2019年的云計算市場繼續向深層演進，強者恒強仍在上演，技術上一方面與AI結合的更為緊密，這主要得益于數據、應用的結合，另一方面關鍵技術的自主突破也成為看點，以云數據庫或者說云原生數據庫為代表，行業上需求與業務場景的結合，使得云計算的部署方式趨于成熟，主要體現在不再盲目上公有云，而是更多采用混合多云的形式。此外，AI、量子計算這樣的技術能力也紛紛以云的形式向外輸出。
云用戶回頭數據庫開荒 2019云計算軟件回顧
客戶偏愛混合部署
由IHS Markit委托Fortinet開展的調查發現，多數企業在尚未看到預期回報后，就將基于云的應用遷回本地數據中心。在對350位全球IT決策者的調查中，74%的受訪者表示他們已經將應用“搬回”到公司內部的基礎設施。其原因可能是受到云遷移時的性能制約、監管方面、業務復雜度的因素，核心問題是云策略出現了問題。當然這并不是說公有云本身有什么問題，而是企業基于對業務的認知，混合多云正走向舞臺中央。
從靈活彈性、降本增效的紅利期，到關鍵負載云化實現業務轉型，企業上云正跨入下一階段，企業內部的IT環境愈發復雜，通過云計算重構傳統IT環境是大家都在嘗試的手段。調研顯示，超過八成的企業已經開始在多云環境中開展運營。其中，超過四分之三的受訪企業表示，他們正在使用至少2-15個云平臺。企業構建新的多云環境，平均要使用幾個云以及數百個Kubernetes集群，需要投入大量人力、時間和資金進行管理，而云管理服務可以幫助企業管理、治理和優化混合多云環境。
像IBM這樣的云服務提供商，可以帶來DevOps與應用管理、企業應用管理、多云服務平臺、多云托管服務、托管基礎架構即服務、云安全與彈性，幫助企業實現多個云平臺之間統一標準化的云管理和自動化。例如，IBM Cloud Paks正是IBM將其軟件產品組合轉型為云原生并且進行優化，可在紅帽OpenShift上運行的一種預集成解決方案，能夠運行在AWS、Azure、Google Cloud、阿里云、IBM Cloud等公有云或私有云上。對于已經處于多云環境的客戶來說，多個云平臺，以及需要在不同的供應商之間跨云平臺及IT 環境加劇了管理的復雜性。同時，多云環境還對企業內部IT管理人員提出了更高的要求，要求他們掌握更多的技能，能夠合理制定企業云戰略，確定優先事項等。
IaaS放緩 第二梯隊追趕
2019年的中國云計算市場份額一方面繼續強者恒強，另一方面“后來者”的追趕步伐加速。根據IDC公布的數據，2019上半年中國公有云服務整體市場規模(IaaS/PaaS/SaaS)達到54.2億美元，其中IaaS市場同比增長72.2%，PaaS市場增速有所回落，同比增長92.6%。從IaaS+PaaS份額來看，阿里云繼續領跑，份額接近50%，超過第2-5名廠商(騰訊、中國電信、AWS、華為)的份額總和。第二季度，華為云IaaS+PaaS份額增長超過350%。
如果以IDC第二季度的IaaS市場份額數字來看，阿里云為41.6%、騰訊云為11.88%、中國電信為8.54%、華為云為6.7%、AWS為6.58。另外從百度云的增長因素可以看到，AI方面的應用，以及PaaS層面的布局是加速份額提升的核心要素。從行業來看，互聯網仍然是公有云廠商角逐的主戰場，但增長空間已不大，而對于阿里云、騰訊云這樣體量較大的公有云服務商把目光放在了傳統產業改造上，為政務、制造、金融等行業發布了眾多智慧解決方案。
云服務帶動AI芯片
芯片并不是硬件廠商的“專利”，2019年有不少云服務商都推出了芯片產品，這里以阿里云、華為、AWS為例。在9月召開的杭州云棲大會上，阿里云CTO行癲發布了阿里首顆AI芯片“含光800”，硬件上采用自研芯片架構，軟件層面集成達摩院算法，針對CNN及視覺類算法深度優化了計算和存儲密度，實現了大網絡模型在一顆NPU上完成計算。實際應用過程中，在杭州城市大腦處理杭州主城區交通視頻時，如果使用40顆傳統GPU處理延時為300ms，而同樣的數據規模僅用4顆含光800即可處理，延時降至150ms。
與含光800精于推理有所不同，華為在9月的全聯接大會上發布了AI訓練集群Atlas 900，該集群由數千顆昇騰910 AI處理器互聯構成，總算力達到256P-1024P FLOPS@FP16，相當于50萬臺PC的計算能力，搭載的每顆昇騰910 AI處理器內置32個達芬奇AI Core。根據華為的介紹，基于“ResNet-50 v1.5模型”和“ImageNet-1k數據集”，Atlas 900AI訓練集群只需59.8秒就可完成訓練，“ImageNet-1k數據集”包含128萬張圖片，精度為75.9%，在同等精度下Atlas 900 AI訓練集群比第2名快15%。
Graviton2是亞馬遜研發的第二代高性能云端處理器芯片，該處理器是由AWS使用64位Arm Neoverse內核定制構建的，可為在Amazon EC2中運行的云工作負載提供較好的性價比。Graviton2使用了7nm制造工藝，晶體管數量達到300億，較上一代芯片核心數增加4倍。同時，Graviton2還對Unix和容器保持了很好的支持。除了Graviton2，亞馬遜還推出了用于加速機器學習推理計算的芯片Inferentia，可以提供128TOPS算力，支持INT-8和FP-16/bfloat-16計算類型。
AI量子計算由云提供
以上基于AI芯片的能力均以云服務的形式提供，這也代表了一種新的AI輸出方式。同時，量子計算——這一面向未來的技術同樣也在云端實現著“轉化”，IBM、AWS均是如此。在re:lnvent 2019上，AWS就發布了量子云平臺Amazon Braket，這是一項完全托管的服務，通過提供相應的開發環境幫助用戶了解量子計算，以探索和設計量子算法，在模擬量子計算機上進行測試，并在所選擇的不同量子硬件技術設備上運行算法。
具體來說，用戶可以通過Amazon Braket從零開始設計自己的量子算法，也可以從一組預先構建的算法中進行選擇。定義算法后，Amazon Braket將提供全面托管的模擬服務，進行故障排除并對實施進行驗證。準備好后，用戶可以在自己所選擇的不同量子計算機上運行算法，包括 Rigetti 基于門的超導計算機、D-Wave量子退火超導計算機以及IonQ離子阱計算機。為了更易于開發將傳統任務和量子任務結合在一起的混合算法，Amazon Braket還能幫助管理傳統計算資源并與量子硬件建立低延遲連接。
數據庫生在云上引追捧
另一個變化是云數據庫，或者進一步說是云原生數據庫，而云原生+分布式也被阿里巴巴集團副總裁、阿里云智能數據庫事業部總經理李飛飛視為下一代企業級數據庫的方向。Gartner預計，到2022年75%的數據庫將被部署或遷移至云平臺，只有5%的數據庫會考慮部署在本地。與此同時，AWS、阿里云、騰訊云等云廠商紛紛用自研數據庫的方式替代Oracle。此時的另一項數據顯示，傳統商業數據庫在未來幾年的市場份額將進一步下滑。云正在倒逼傳統數據庫轉型。
背后的一大原因在于，企業機構正在云中部署新的應用程序并以更快的速度遷移現有的數據資產。Gartner認為，這會先從用于分析的數據管理解決方案系統用例開始，比如數據倉庫、數據湖以及其他數據被用于分析、人工智能和機器學習的用例。此外，遷移至云的運行系統也在日益增加，尤其是轉換為軟件即服務模式的運行系統。
以Azure SQL Database為例，其滿足了多個SQL Server遷移上云的需求，同時用戶又可以享受到更低成本、更高效率。更關鍵的是，云原生數據庫不僅可以更聰明，還能實時在線，后者也是云的一大賣點。不管是OLTP還是OLAP，是可以共存的。此外，云原生數據庫也是開源的。
當SQL走上了云，相當于把服務需求托管給了云計算公司，省心不必多說。除了彈性計費、穩定可靠、安全隔離這些技術上的優勢，在部署方式上對那些傳統的大型企業來說，混合多云是常規操作。上升到應用層面，開放的API和擴展接口讓正好符合“容器熱”， Kubernetes可以拿來即用，同樣對混合多云有著天然的支持。
結語
由此可見，云數據庫或者說云原生數據庫，與混合多云的趨勢是相互吻合且同向的，再疊加上AI等技術紅利的普惠，這些就是云計算在2019年發展成熟的標志之一。
