資料還在搬來搬去？AI多雲有助解決痛點

編譯／戴偉丞

隨著生成式人工智慧及人工智慧不斷改變生活模式，連平台也逐漸產生變化。在傳統作法人工智慧平台的數據與運算建構在同一基礎設施中，也形成數據的局部性，雖然對於小型人工智慧的運作相當有效，然而對於擴展及大量管理而言卻相對受限。透過將人工智慧運作搬到雲端，相關雲端平台開始提供人工智慧服務與工具，使其建置與部署更為迅速且降低其硬體設備需求。此一趨勢下，混和雲、多雲的策略將會帶來效能最佳化、彈性擴展及成本控制等好處。

從多方考量

就技術面而言，混和雲、多雲策略使用戶能夠搭配不同雲端供應商的服務，藉此降低過度依賴、定價浮動等風險，並透過工軟體負載與硬體效能的計算達到成本效益。此外，從資料局部性檢視，將特定關鍵應用程式部署接近終端位置，有其必要且得以減少延遲效果。

就非技術面，合規性與資料主權則是關鍵因素。利用雲端的優勢，確保掌握機敏數據時得符合《GDPR》、《HIPAA》等國際法規範的要求，並透過多雲策略遵守資料主權相關規範，以改善組織於不同區域操作數據時的存取效能。此外，使用不同雲端服務，能夠使用戶在不同雲端供應商間穿梭，而非將一個雲端中的資料全部搬到另外一個。

建構之挑戰

凡事總一體兩面。縱使前述優勢為其帶來靈活增加、風險降低及專業服務，但也伴隨著相對應的挑戰，其中包括延遲效果、管理成本、GPU硬體技術等。延遲效果在於遠端資料受限於雲端散布於不同區域導致的傳輸，管理成本在於不同雲端供應商的價格浮動需要仔細更新與計算，且時刻注意宜資源分配機制。就GPU而言，則是在於其成本價格不斐，必須最大幅度地提高其使用效率並其減少資料存取的等待時間。

更多新聞：順應AI潮流   企業應掌握駕馭雲端控管關鍵

建立之流程

首先，採用與雲端無關的架構，例如容器化技術與和無伺服器運算，可以增強不同跨雲端環境的可移植性和相通性，藉此使其在雲端轉換時的技術後端能夠解耦，以實踐無縫接軌地跨雲端部署與資料搬移。

其次是資料存取的部署，也就是提供一個跨雲端、跨區域的統一且高效能的資料存取端，藉此減少資料移動且有效擴大資料的局部性。

第三，考量到每個雲端供應商的特殊規格與配套措施，還須考慮全面性實施安全且合規架構，以掌握雲端安全服務、加密驗證、存取機制等，更得以監控與判斷行為的合規與否。

最後，為了達到資源利用的掌控、雲端開源工具的自動化等目的，雲端成本管理工具是一個值得推薦的考量，俾使不同雲端供應商的服務更便於檢視也更容易控制成本。

資料來源：Spiceworks

瀏覽 122 次