,通过自动化、FinOps 和 AI 辅助运营持续优化全栈,将云和 AI 费用直接链接到业务成果,提供端到端解决方案,重新设计核心系统、数据平台和网络,使 AI 能够在企业范围内规模化部署和运营。