شکستن انحصار ابر

داشتن همه چیز با Hyperscalers دیگر کار نمی کند. شرکت ها در حال تنوع سیستم عامل های داده خود برای دوره AI هستند.

تسلط بر Hyperscalers AWS ، Google Cloud و Microsoft Azure ابر چشم انداز برای بیش از یک دهه را شکل داده است. شرکت ها برای ساده کردن عملیات فناوری اطلاعات ، کاهش هزینه ها و نوآوری به این سیستم عامل ها رفتند. مدتی کار کرد. جذابیت مقیاس پذیری ، راحتی و یک سکوی متمرکز برای بار کار برق سخت بود.

با این حال ، زمان در حال تغییر است. بسیاری از سازمان ها در حال تجدید نظر در اعتماد خود به HyperScalers برای بارهای کاری موجود و آینده ، به ویژه آنهایی هستند که از هوش مصنوعی بهره می برند. این جنبش به یک حقیقت ساده می رسد: شرکت ها به کنترل بیشتری بر داده های خود و آنچه با آن انجام می شود نیاز دارند. هزینه ، حاکمیت داده ها و آزادی نوآوری بدون محدودیت های عملیاتی باعث می شود شرکت ها به دنبال فراتر از بازیکنان اصلی باشند.

این تغییر پارادایم نشانگر سقوط کامل Hyperscalers نیست. آنها برای موارد استفاده خاص ، بازیکنان محوری باقی می مانند. با این حال ، شرکت های بیشتر و بیشتر در حال شکستن رایگان و در آغوش سیستم عامل های ناهمگن برای کاهش هزینه ها ، بازرگانی کنترل و قدرت نوآوری است. سیستم ها این تغییر یکی از مهمترین روندهای آن در شرکت در پنج سال گذشته است.

بیایید بررسی کنیم که چرا این روند برای متنوع سازی در حال به دست آوردن حرکت است و برای آینده سیستم عامل های سازمانی چه معنی دارد.

واقعیت فشارهای هزینه

سیستم عامل های ابری هنگامی که به برجستگی رسیدند ، به عنوان هزینه هزینه فروخته شدند. امروز ، واقعیت اقتصاد ابر سخت است. شرکت ها در حال درک این موضوع هستند که معمولاً HyperScalers نمی توانند همان پس انداز یا کنترل حاشیه را به عنوان زیرساخت های داخلی یا سیستم عامل های تخصصی ارائه دهند. گزارش ۲۰۲۲ توسط آندرسن هورویتز تخمین زده است که شرکت های نرم افزاری عمومی به اندازه ۱۰۰ میلیارد دلار در ارزش بازار به دلیل وابستگی زیاد به دلیل داشتن بستر های نرم افزاری از دست می دهند. به طور مشابه ، بررسی Barclays CIO نشان داد که درصد سازمانهایی که قصد دارند بار کار را برگردانند ، به طرز چشمگیری افزایش یافته است ، از ۴۳ ٪ در سال ۲۰۲۰ به ۸۳ ٪ در سال ۲۰۲۴.

برای سالها ، رهبران آن اعتقاد داشتند کسانی که می گفتند “شما دیوانه هستید اگر در ابر شروع نکنید.” این توصیه برای پروژه های گرینفیلد که نیاز به استقرار سریع دارند ، معقول است ، اما بنگاه هایی که سیستم عامل های موجود را مقیاس می دهند ، دریافتند که هزینه های ابر آنها غیرقابل پیش بینی شده است. هزینه کل تجزیه و تحلیل مالکیت نشان می دهد که حفظ بارهای کاری بر روی فشارخون ها اغلب منجر به افزایش سنبله های قیمت می شود زیرا شرکت ها مجبور به مقیاس محاسبه منابع ، پهنای باند یا ذخیره سازی می شوند. بارهای کاری فشرده داده ، مانند مواردی که برای آموزش AI یا تجزیه و تحلیل ، می تواند هزینه های ابر بالون را حتی بیشتر کند. محاسبات هوش مصنوعی منابع قابل توجهی را می طلبد ، و هزینه های بالای اجاره محاسبات و ذخیره سازی را به گزینه بلند مدت مشکل ساز تبدیل می کند.

چرا مالکیت اهمیت دارد

کنترل داده ها به عنوان یک نقطه دردناک برای شرکت ها با استفاده از hyperscalers ظاهر شده است. مشاغلی که داده های مهمی را ذخیره می کنند که فرایندها ، تلاش های انطباق و خدمات مشتری را بر روی سیستم عامل های HyperScaler قدرت می دهند ، فاقد دسترسی آسان و تقاضا به آن هستند. بسیاری از ارائه دهندگان HyperScaler محدودیت ها را اعمال می کنند یا فاقد قابلیت حمل کامل داده ها هستند ، موضوعی که توسط فروشنده قفل شده یا درک آن ایجاد شده است. saaS خدمات دارای فرآیندهای بازیابی داده های مات و مبهم هستند که باعث می شود تا به چالش کشیدن داده های جدید برای استفاده از پلت فرم دیگر.

سازمان های

همچنین در حال تحقق ارزش ذاتی نزدیک شدن داده ها به خانه هستند. پردازش داده های در زمان واقعی برای اجرای کارآمد در امور مالی ، مراقبت های بهداشتی و تولید بسیار مهم است. برخی از ابزارهای هوش مصنوعی نیاز به دسترسی سریع به داده های ذخیره شده محلی دارند ، و وابسته به API های HyperScaler – یا ادغام ها – یک تنگنا را ایجاد می کند. در همین حال ، الزامات انطباق در مناطقی با قوانین سختگیرانه حریم خصوصی ، مانند اتحادیه اروپا ، استراتژی های حاکمیت داده های سختگیرانه تر را دیکته می کند.

با ظهور هوش مصنوعی ، شرکت ها این فرصت را برای استفاده از عوامل هوش مصنوعی که مستقیماً با داده های محلی کار می کنند ، تشخیص می دهند. بر خلاف سیستم های سنتی AI مبتنی بر SAAS که باید داده ها را برای پردازش به ابر منتقل کنند ، سیستم های محلی محلی می توانند در فایروال های سازمانی کار کنند و کنترل کامل بر اطلاعات حساس را حفظ کنند. این هم مشکلات مربوط به انطباق و هم سرعت را حل می کند.

سیستم عامل های هیبریدی و ناهمگن

سیستم عامل های سازمانی همگن کاملاً تحت سلطه یک ارائه دهنده ابر به زودی چیزی از گذشته خواهند بود. آینده در هیبرید و زیرساخت های بسیار ناهمگن که با خدمات هیپرسکالر با سیستم های تخصصی ، پلتفرم های تخصصی و تخصصی تعادل برقرار می کنند ، نهفته است. بارهای کاری.

این ناهمگونی فقط نظری نیست. github ارزش ترکیب فناوری محلی را با مجموعه ای از مبتنی بر ابر نشان داده است. New AI platforms designed for local operations—like Meta’s Llama or DeepSeek—show that cutting-edge applications can move off the cloud. این پیشرفت ها مالکیت کم هزینه و محلی را بدون به خطر انداختن قابلیت ها امکان پذیر می کند. از آنجا که CIO های بیشتر و رهبران فناوری اطلاعات این رویکردها را اتخاذ می کنند ، انتظار دارند ابزارهای همکاری ، نوع داده های تکرار شده بدون درگیری ( crdt) و سایر تکنیک های محلی برای افزایش قابل توجهی در ارتباط و در دسترس بودن.

hyperscalers همچنان در شرکت IT نقش دارد. سیستم عامل های ابری عمومی برای مقیاس بندی الاستیک بارهای کاری ، پشتوانه داده ها و هزاران کارکرد دیگر ضروری هستند. اما آنها دیگر انتخاب پیش فرض نیستند. شرکت ها استراتژی های بلند مدت را اتخاذ می کنند که ابزار ابری را با کنترل و صرفه جویی در هزینه های سیستم های داخلی ، محلی و سیستم های جایگزین متعادل می کند.

در سالهای آینده ، شرکت ها اساساً روابط خود را با داده ها و زیرساخت های دیجیتال دوباره اختراع می کنند. لبه رقابتی متعلق به سازمانهایی خواهد بود که می توانند قابلیت های ابری را با داده های کنترل شده محلی تعادل برقرار کنند تا سریعتر نوآوری کنند ، نیازهای انطباق را برآورده سازند و هزینه های عملیاتی لاغر را حفظ کنند.

hyperscalers به ​​خوبی به ما خدمت کرده اند ، اما آنها هرگز به معنای تنها راه حل نبودند. شرکت متنوع است ، و سیستم عامل های پشتیبانی از آن باید به همان اندازه متنوع باشند. این که آیا توسط بارهای کار هوش مصنوعی ، تقاضای انطباق و یا فشارهای کنترل هزینه هدایت می شود ، سازمان ها اکنون ابزارها ، مشوق ها و راهکارهایی را برای ایجاد این تغییرات دارند.