2019，智能化、云端一體和Severless等將成云計算最大看點。

歷經泡沫幻滅的低谷期，云計算正走向Gartner技術成熟度曲線的復蘇期。相比十年前的概念炒作，今天的云計算市場已經趨于成熟，并且脫離了單純的提供存儲、CDN等基礎設施服務，通過云這座橋梁，將大數據計算，AI技術等賦能于用戶。那么放眼2019，云計算會呈現出哪些風向變化呢？

趨勢一：開源仍將是主流云廠商的選擇

使用開源技術仍將成為云廠商的主流選擇。無論是IBM收購Redhat以抗衡微軟Azure大量使用開源技術，還是AWS支持部署Kubernetes，都在印證開源對于云計算社區的貢獻。在國內，雖然“自主可控”和“拿來主義”之辯不絕于耳，但不可否認的是，當前云計算廠商均基于Xen/KVM虛擬化的Linux集群構建的自家解決方案，本質上仍然采用了虛擬化開源管理程序。

同時，技術開源將是云廠商吸引用戶和開發者，構建生態的重要策略。例如全球云服務商AWS為了支撐自身的混合云戰略，承諾開源自家微虛擬機Firecracker，為使用托管AWS Fargate容器服務或AWS Lambda無服務器計算框架的客戶更有效地隔離IT基礎設施資源。中國的百度公司在2018年底宣布將邊緣計算開源，開發人員可以借力更靈活地開發自己的邊緣解決方案和應用。同時，隨著云計算中的大量數據為機器學習、大數據等技術提供場景，主流云廠商也在以開源的方式向外界提供更具附加值的服務。

趨勢二：云端智能過渡為AIaaS（人工智能即服務）

過去一年中，云與智能成為國內外科技巨頭組織架構調整的重心。國外，微軟成立云與人工智能平臺，進一步聚焦智能云業務；國內，百度升級ABC智能云事業部為智能云事業群組（ACG）；阿里云升級為云智能；騰訊則成立云與智慧產業事業群。一系列動向表明，以云為AI的強載體，打造智能化云服務將成為今年巨頭們的重點發力方向。

事實上，在云端構建大數據分析和機器學習服務的發展策略在三年前就顯露苗頭。彼時的Build大會上，微軟正式推出認知服務，包括語音、視覺、語言理解等API接口，為開發者提供AI能力。目前，在認知服務、對話式AI和開放平臺的支撐下，微軟Azure已經成為推動AI平民化的核心窗口。

而作為全球云計算的領跑者，AWS也通過Amazon SageMaker機器學習平臺吸引數以萬計的開發者構建AI產品和服務。該平臺通過對TensorFlow框架的支持，使得將近80%的TensorFlow工具運行于AWS，截流了谷歌的大量開發者人群。同時，AWS自身迭代速度也令人側目，僅在去年就推出了130多項新的AI功能和服務。巨頭的狂奔，更加印證了智能化服務將成為未來云計算發展的關鍵變量。

趨勢三：IaaS向ML IaaS升級，云計算基礎設施重心向AI轉移

云端智能服務離不開底層設施的支撐。步入下一個十年， AI的普及將對傳統數據中心的計算能力提出更多挑戰。摩爾定律的終結也意味著傳統芯片的處理速度不足以應對大規模算法訓練的需求。因此，作為大規模訓練的主要載體，云計算在建設過程中，越來越需要將智能化納入對基礎設施建設的考量范圍。

在實際行動上，為了擺脫對Nvidia、Intel等廠商的依賴，也出于對自身業務適配性的考量，谷歌、微軟、亞馬遜等巨頭都將自研定制化芯片作為算力升級的主要途徑。谷歌推出TPU以擺脫GPU的限制，微軟的FPGA已經成為Azure的基礎設施，亞馬遜在近年大舉收購了一批芯片制造商，為研發定制化芯片做足技術積累。

在國內，BAT也在加碼對AI芯片研發的投入力度，以期在博采各廠商技術特點的同時，免備案主機，依托后發優勢走出自己的差異化路線。以百度為例，百度推出云端全功能AI芯片“昆侖”，從量級上提升百度大腦算力。作為百度大腦的云化，百度智能云在博采GPU和FPGA優勢的同時，也自主研發了XPU為PaddlePaddle提供算力支撐。

趨勢四：無服務器計算將成為企業的主流選擇