2023下一代云助力企业智能加速-聚焦平台能力支撑智能化业务发展.pdf

聚焦平台能力支撑智能化业务发展下一代云助力企业智能加速、效能提升、创新涌现IDC观点第一章 泛智能时代来临，企业加速构建云上智能.从规模化创新迈向智能创新.智能创新时代企业发展三大诉求：加速、敏捷、创新.以技术为驱动，以AI原生力为核心，推进企业数字化业务发展第二章 云智共衍共生，助力企业智能创新.在下一代云上实现加速智能、效能提升、创新涌现.以PaaS为核心，构建下一代云上的AI原生力第三章 下一代云上的关键技术发展趋势.下一代云的六大核心元素.下一代云上的关键技术第四章 IDC建议关于腾讯云ContentsIDC观点IT技术促使企业从单点创新迈向智能创新。生成式AI和大模型的快速发展，带来了新的交付模式和创新形式，企业在从单点创新经历规模化创新后，全面迈向智能创新阶段，创新的思路也将从“基于人获取资源”升级为“以智能化工具为驱动”。企业智能创新时代发展的三大诉求：加速、敏捷、创新。在智能创新时代，产品迭代速度快，市场需求变化快，商业模式演进快，在“快速”变化的环境中，增强企业的适应性，提升行业竞争力是企业发展的首要考虑。将先进的智能技术作为生产工具，实现加速、敏捷、创新等目标，成为企业在智能时代发展的主题。企业应以AI原生力为核心、以云平台为支撑推进数字化业务发展。企业应始终以技术为驱动力，增强以AI原生力为核心的数字化能力，持续发展数字化业务。数字化业务的发展离不开云平台支撑。云智共衍共生，云是AI落地和发展的土壤，同时AI也会助推云平台发展，以AI为向导的云平台技术将从技术、业务、生态三个维度支撑企业数字智能业务发展，助力企业数字化转型。下一代云支持企业实现智能加速、效能提升、创新涌现。下一代云从基础设施、平台功能、智能应用多层面、全方位为AI原生力提供支撑。云平台基础设施是支撑AI原生力的根基，智能应用是AI原生能力在业务纵深方面的延拓，平台功能作为承上启下的中间层，向下调度、管理IaaS层的基础资源，向上支撑SaaS应用的部署、运行，是支撑AI原生力的核心，其功能将随着云的发展持续增强。企业在下一代云上可以获得高效应用AI的能力、在云上获得AI加持的工具、在云上实现以智能驱动的应用创新。PaaS成为定义下一代云的核心能力。下一代云非常需要依赖PaaS层的能力，从而降低应用AI和大模型能力门槛，基于容器、微服务、集成和API管理、ML软件服务、AI软件/组件、低代码/无代码、开发工具、云应用服务平台、安全治理、数据管理等云上服务能力，在云上整合资源，在云上快速获得新能力，在云上统一管理数据和应用，满足企业对云高可靠、高可用、高弹性和可观测等使用需求。IDC看到，市场需求正在进一步向PaaS层进发，其正在成为公有云服务市场增长的主要动力。IDC预测，-年中国公有云市场复合增长率为.%，其中IaaS为.%，PaaS为.%，SaaS为.%。云平台服务商应提升云平台的综合性能，提升核心竞争力。云服务提供商，除了提供质量可靠的硬件、灵活部署的软件、优质及时的售后等基础服务外，还应紧紧抓住智能化发展浪潮中企业对平台化能力的需求，建设功能强大的中间服务平台，增强软硬件差异化服务实力，为企业提供多模态数据采集分析、大模型纵深场景应用、智能化资源调度、现代化极简开发等服务。通过打造超高算力、超大存储、极致访问、稳定安全的基础设施，多样化数据存取、场景化智能分析、现代化应用开发、多方位安全管控的平台能力，多维度、广领域、全方位的智能应用服务，提供全面、敏捷、创新的智能云服务，助力企业提升以云为基础、数据为核心、智能为导向的数据智创力。.从规模化创新迈向智能创新生成式AI和大模型的快速发展，加速技术发展史演进。年，ChatGPT火爆全球，AI预训练大模型的持续发展、人工智能生成内容（AIGC）算法的不断创新以及多模态AI技术日益主流化，促使AIGC技术加速成为AI领域的最新发展方向，拉开了以大模型为驱动的新一轮AI加速发展期。生成式AI和大模型的发展不仅实现了人类通过自然语言与机器对话，而且必将带来从终端到连接到各类应用的全面变革，推动企业产业链、价值链和生态链的重塑，从而为企业实现更多维度的创新开辟新的路径。ChatGPT与生成式AI均为大模型的应用场景之一。基于更好的通用性，更精准的表现，大模型能够大幅降低AI开发和落地的门槛，提升预测模型的效果。AI无处不在成为趋势。第一章泛智能时代来临企业加速构建云上智能生成式AI和大模型的应用，促使IT技术从规模化创新阶段迈入智能创新时代。云计算、大数据等IT新技术的迅速发展和普及，催生了人工智能、物联网、区块链等平台化和生态化创新技术，改变了人类的生活方式，加速了社会发展过程，为人类带来了更加便捷和丰富的生活体验。IDC认为，IT技术对企业的赋能包含三个阶段：单点创新、规模化创新、智能创新。单点创新：在云计算、大数据、移动、社交等新兴技术在企业中逐步得以应用和普及的初始阶段，新型交付模式的出现推动了移动平台、社交模式的发展，虚拟化和移动战略逐步成为了企业的首要考虑。但是人们往往通过竖井式获取资源，只能实现技术本身的单点创新应用。图 大模型和生成式AI引领下一代人工智能发展来源：IDC，生成式AI是大模型的应用场景之一，包含生成文本、生成图像、生成视频、生成代码、生成音频等。生成式AI推动了大模型的发展。大模型是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型，训练数据多样化，修改或微调后可以满足各种下游任务的需要，其训练过程中可能使用了上千张以上的GPU/CPU芯片。IDC年调研显示，中国企业对生成式AI持开放态度。%的企业正在做探索及布局，%的企业已经开始增加对生成式AI与大模型的投资。中国企业看好生成式AI在知识管理（%）、营销（%）和代码生成（%）等场景的应用。中国企业认为生成式AI最有可能带来影响力的业务领域是创意密集的产品开发/设计；其次是劳动及体验密集的客户服务；此外，在市场营销、人力资源、销售供应链方面也同样具有影响力。人工智能机器学习深度学习生成式人工智能自动语音识别/自然语言处理规模化创新：随着分布式、大规模、移动性数据处理需求的急剧增加，以云技术为基础的人工智能、物联网、区块链等平台化处理技术成为趋势，这些技术基于广泛地、快速地获取资源，安全、便捷、高效地处理数据，实现了产品/服务的多重创新，标志着IT技术迈入云驱动价值创造的规模化创新阶段。智能创新：将人工智能技术、移动互联网、量子计算等新一代信息技术与生产制造技术进行深度融合，实现自动化、产业化、协同化创新，提高企业自动化和系统自治化水平，提升企业生产、制造过程的效率和质量，标志着企业从规模化创新迈入智能创新阶段。在智能创新阶段，生成式人工智能的快速应用，将使人工智能从软件堆栈中的一个新兴细分市场，发展成为实现智能化发展的关键平台化能力。企业将从“基于人获得资源”实现创新，转变为“以智能化工具为驱动”实现创新，布局智能能力成为企业发展的必然趋势，生成式AI和大模型将为企业实现更多维度的创新开辟出新的路径。图 技术创新三篇章：单点创新、规模化创新、智能创新来源：IDC，新技术和新交付模式云计算大数据移动社交平台化和生态化人工智能物联网区块链自动化和系统自治化生成式人工智能通用人工智能量子计算人机融合基于竖井式地获取资源，实现独立、单点的创新基于广泛地、快速地获取资源，实现产品/服务的多重创新基于智能化技术和工具，实现自动化、产业化、协同化创新单点创新单点创新规模化创新规模化创新智能创新智能创新.智能创新时代企业发展三大诉求：加速、敏捷、创新在智能创新时代，产品迭代速度快，市场需求变化快，商业模式演进快，“快速”成为了智能创新时代的基调。资本、技术、人员的全球化流动使得企业竞争愈加激烈，数字技术和人工智能技术正在重新塑造产业格局，市场需求更加多样化和个性化，持续的变化正在成为常态。受全球化、网络化、数字化、智能化的深刻影响，企业也将面临更加复杂、动荡的竞争环境。如何在“快速”变化的环境中，增强企业的适应性，保持行业竞争力是企业发展的首要考虑。生成式人工智能及大模型等先进技术的应用促使企业的生产力发生了革命化的演进，企业的效率和产能发生了质的飞跃。企业管理者们敏锐地意识到，智能化技术将极大影响生产力水平和企业利润率。然而，智能技术的发展在给企业带来机遇的同时，也带来了新的挑战：如何将智能技术与企业需求有机结合，持续提升企业生产力和生产效率，为企业赢得最大化收益，是企业布局智能化技术的首要考虑；智能化技术的持续发展也让管理者必须考虑，如何有效利用或升级现有智能技术，加速适应技术、市场、政策、经济环境的持续变革；企业的竞争力来自于产品、服务的不断升级、创新，如何将智能技术应用于商业新模式探索、提升差异化能力也是企业的重点关注方向。图 年企业技术发展战略和投资最关注的风险因素来源：IDC，技能短缺，阻碍生产力和效率供应链不稳定，无法保障IT硬件设施供给经济衰退带来的预算变化，影响云服务采购不足的竞争力影响业务收入地缘政治能源短缺市场购买力通货膨胀IDC数据显示：中国企业认为，弥补技能短缺带来的不足以持续提升生产力和效率是影响企业技术发展的首要因素；其次，供应链不稳定、经济衰退、能源短缺、地缘政治等不确定因素带来的挑战将持续显著影响企业的技术发展战略；此外，如何持续提升竞争力以维持业务收入稳定发展也是企业关注的话题。因此，积极适应发展趋势，不断布局先进技术，保持高效生产力，提升企业适应力，从而以持续创新力保持竞争力，是企业发展的主题。可以说，加速、敏捷、创新是企业在智能时代具有竞争力的关键能力。加速：智能生产关系离不开智能生产工具人工智能等前沿技术取得突破性进展并逐步被广泛应用于社会生产，带来了生产力的新跃升与生产方式的新变革，形成了智能化生产体系。智能生产关系离不开智能生产工具的支撑。企业引入生成式人工智能技术，聚焦自身业务，将AI作为企业服务增量，提升生产效率和产品质量，以实现降本增效。图 企业智能创新时代发展的三大诉求：加速、敏捷、创新来源：IDC，企业面临的挑战企业发展目标如何布局先进技术，持续提高生产力和运营效率如何加速适应技术、市场、政策、经济环境的持续变革如何探索新商业模式，通过新产品、新服务增加企业差异化竞争力敏捷创新加速敏捷：发挥技术优势，助力企业应对风险人工智能技术将助力企业敏捷应对供应链和市场变化。一方面，企业应用AI技术可实现供应链的全链条可视化和智能化管理，实时了解物料的采购、运输和库存情况，从而依据大数据分析预测的市场需求变化，合理安排物料储备，提高供应链的灵活性和响应速度。另一方面，应用生成式AI和柔性制造技术，可以快速响应市场需求，及时调整产品规格和生产计划，提高生产灵活性。创新：提升应用功能，推动企业差异化竞争人工智能技术的引入将促进企业探索商业新模式，通过开发新产品、提供新服务提升其差异化竞争能力。在产品研发阶段，应用生成式AI技术模拟市场环境，挖掘用户需求，可以生成新的产品概念和设计，提升企业产品创新能力；在产品销售阶段，应用生成式AI技术，全面、深刻挖掘客户对除产品外的其他服务需求，将企业服务延伸至除产品供应外的其他环节，为用户提供个性化、定制化服务，可有效提升企业的差异化竞争能力。.以技术为驱动，以AI原生力为核心，推进企业数字化业务发展为实现加速、敏捷、创新，企业将以技术为驱动力，持续发展数字化业务。企业数字化业务的核心是实现数据的业务化，利用数据更好地支持创新，实现数据变现和资产化。数字业务包括流程、产品、服务、体验的方方面面。在发展数字化业务的过程中，企业将更加重视AI赋能的数字化业务的构建。智能化、数字化技术等技术的应用，不仅能够帮助企业实现业务流程创新，助力企业降本增效，而且可以从购买流程和个性化服务等方面改善用户体验，帮助企业实现用户体验创新。人工智能将作为底层思维用于应用和架构设计，它不再是软件堆栈中的一个新兴细分市场，而是关键的平台化能力和底层思维。智能创新时代，企业需要AI原生的数字化能力，即AI原生力。AI原生力指企业架构或应用在设计之初即考虑到AI的应用和能力原生为AI而设计，充分利用和发挥AI大模型的优势，提高企业的智能化水平。图 数字化业务的定义与核心来源：IDC，定义：数字化业务是指一个企业的价值创造是基于对数字技术的使用。包含四个维度：内部和外部流程与客户、供应商和合作伙伴的互动方式吸引、管理和保留人才的方式产品、服务和体验核心：制定数字化优先战略由CEO或其他C-level管理者直接参与推动借助技术提升竞争力数字化创新项目带来规模化效益数字化转型带来切实、可量化的业务价值流程 人员 产品/服务 体验转型AI原生力包括技术、业务、生态三个维度：技术维度：AI原生不再是简单地基于AI、应用AI、适应AI，而是从设计、功能、架构之初就思考AI、融入AI、内建AI，实现AI在架构中无处不在。作为企业数字化业务开展的基础，AI原生技术的应用实现了具有部署、调优、节能、诊断、退役等能力的智能算力调度与管理系统，增强了IT基础设施的可靠性和可用性，保障了数字化业务的正常开展，提升了企业运维效率，降低了运维成本。此外，AI原生力为企业提供了灵活的IT性能保障，企业只需关注自身的研究领域、行业特点、场景需求，根据自身需要选择相应平台、模型即可，无须从零开始建设。业务维度：从企业业务运营维度看，AI原生力不仅可以提升企业生产的自动化水平，而且可以优化管理决策和企业业务流程，提升产品服务满意度。一方面AI原生力应用于企业生产，提升了生产自动化水平，帮助企业将劳动力从繁琐、简单、低价值、高风险的工作中解放出来，提升了企业的生产效率。另一方面，将AI原生技术应用于管理决策，能够帮助企业提升决策正确率，降低风险。此外，利用AI原生优化企业业务流程，基于数据流赋能技术流、物资流、资金流和人才流的发展，可以改变企业成本结构和价值创造过程，促进企业的业务创新和模式变革。AI智能客服的快速响应、智慧应答可以改善产品体验感，提升了用户的产品、服务满意度。生态维度：在行业生态层面，AI原生力推动了产业结构的升级换代，催生新的商业模式和技术，改变企业的商业惯例，开启了行业生态新模式。AI原生力可简化应用开发流程，提升了企业智能化应用水平，引领精准预测、自动化、智能化、云化和边缘化的发展趋势，此外，AI原生力能量的发挥更需要依赖上下游协作，通过打通硬件、软件、算法、数据等多个环节的完整智能生态链，进一步推动企业、行业的数智化创新。图 AI原生力包含三个维度：技术层面、业务层面、生态层面赋能行业生态种的应用模块、商业模式、供应链治理和协作优化业务运营过程中的数据管理、流程优化、决策制定、知识图谱、人员治理提升IT系统的灵活性、可靠性、可用性、韧性生态技术业务来源：IDC，.在下一代云上实现加速智能、效能提升、创新涌现云平台已经成为支撑全球企业数字化转型的关键基础设施，智能时代也如此。云技术开启并贯穿了数字化转型时代，从单点创新到规模创新直至进入智能创新，云始终是所有新技术、新解决方案发挥效力的发射台。在智能创新时代，企业生产力发生了革命化的演进，效率和产能将发生质的飞跃。因此，企业需要适应技术发展趋势，不断布局智能能力，保持行业竞争力。云智共衍共生，云是AI落地和发展的土壤，同时AI也会助推云平台发展。企业数字化业务发展离不开AI原生力支持，而AI原生力的呈现则依赖于云平台的托举。IDC的研究表明，全球%的企业云计算决策者表示，人工智能/机器学习服务的可用性是他们选择云应用平台服务供应商的一个因素；在中国，在落地生成式AI的过程中，有%的企业将选择公有云提供商作为其生成式AI技术合作伙伴，企业认为加强与云服务商的合作是首要诉求。第二章云智共衍共生助力企业智能创新智能时代企业对云的需求正在发生改变。随着智能化技术的发展，企业生产力发生了革命化的演进，效率和产能将发生质的飞跃。因而，企业需要适应技术发展趋势，不断布局智能能力，保持行业竞争力，但传统的云能力已难以适应企业在智能创新时代的需求。大模型的出现对云的综合能力提出了更高要求，已经采用云计算的企业正在衡量效率、生产力和创收等方面的业务效益，同时云服务商需要在云上构建AI相关能力，为企业提供价值创新的动力。IDC认为，企业希望在云上实现以下目标：在云上获得应用AI的能力：生成式AI等智能技术的应用和落地对云基础设施的能力提出了更高的要求。大模型训练、图形处理等智能技术的落地不仅需要大量的AI芯片提供超强算力支撑，而且依赖智能存储设备提供弹性、安全、可靠的存力保障，光传输设备带来的高速、稳定的网络，以及安全、可靠的数据存取策略。IDC预测，到 年，%的组织将投资基于云的高性能计算环境，以获得敏捷性、规模和更快的业务洞察力。图 发展生成式AI行业用户最重视的合作商来源：IDC，公有云服务商IT咨询服务商数字化基础设施供应商业务战略咨询服务商生成式AI初创企业生成式AI工具供应商芯片厂商企业级应用服务商%在云上获得AI加持的工具：企业对不同生成式AI大模型的部署、调优、应用及对不同规模的行业模型应用的需求，要求PaaS层通过低代码平台、serverless架构、AI辅助开发方式等提供灵活、敏捷的支撑，赋能平台和工具的增速提效。IDC预测，到年，企业将通过自动生成代码来满足%的新数字化解决方案在开发和早期部署时的功能和业务需求，从而显著提高开发人员速度。在云上实现以智能驱动的应用创新：企业的数字化、智能化发展驱动云服务商的SaaS业务应对AI、拥抱AI、融合AI，要求其从工具型、业务型向智能型、赋能型转变。IDC预测，到年，预计超过%的企业软件将包含AI功能，SaaS应用将成为主要的交付方式。智能时代将催生云的演进，企业对下一代云的需求呼之欲出。IDC认为，下一代云将是按需适配企业在智能创新时代发展的先进云，基于智能化技术持续演进云平台能力，同时面向企业提供AI加持的云服务，加速企业的智能化技术的业务价值转化，促进企业高效、敏捷、高质量地发展。图 下一代云支持企业实现智能加速、效能提升、创新涌现来源：IDC，AI能力 AI能力 AI能力AI模型AI模型AI模型智能加速带来智能化增速提效的能力创新涌现持续实现价值创造的能力效能提升敏捷提供可复用经验的能力AI for Cloud以AI促进云能力的升级Cloud for AI在云上实现AI能力的落地智能加速：以AI为驱动，全面提升基础设施和大模型服务能力以AI为导向，下一代云使用具有高算力、高存力、高速率、高安全的基础设施，为企业打造增速提效的智能底座。基于高性能AI芯片和AI服务器，支持AI对于数据密集型工作负载的计算需求；基于先进的分布式存储方案，满足AI应用全过程的海量数据存储需求；通过对IaaS运维保障能力的升级，保障边界的AI 基础设施部署；基于先进的光传输设备及高速网络协议，可助力实现高速、可靠的数据存取；基于云上的大模型能力和服务能力，可助力企业在实际业务场景中便捷、高效地部署大模型能力；基于数据隐私和数据主权保护，确保大模型应用的安全性，满足合规和运营要求。效能提升：降低AI使用门槛，向平台和工具借力以平台化和工具化的方式沉淀和汇总AI开发和应用经验，助力企业更方便、敏捷地获取在数据治理、现代化应用开发、安全保障等维度的先进技术，是下一代云保持活力的关键。基于湖仓一体、实时计算、多模数据库、向量数据库、全栈数据管控服务等能力，可提升企业对于海量数据的管理和分析能力；基于自动化代码生成、serverless架构、模型推理和微调服务，将提高开发人员的效率；基于风控大模型、自动化威胁检测和响应等智能化安全能力，可以夯实企业数字化业务安全。创新涌现：AI赋能应用，加速云智创新对于企业而言，生成式AI大模型、智能算法的融入将持续赋能更多智能应用，推动SaaS在不同垂直领域的业务拓展，从而为企业在协同、营销、内容管理等方面提供更高效、智能和个性化的解决方案，提升企业自动化水平和管理决策效率，加速云智创新与数实融合，推进AIGC与SaaS能力的融合，支持数字孪生和仿真、元宇宙等解决方案的应用和落地。对于个人而言，AI和SaaS的融合带来智能化应用的发展，可以更大程度地让AI价值在终端用户侧被感知，推动生产力、创造力的增长，同时在知识获取、工作方式、创作方式、娱乐方式、效率管理等维度带来新范式和新体验。.以PaaS为核心，构建下一代云上的AI原生力下一代云围绕AI而演进，以更好地帮助企业全方位地构建和应用AI原生力。下一代云需要从技术、业务、生态等多个层面支持企业实现智能化发展：智能加速：在技术层面打造智能架构和系统，通过对算力资源的智能调度与管理，提高利用率，保障算力设施的安全可靠运行，加速AI大模型的训练和落地部署；智能运营：在业务层面帮助企业提升工作流和业务流的自动化水平，基于下一代云平台对于云上资源管理的能力全方位提升企业的智能运营水平和运营效率；智能创新：在生态层面提升企业的创新性，依赖下一代云平台上的智能工具，提升企业应用开发效率，优化上下游供应链间协作能力，营造企业智能生态。图 在云上获得AI原生力：智能架构和系统、智能运营、智能创新来源：IDC，智能运营 智能加速 智能创新生态技术业务在这个过程中，PaaS将成为定义下一代云的核心能力。为了实现AI原生力的构建，下一代云需要解决企业如何在云上实现智能算力的调度和管理优化的问题，从而帮助企业便捷有效地获得大模型的应用和优化能力；同时，下一代云需要解决诸多问题，例如：企业如何在云上实现工作流和业务流的智能化提升；企业如何在云上实现应用开发的加速、数据价值的挖掘；如何确保上下游良好的协作等诸。这意味着，下一代云将十分依赖PaaS层的能力，从而降低应用AI和大模型的开发门槛，基于容器、微服务、集成和API管理、ML软件服务、AI软件/组件、低代码/无代码、开发工具、云应用服务平台、安全治理、数据管理等云上服务能力，在云上整合资源，在云上快速获得新能力，在云上统一管理数据和应用，满足企业对云高可靠、高可用、高弹性和可观测的使用需求。图 下一代云以PaaS为核心，打造AI原生力需要的关键能力来源：IDC，算力基础设施（人工智能服务器，网络，存储）基础大模型数据库大数据分析行业大模型场景大模型开发平台中间件PaaS智能工具SaaS应用入口业务作为云平台承上启下的中间层，PaaS层的功能将随着云的发展持续增强。一方面，在企业数字化转型浪潮的驱动下，数字化基础设施持续增强，IaaS层提供了更高的算力、更大的存力、更强的运力及更快的网络。作为IaaS的上层管理平台，为了能够更好地调度、管理IaaS层的基础资源，PaaS层必然将持续增强自身运维管理、资源调度、数据存储、数据分析等方面的能力。另一方面，人工智能、物联网、大数据等新一代企业级应用的快速迭代和创新也将充分释放 PaaS 的价值并增加对PaaS的需求。市场竞争与客户需求变化需要 PaaS 层提供更强大的工具助力企业业务创新，加速云上应用部署，如不断增加对场景大模型和业务大模型的支持，这就要求PaaS工具更加敏捷、更加智能。此外，随着SaaS智能应用的不断涌现，一些常见且适用面较广的应用将逐步下沉成为PaaS平台的一部分，为用户提供更加便捷的服务。图 PaaS层承上启下，呈现广度和深度双维扩展SaaSSaaSIaaSIaaSPaaSPaaS应用功能平台化沉淀统管不断扩大的基础设施统管不断扩大的基础设施应用功能平台化沉淀伴随发展，IaaS、PaaS和SaaS三层在规模上（水平方向）都会扩展。由于PaaS层既要承担IaaS层快速规模化扩张带来的压力，又要承载SaaS层软件功能沉淀的平台化能力，所以PaaS层将实现从规模广度到能力深度的双重扩展。来源：IDC，IDC看到，市场需求进一步向PaaS和SaaS层进发，使之成为公有云服务市场增长的主要动力。IDC预测，-年中国公有云市场复合增长率为.%，其中IaaS为.%，PaaS为.%，SaaS为.%。在基础设施建设完成后，如何使用先进的工具和应用能力，并持续保持迭代，对于企业保持云端活力、实现敏捷、加速创新具有十分重要的意义。可以说，企业对云的应用正在从资源驱动走向智能技术和智能业务驱动。年，中国PaaS市场规模达到.亿人民币，同比增长.%，-五年年复合增长率将达到.%。在当前ChatGPT等AI技术蓬勃发展的刺激下，有望走向下一轮高潮；年，中国SaaS市场规模达到.亿人民币，同比增长.%，-五年年复合增长率将达到.%。SaaS需求直接受企业业务驱动，只要企业业务继续增长继续变化，SaaS能够面向不同行业不同场景呈现它的价值。图 中国公有云服务细分市场规模及增速预测，-0.00100,000.00200,000.00300,000.00400,000.00500,000.00600,000.00700,000.00800,000.00900,000.00202220232024202620252027IaaSCAGR:.%PaaSCAGR:.%SaaSCAGR:.%来源：IDC，单位：百万人民币.下一代云的六大核心元素下一代云将以智能化技术为向导，全面提升基础设施智能原生性能。与此同时，它将基于智能化技术持续演进，并面向企业提供加速智能化技术业务价值转化的云服务，助力企业智能加速、效能提升和创新涌现。下一代云将围绕以下六大核心元素实现能力提升：基础设施、数据、大模型、开发、安全和应用。第三章下一代云上的关键技术发展趋势图 下一代云六大要素来源：IDC，AI能力 AI能力 AI能力AI模型AI模型AI模型智能加速带来智能化增速提效的能力创新涌现持续实现价值创造的能力效能提升敏捷提供可复用经验的能力应用基础设施大模型数据开发安全AI for Cloud以AI促进云能力的升级Cloud for AI在云上实现AI能力的落地基础设施：下一代云平台应当能够从算力、存储、网络、部署等方面为AI原生力提供坚实支撑。下一代云应当具备高能效的基础设施，突破算力瓶颈，依托高性能计算集群打造高性能计算平台；同时能够支持线性扩展计算性能，适应AI原生对于大规模、高速率、低延迟、高并发的数据存储和传输需求，基于先进的存储介质和网络协议，满足不同规模、不同类型的AI大模型训练和应用需求；此外，下一代云平台还应能够采用轻量级、易管理的技术架构，打通AI基础设施部署，实现基础设施的高效部署、弹性增容、高效管理。IDC预计，全球人工智能硬件市场将从年的,亿元人民币增长到年的,亿元人民币，占服务器和存储基础设施市场总量的近%。大模型：在下一代云提供高算力基础设施的牵引下，大模型相关的服务能力将成为云平台的重要能力。作为组织推进人工智能的重要抓手，大模型应具备较高的识别准确率和较强的场景迁移性，并且在多模态的任务下有明显突破。IDC认为，未来大模型将带动新的产业和服务应用范式，在类ChatGPT等应用的推动下，基于上层应用开发和SaaS服务的商业模式将会逐渐明晰，人工智能发展瓶颈将会得到突破，从而迎来人工智能的新业态。数据：数据是AI发展的根本。传统非体系化的数据管理架构已难以应对大规模的数据查询、全面管理、敏捷开发和业务分析，企业需要更智能的数据治理方案和数据仓储服务。下一代云应当能够满足AI大模型训练和应用相关的数据采集、数据准备、数据应用和数据归档需求：首先，大模型的训练需要大规模的数据样本，这对云平台的数据处理能力提出了更高要求，下一代云平台应配备AI原生数据分析和处理工具，实现对数据的智能管理和高效分析。IDC数据显示，年，大约%新生成的数据和近%的存储数据是非结构化数据，预计，到年全球新生成的非结构化数据量将达到,EB，五年年复合增长率达.%。企业对于多模态数据的治理与分析是未来的重点方向。其次，大模型训练、大数据分析过程中需要的计算资源、存储资源、网络资源依赖中间件调度底层资源实现，下一代云中间件应具备虚拟资源池管理、虚拟计算资源动态调度、分布式存储扩展支撑、分布式数据库支持等能力，提升资源处理能力，支撑应用需求。开发：在AI能力的驱动下，低代码甚至无代码将成为选择趋势，下一代云平台应能够支持企业使用serverless架构、低代码平台、AI 辅助开发等方式，提升开发能力和数字化创新能力。基于云平台提供的资源管理能力，开发者无需担心基础设施的使用和维护，可以更加专注应用开发本身。得益于生成式AI大模型，平台应能够提供快速灵活的低代码、可拖拽操作来满足企业不同技术水平开发者的使用需求，大幅缩短软件开发周期，支持智能化应用系统的开发，优化技术和业务部门之间的协同。IDC预测，从年到年，全球无代码开发者数量将会有%的大幅提升。安全：数据安全是云时代亘古不变的话题。企业必须保证数据全生命周期安全的存储、分析、共享，来保护数据安全和隐私，建立用户信任，为企业的可持续发展提供坚实基础。我国已经颁布施行的“十四五”规划纲要数据安全法个人信息保护法等政策法规，均明确提出推动发展数据战略，统筹数据开发利用、隐私保护和公共安全，规范数据有序流通，保障数据安全。IDC数据显示，中国网络安全市场保持高速增长态势，预计到年，中国网络安全支出规模预计可到,亿元人民币，五年复合增长率将达到.%。应用：生成式人工智能及大模型的发展衍生出了多种多样的智能应用。随着大模型的发展，应用程序中的智能效果将实现质的提升，优化用户在诸如智能客服、智能推荐、自动化流程、数据分析等多方面的体验。下一代云上的SaaS服务应与AI技术相结合，为企业提供更智能、高效和个性化的解决方案，满足不断变化的市场需求，帮助企业提升自动化、智能化水平，随着生成式AI大模型的改进、云平台计算能力的提升和训练数据的丰富，AI在应用系统中的效果和应用范围会不断扩展和提升。下一代云平台的应用在AI能力加持下，将为企业带来创新方向，提高企业竞争优势。IDC预测，全球人工智能软件市场将从年的,亿元人民币增长到年的,亿元人民币，复合年增长率（CAGR)为.%。通过六大维度的建设，下一代云为企业源源不断地注入新的能量，助力企业智能加速、效能提升和创新涌现。.下一代云上的关键技术以AI智能技术为导向，建设成为数字经济发展的坚实底座是下一代云的必然趋势。在数字化新技术不断涌现的潮流中，应重点关注下一代云上的关键技术发展。IDC看到，算力基础设施的算存网一体化、大模型即服务、云上数据治理与分析、以低代码平台为代表的现代化开发、云业务及数据安全和多样化的智能应用正在成为下一代云关键技术的发展重点。图 下一代云上的关键技术智能加速创新涌现效能提升来源：IDC，基础设施加速计算大数据存储高速连接网络容器化基础设施大模型通用大模型行业大模型模型安全应用通用型智能应用场景/行业型智能应用安全智能风控智能检测和响应开发自动化代码生成Serverless无代码/低代码DevOps数据大数据管理和分析分布式数据库向量数据库LBS.算力基础设施 在智能创新时代，企业使用生成式AI及行业大模型深度挖掘以发现创新点。创新的源头在于挖掘、捕捉持续变化的用户市场特征，这一过程高度依赖对市场及用户数据的自动获取、智能分析、深度融合、全方位画像，刺激了企业大规模计算、多模态数据存储需求的持续快速增长。计算平台算力的规模与速度、算法储备的广度及深度以及行业相关数据储备的总量、覆盖度与易用性体现了企业的数字智能化程度。加速计算数据是新时代的生产要素，数据量的快速扩张带动算力需求显著上升。为满足日益增长的算力需求，计算芯片作为提供算力的原始基础，正从单一化走向多元化、从通用化走向专用化、从同构化走向异构化，GPU、FPGA、NPU、ASIC等成为了加速计算的常见选择。人工智能大模型的出现极大拉动了对智能算力的需求，促使越来越多的企业和云服务提供商采购具有更高性能的服务器和更高端的处理器，处理高性能密集型计算。IDC数据显示，年上半年，中国人工智能服务器市场规模达到亿元人民币，同比年上半年增长%，预计到年中国人工智能服务器市场规模将达到,亿元人民币。同时，庞大的算力需求也给中国本土AI芯片发展带来新机遇，在中国政府相应政策的支持鼓励下，中国芯片厂商在AI芯片设计、算法优化、生产制造等方面逐步具备了一定的实力和竞争优势。大数据存储生成式AI大模型以大量数据为基础，在高算力基础设施的支撑下，通过大规模训练，产生出更接近真实情况、更有价值的预测和解决方案。其中，大模型训练所需的大量数据并不是同时输送给算力设施，而是在模型算法的调度下源源不断地供给，因此，数据的存储深度和广度从一定程度上扩展了算力的内涵与外延。大模型训练所需数据具有种类、形态多样化的特征，对存储设备提出了多模态、分层次存储需求，此外大模型所需的高速率、低延迟、高并发的数据存取需求也要求存储设备具备大容量、快响应、低时延、高稳定的特征。数据产生渠道的多样化、数据形态的异构化、数据排列的无序化带来了分布式、向量式的存储需求，分布式存储已成为海量非结构化数据实现高并发访问的主流存储形式。为保障云存储敏捷、高效的访问特性，应用PCIe宽带接口、适配NVMe高速读写协议的SSD固态存储，凭借其高读写、大带宽等特性，逐步成为云存储的主要媒介。IDC预计，到年全球人工智能存储市场云存储的占比将从将年的.%增长到.%，复合年增长率为.%。高速连接网络得益于高速网络的支持和云计算强大的资源管理能力，算力资源从单点计算扩展为分布式计算，极大地扩张了企业可用算力范围，显著提升了企业算力容量。以网络为根基，以存储为骨干，以算力为中心构建起算存网一体化的计算服务，存储将算力在纵深延拓，网络则完成了算力的横向扩展。高速网络的应用不仅提升了数据到算力中心的传输效率，而实现了云、边、端、链的深度融合，提升了用户使用体验。为保障网络的稳定行、可靠性和有效性，选用先进的光传输设备及高速网络协议是下一代云的必然趋势。生成式人工智能工作负载高可变、高带宽特性，以及密集GPU集群所需最小化端到端网络延迟的需求，推动了具有低延迟、低直径、高利用率的Leaf-Spine网络拓扑的发展。此外，对于数据中心而言，基于开放的架构构建网络软件系统变得更加重要，SONiC作为一个基于Linux的开源网络操作系统，能够运行在众多叶式交换机之上，生成式人工智能的应用将加速SONiC叶式交换机的部署，以实现复杂网络环境的打通。容器化基础设施高效的智能存储、强大的算力资源、高速的网络支撑共同构建了算存网一体化结构。容器则是呈现一体化算力基础设施的有效工具。根据应用需求，一套基础设施之上可以同时部署多个容器，且互不干扰。容器能够一键打通AI基础设施部署，简化开发和维护应用所需的复杂基础设施生态系统管理，提供了更高的敏捷性、可观察性和可移植性，此外容器简化了软件库管理，有助于加快Al DevOps开发。IDC预测，容器软件市场在近几年呈爆发式增长，并且未来五年仍然会保持超过%的复合增长率。到年，容器基础架构软件市场收入将与虚拟化软件市场、云系统软件市场齐平，成为近几年促使软件定义计算市场增长的新动力。.大模型即服务大模型即人工智能预训练大模型，包含了“预训练”和“大模型”两层含义，是大算力和强算法共同驱动的结果。经历了预训练模型、大规模预训练模型、超大规模预训练模型三个阶段后，大模型参数量实现了亿级到百万亿级的突破，从支持单一任务，逐渐发展为支持多种模态下的多种任务。如今，大模型已经从训练基础设施发展为针对基础应用的通用大模型，针对垂直应用的行业大模型也已初具规模。通用大模型和行业大模型发展并进，依托大模型即服务模式，将建立起差异化的商业模式，并逐渐形成基础模型、领域、行业大模型一体的架构，从而加速赋能交通、医疗、金融、教育等各个行业和领域，带来深刻的经济、社会和产业变革。通用大模型通用大模型通常具有强大的泛化性、通用性和实用性，可以在自然语言处理、计算机视觉、智能语音、视频处理等多个领域实现突破性的性能提升。大模型需要强大的AI算力基础设施支持，对于国内中小企业而言，大量的资本投入需求限制了其自研大模型的可能。大模型的开放和开源成为了加速促进AI技术发展和商业落地的重要手段。一方面，AI大模型的开放使不同的模型之间可以共享底层数据、算法和代码等，促进不同模型之间协作和更新迭代，推动了AI开发更加