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。
