12 月 21 日，在国际电信标准组织 3GPP RAN 第 78 次全体会议上，5G NR 首发版本正式冻结并发布。作为全球第一个可商用部署的 5G 标准，5G NR 的出现比原计划提前六个月到来。

　　同一天，国内安防公司海康威视发布了酒店智能门禁产品「明眸」。对于这款智能产品，除了 AI 之外，海康威视主打的另一卖点则是「边缘计算」(Edge Computing)。5G 和安防摄像头，看起来似乎没什么交集的两个事件，最终都指向了一个在即将到来的物联网时代越来越重要的技术——边缘计算。

　　从 2005 年提出概念到现在，经过近十几年的发展，云计算已经成为当今互联网最重要的平台技术，几乎所有大型公司都已经将任务交至「云端」来处理。不过，在即将到来的物联网时代，云计算平台将会面临海量设备接入、海量数据、带宽不够和功耗过高等高难度挑战，这也成为了边缘计算发展的契机。

　　如果将云计算看成大数据处理的 1.0 时代的话，那么边缘计算则是 2.0 时代，后者通过「简政放权」的方式，将云计算中心的任务分配到网关等「网络边缘」设备上，实现物联网设备和边缘设备的实时交互和决策。

　　实时、高效、安全和低功耗是边缘计算技术的优势，这也是为什么思科、华为、英特尔、ARM 等巨头纷纷布局这个在物联网时代最重要的技术。

　　云计算的物联网挑战

　　自从本世纪初云计算模型的出现和广泛应用，云计算已经改变了我们的生活、学习和工作，例如，SaaS 服务已经被谷歌、微软等公司运用到自己的数据中心。云计算核心在于「集中」，即将大量数据集中式存储和处理，实现方式是建造大型数据中心，利用数据中心海量机器的算力来计算和解决问题。从贵州到冰岛，全球都可以看到大公司的数据中心。对于亚马逊、微软、阿里和腾讯来说，云计算平台也已经成为非常重要的业务和收入来源之一。

图片来自skyworks

　　不过，随着物联网时代的逐渐临近，云计算将会面临诸多挑战。首先是数据量，根据互联网数据公司 IDC 预测，到 2020 年，全球范围内的数据总量将大于 40ZB(1ZB=1 万亿 GB)。和普通的电脑、手机等设备相比，交通工具物联网设备产生的数据堪称海量。例如，波音 787 飞机每秒产生的数据量超过 5GB;目前较热的无人驾驶大量使用摄像头和激光雷达，这些传感器每秒产生的数据就达到 1GB 大小。 以目前的带宽水平来看，无法支持设备到云端之间的数据传输，而让云计算中心实时返回数据决策也变成了不可能的任务。

　　据思科互联网业务解决方 案集团预测，到 2020 年，连接到网络的无线设备数量将达到 500 亿。而这其中大部分设备都需要实时联网进行数据交换。即便到了 5G 成熟的时代，其带宽也无法支持海量物联网设备将海量数据传输到云计算中心进行集中处理。

　　同时，从能耗角度来看，云数据中心的能耗已经是一个挑战。根据环境报告显示，我国数据中心所消耗的电能的总和已经超过匈牙利和希腊两国用电的总和。随着在云计算中心运行的用户应用程序越来越多，未来大规模数据中心对能耗的需求将难以满足。

　　另外，云计算模型中，用户的一切数据都需要上传到数据中心，而在这个过程中，数据安全性就成了一个重要问题。 从电子金融账户密码、到搜索引擎历史再到智能摄像头监控，这些个人的隐私数据在上传到数据中心的过程，都蕴含了数据泄露的风险。

　　而要解决物联网时代数据的处理难题，则需要从结构上来重新思考，这就是边缘计算的诞生背景。

　　边缘计算的潜力及应用

　　如果将云计算称为大数据处理的 1.0 时代的话，这个阶段数据的类型主要以文本、音视频、图片以及结构化数据库等为主，数据量维持在 PB 级别，云计算模型下的数据处理对实时性的处理要求不高。而即将到来的物联网时代，则已经是数据处理的 2.0 时代，这个阶段数据的量已经是 ZB 级别，且数据的实时性要求非常高。可以说，是数据处理的升级，催生除了边缘计算。

图片来自Daily Beast

　　边缘计算是指在网络边缘执行计算的一种新型计算模型，其中「边缘」指的是数据源到云计算中心路径之间的任意计算资源和网络资源。例如，可穿戴设备就是个人用户和云计算中心之间的边缘，智能家居中的网关则是智能设备和云计算中心之间的边缘。边缘计算的核心，是将计算任务从云计算中心，迁移到产生源数据的边缘设备上。由于数据只在源数据设备和边缘设备之间交换，不在全部上传至云计算平台，因此能够大大提升数据处理速度，实现物联网设备需要的实时性和安全性。

　　文章开头提到了安防摄像头厂商海康威视，随着智慧城市和公共安全需要，摄像头的视频分析技术的重要性凸现出来。但是，由于摄像头数量多，产生的数据量极大，已经不再适合直接上传到云计算中心进行处理，不仅网络带宽压力大，对海量数据的搜索耗时也是不能接受的，这时候边缘计算就派上了用场。

　　具体来说， 云计算中心发出查找指令，接受指令的每个边缘设备会搜索本区域内的数据，并将结果返回给计算中心，这种方式不仅极大降低了带宽压力，同时也极大提升搜索速度。

　　边缘计算的另一个应用领域，则是智能出行，其代表是无人驾驶车辆。目前，每台无人驾驶车上都配有多颗摄像头和激光雷达，这些传感器每时每秒都在创造大量数据。而无人驾驶车显然没法等待这些数据传输到云计算中心处理后再做决策，这时边缘计算就成为无人驾驶实时数据处理的利器。

　　一周之前，国内人工智能公司地平线科技推出了首款 AI 芯片旭日(Sunrize)1.0，在产品发布会上，公司创始人余凯表示旭日处理器是将计算行为「前置」，而非上传到云端进行集中处理，这样带来的好处就是数据处理块，机器功耗低，成本和效率得到极大提升——非常符合边缘计算的特点。

　　这些只是边缘计算应用领域的很小一部分，毕竟在「万物互联」的物联网时代，能够联网产生数据的设备量级将达到 500 亿以上。根据思科全球云指数的预估，到 2019 年，物联网产生数据的 45% 将会在边缘计算网络进行处理和分析。

一年前，华为、中国信息通信研究院。ARM、英特尔以及软通动力信息技术(集团)有限公司联合成立了边缘计算产业联盟。在国外，思科等公司也已经将边缘计算设为下一个重点发展目标，而这个涉及到交通、零售等几乎所有行业的新技术，对人们生活的影响将大大超过「前辈」云计算技术。

——极客公园

随着2018年混合云将成为行业发展的风向标，几乎没有任何事情可以组织云计算业务的发展和增长，那么在可预见的将来，云计算行业的领导者将会是谁?

　　尽管在云计算领域一直存在争议，但云服务和基础设施即服务(IaaS)领域的排行在短期内可能会持续保持现状：AWS排名第一，微软其次，第三是谷歌。

　　业界分析师认为，随着用户寻求多云策略来避免厂商锁定等问题，随着时间的推移IBM可能会成为AWS和Azure之后的下一个重要的云服务提供商，IBM在区块链和分析方面的举措可以帮助公司成为某些云工作负载的更有竞争力的厂商。

　　AWS、微软、谷歌的云市场排名

　　云计算市场竞争激烈，排名上的任何变化都意味着海量的工作需要做。KeyBanc分析师在CNBC上引用报告称，AWS第四季度的市场份额为62%，低于去年同期的68%，而微软持续增长。就目前而言：

　　AWS拥有市场的62%的份额(低于之前的68%)Azure市场份额从16%增长到20%谷歌的份额从10%增长到了12%

　　未来五年可能会发生什么变化?尽管希望渺茫，但并非不可能。Gartner预计全球企业在内部数据中心系统上的投入超过1400亿美元。此后，公有云和私有云服务的迅速普及引发了IT预算的重新分配。IDC认为，到2021年，云服务和基础设施支出将会达到2660亿美元。

　　3大云服务提供商之间同质化的竞争

　　Brian Peterson是Dialpad的工程副总裁，负责领导该公司与亚马逊Alexa的整合。他还曾在2002至2010年间担任Mountain View的高级软件工程师。

　　他认为，未来五年将没有任何一家公司主导云计算市场，云计算和人工智能程度将成为该公司选择更便宜的云服务提供商的主要参考因素。这对消费者来说是极好的，因为拥有多个可靠的云服务提供商意味着竞争将促使他们将利润率保持在低水平。

　　即便是在今天，谷歌、亚马逊和微软公司都提供类似的服务，大多数用户正在根据他们以往的经验以及对这些提供商的优惠来选择服务。优惠包括使用平台可以获得积分或者初创公司可以免费在几年内使用其云服务。

　　最终这意味着市场将继续呈爆炸式增长，但是从长远来看，谷歌、AWS和微软在云计算领域不太可能有太大的突破。现在谷歌和微软都排名在亚马逊后面，原因是他们起步较晚，在谷歌和微软的不断努力下，他们将迅速赶上亚马逊并保持竞争力。

　　AI的影响

　　为了实现差异化竞争，谷歌在开发和营销其平台的机器学习和大数据功能方面进行了巨大的投资。谷歌在2014年以5亿美元的高价收购了AI初创公司DeepMind，并支持开源深度学习项目TensorFlow，可以说Google巩固了自己作为云端AI的领导者地位，但这一领域的成功还不能缩短市场份额的差距。

　　数字体验设计机构POP的首席技术官Jake Bennett表示：“问题是数据科学家并没有对云计算提供商进行大规模的检查，如果谷歌在AI上与机器学习的新手进行竞争，未来对谷歌来说非常有利的。但事实并非如此，亚马逊是大规模使用机器学习的先去，几十年来一直使用个性化和智能建议来发展电子商务。”

　　微软也在其Azure平台上投资AI功能，以缩小与亚马逊的差距。Azure一直在构建一系列易使用的数据科学工具，旨在使数据人员的工作更加轻松并将常规的开发人员转换成为机器学习工程师。此外，微软的研发团队微软研究院有超过1000名研究人员其中很大一部分专注于人工智能创新。

 　　Bennet表示：“鉴于亚马逊和微软现有的领先优势和不断增长的人工智能功能，人工智能不太可能缩小与谷歌的差距。而如果谷歌不能通过人工智能区分他们的产品，那么他们唯一能够与另外两家竞争的也就只剩下价格了。”

——企业网

物联网实现全球亿万种物品之间的互连，将不同行业、不同地域、不同应用、不同领域的物理实体按其内在关系紧密地关联在一起，对小到螺丝、铅笔，大到飞机、轮船等巨量物体进行联网与互动。物联网能够实现社会活动和人们生活方式的变革，被预言为继互联网之后新的全球信息化产业浪潮，受到各国政府、企业和学术界的广泛重视。

　　从信息技术角度看，物联网是指具有感知和智能处理能力的可标识的物体，基于标准的可互操作的通信协议，在宽带移动通信、下一代网络和云计算平台等技术的支撑下，获取和处理物体自身或周围环境的状态信息，对事件及其发展及时做出判断，提供对物体进行管理和控制的决策依据，从而形成信息获取、物体管理和控制的全球性信息系统。物体能够在人类直接干预或无需人工干预条件下感知事件、触发动作和生成服务，通过协同的感知和互动来影响甚至控制事件向有利的方向发展。物联网充分体现了物理世界和信息空间的深度融合，使人类可以融入到一体化的智能生态环境中，实现人、机、物的协同统一。

　　作为崭新的综合性信息系统，物联网并不是单纯的，它包括信息的感知、传输、处理决策、服务等多个方面，呈现出自身显著的特点;首先是对客观物理世界的全面感知，它不仅表现在对单一的现象或目标进行多方面的观察获得综合的感知数据，也表现在对现实世界各种物体现象的普遍感知;其次是物联网实体间的泛在互联，表现在各种物体经由多种接入模式实现异构互联，也突出表现在物联网不仅包括互联网、电信网等公共网络，还包括电网和交通网等专用网络，错综复杂，形成"网中网"的形态;第三是智慧的信息处理和决策，它体现在物联网中从感知到传输到决策应用的信息流，并最终为控制提供支持，也广泛体现出物联网中大量的物体和物体之间的关联和互动。物体互动经过从物理空间到信息空间，再到物理空间的过程，形成感知、传输、决策、控制的开放式的循环。

　　物联网不同于感知信息收集的传感器网络，也不同于信息传输的互联网。它包含亿万种多样的物体，承载和处理巨海量的感知信息，容纳各种模式的接入和通信模式，实现从感知、处理到控制的循环过程。其系统架构如何构成，采用什么样的体系结构，现已成为物联网研究的核心问题之一。

　　1.物联网和云计算

　　目前大部分人士都认同将物联网分成三个层次，一个是应用层，还有一个网络层，还有感知层。未来的物联网应该是一个由云+端组成的一个庞大网络，随着传感器网络大规模部署，各种终端就像蓝海一样，分布到各种各样基础设施上收集信息，在通过各种网络将这些信息发送到云端进行计算和处理，经过计算和处理的信息最后到了应用层为不同的领域各种各样行的支撑服务。

　　人类通过各种信息感应、探测、识别、定位、跟踪和监控等手段和设备实现对物理世界的"感、知、控"，这一环节称为物联网的"前端";而基于互联网计算的涌现智能以及对物理世界的反馈和控制称为物联网的"后端"。当下无论学术界还是工业界，目光普遍聚焦在物联网的"前端"，但物联网的"后端"也同样重要。从"后端"看，物联网可以看做是一个基于互联网的、以提高物理世界的运行、管理、资源使用效率等水平为目标的大规模信息系统。该系统具备实时感应、高度并发、自主协同和涌现效应等特征。

　　云计算为众多用户提供了一种新的高效率计算模式，兼有互联网服务的便利、廉价和大型机的能力。它的目的是将资源集中于互联网上的数据中心，由这种云中心提供应用层、平台层和基础设施层的集中服务，以解决传统IT系统零散性带来的低效率问题。云计算是信息化发展进程中的一个阶段，强调信息资源的聚集、优化、动态分配和回收，旨在节约信息化成本、降低能耗、减轻用户信息化的负担，提高数据中心的效率。云计算出现的初衷是解决特定大规模数据处理问题，因此它被业界认为是支撑物联网"后端"的最佳选择，云计算为物联网提供后端处理能力与应用平台。笔者认为物联网"后端"建设应从互联和行业云做起。在研究全面和理想化战略体系的同时，应充分利用良好的前期基础，重视价值牵引作用，在特定领域的典型应用和行业云上有所突破。

　　云计算是互联网发展带来的一种新型计算和服务模式，它是通过分布式计算和虚拟化技术建设数据中心或超级计算机，以租赁或免费方式向技术开发者或企业客户提供数据存储、分析以及科学计算等服务。广义上讲，云计算是指厂商通过建立网络服务集群，向多种客户提供硬件租赁、数据存储、计算分析和在线服务等不同类型的服务。云计算的主要服务形式有以亚马逊公司为代表的基础设施即服务，以Saleforce为代表的平台即服务，以及以微软代表的软件即服务等。

　　云计算的"云"就是存在于互联网的服务器集群上的服务器资源，包括硬件资源(如服务器、存储器和处理器等)和软件资源(如应用软件、集成开发环境等)。本地终端只需要通过互联网发送一条请求信息，"云端"就会有成千上万的计算机为你提供需要的资源，并把结果反馈给发送请求的终端。每个提供云计算服务的公司，其服务器资源分布在相对集中的世界上少量几个地方，对资源基本采用集中式的存放管理，而资源的分配调度采用分布式和虚拟化技术。云计算强调终端功能的弱化，通过功能强大的"云端"给需要各种服务的终端提供支持。如同用电用水一样，我们可以随时随地获取计算、存储等信息服务。

　　2.物联网和海计算

　　海计算通过在物理世界的物体中融入计算与通信设备以及智能算法，让物物之间能够互连，在事先无法预知的场景中进行判断，实现物物之间的交互作用。海计算一方面通过强化融入在各物体中的信息装置，实现物体与信息装置的紧密融合，有效地获取物质世界信息;另一方面通过强化海量的独立个体之间的局部即时交互和分布式智能，使物体具备自组织、自计算、自反馈的海计算功能。海计算的本质是物物之间的智能交流，实现物物之间的交互。云计算是服务器端的计算模式，而海计算代表终端的大千世界，海计算是物理世界各物体之间的计算模式。

　　简言之，海计算模式倡导由多个融入了信息装置、具有一定自主性的物体，通过局部交互而形成具有群体智能的物联网系统。该系统具有以下优点：

　　(1)节能高效充分利用局部性原理，可以有效地缩短物联网的业务直径，即覆盖从感知、传输、处理与智能决策，到控制的路径，从而降低能耗，提高效率。

　　(2)通用结构通过引入融入信息装置的"自主物体"，有利于产生通用的、可批量重用的物联网部件和技术，这是信息产业主流产品的必备特征。

　　(3)分散式结构海计算物联网强调分散式结构，较易消除单一控制点、单一瓶颈和单一故障点，扩展更加灵活。群体智能使得海计算物联网更能适应需求和环境变化。

　　实时信息系统一般而言，实时信息系统(Real-timeInformationSystem，RIS)由信息采集、信息传输和信息处理三个子系统组成。信息采集子系统由各种类型的采集设备所组成，如传感器、射频识别和视频、音频图像采集器等。用户以有线或无线的方式连接系统，实时信息可以由实时信息系统根据用户个性需求主动推送，也可以是用户主动发出请求后等待接收信息。实时信息系统建设的一个重要原则是保证系统的开放性，以促进实时信息的采集与共享。

　　(1)物理实时信息采集

　　针对物理世界的实时信息采集方式可以分为直接采集和间接采集。直接采集是指利用各种采集设备直接从物理世界的信源采集信息，包括自动采集、人工采集和混合采集;而间接采集是指针对事先被上传到互联网上仍然保持时效性的实时信息进行采集。物联网中大多采用自动采集的方式。自动采集是指利用各种采集设备，针对某一目标主体连续实时地采集信息。常见的采集设备包括物理传感器、化学传感器、生物传感器、射频识别标签以及识别设备、全球定位系统设备等。在物联网中，把所标记的物体的相关信息事先写入射频识别标签，通过标签接收阅读器发出的射频信号，凭借感应电流所获得的能量将存储在芯片中的物体信息发出，这样阅读器就能采集物体信息，并以此判定物体的位置和数量等实时信息。

　　(2)实时信息处理

　　实时信息处理是指把原数据加工成信息的一个过程，涉及分类实时信息收集、数据规整、实时场景重构和数据挖掘等步骤，其中分类实时信息包括可视信息、音频信息及其它物理量或化学量。实时场景重构技术是实时信息处理研究领域的一个重要课题。实时场景重构技术是指通过一定数量的实时信息采集设备(包括无线手持设备和固定的视频图像采集设备)采集信息，并用采集到的分类实时信息进行信息源的场景重构。实时场景重构的实现涉及到分类实时信息的收集和逆向建模技术。

　　(3)实时信息发布

　　实时信息分发模型包括Pull和Push两种模型。Pull模型一般是由用户主动发起信息请求，请求经过处理后转化成采集指令，信息源采集设备将采集到的信息传回给用户;Push模型一般是由信息源采集设备采集到实时信息，并经过处理后，根据用户的个性需求，有选择地传送。

　　此外，实时信息系统还有若干技术问题需要解决，如：信息精准度问题、传递延迟以及隐私问题等。

　　海计算(SeaComputing)是2009年8月18日，通用汽车金融服务公司董事长兼首席执行官molina，在2009技术创新大会上所提出的全新技术概念。海计算为用户提供基于互联网的一站式服务，是一种最简单可依赖的互联网需求交互模式。用户只要在海计算输入服务需求，系统就能明确识别这种需求，并将该需求分配给最优的应用或内容资源提供商处理，最终返回给用户相匹配的结果。与云计算的后端处理相比，海计算指的是智能设备的前端处理。

　　物联网具有显著的异构性、混杂性和超大规模等特点。异构性表现在不同制造商、不同拥有者、不同类型、不同级别、不同范畴的对象网络共存于物联网中，网络之间在通信协议、信息属性、应用特征等多个方面存在差异性，并形成混杂的异构网络或"网中网"形态;混杂性表现在网络形态和组成的异构混杂性，多信息源的并发混杂性，场景、服务和应用的混杂性等多个方面;物联网是物理世界与信息空间的深度融合系统，是涉及全球的人、机、物的综合信息系统，其规模之大无所不包。

　　物联网的上述特点决定了感知层数据的特性，即异构的、混杂的、大规模的实时流感知数据。同时，感知数据还具有一个显著特点就是时空特性，就是感知数据在特定时间和特定空间内才有意义，如果不在这个地点或过了这个时间，数据的意义可能就不大了。如中关村大街的交通相关信息，这些交通信息通过很多节点实时采集，是大数据量的随时间不断采样的实时流信息。这些信息谁需要?是在这个区域的人车才真正需要了解当时的详细拥塞或停车信息等，以便及时掌握交通动态，调整行车路线或停止地方。其他地方的人们可能不关心这个区域的交通信息，或仅仅只需要了解大概情况，实时性要求也不是很高，如了解中关村大街的历史交通信息等。另外，物联网的物体之间需要协同交互，对事件及时做出反应，这就需要实时性采集、处理和控制，如在中关村大街上前后行驶的两辆车需要实时交互，既要保持畅通行驶，又要通过保持一定的车距来保证安全性，这就需要在当前场景下局部空间内车辆之间实时通信和决策处理。

　　为此，我们针对物联网这些数据的特性提出了哑铃式的存储和计算模式。大量的感知信息在采集和使用的本地进行存储，经过处理后的中间或最后结果存储在互联网上(后端)，放到云中的数据中心。感知信息的预处理、判断和决策等信息处理主要在当前场景下的前端完成，必要的需要大运算量的计算才通过"云端"的数据中心来处理。只有这样，才能节省通信带宽，否则网络很难传输这么多的感知数据;才能节省存储空间，数据中心再大也难存下实时流的原始感知数据，也没有必要存储原始感知数据;才能满足实时性的交互处理，如果通过互联网或云计算来做出处理和决定，就不能满足很多实时性的应用;更重要的是能够满足物联网的大规模的扩展性。物联网一定是分布式的系统，局部空间内的高度动态自治管理才有利于扩展性。

 　　智能化的前端具有存储、计算和通信能力，能在局部场景空间内前端之间协同感知和判断决策，对感知事件及时做出响应，具有高度的动态自治性。海计算的每个"海水滴"就是全球的每个物体，它们具有智能，能够协助感知互动。亿万种物体组成物联网系统，就如同海水滴形成大海一样。

——多智时代

         业务向云计算的过渡为全球企业提供了巨大的机遇。人工智能、数据分析、区块链、物联网(IoT)等高价值服务快速增长，使企业能够以前所未有的方式从数据中获得变革性的洞察力。

很多企业迅速采用公共云来帮助他们管理、连接和优化工作负载。然而，更多的数据带来更大的责任。人们对数据驻留、安全性和个人数据保护的担忧一直居高不下，特别是在企业满足HIPAA、GxP、QMS和欧盟即将出台的“通用数据保护条例”(GDPR)等法规和合规要求的情况下。

　　收集、存储、管理或处理数据的所有组织都有责任，在大多数情况下，都是一项法律要求，需要对处理数据负责。事实上，IBM公司委托Vanson Bourne公司进行的调查研究表明，近一半(47%)的英国、法国和德国的受访者表示，他们知道他们的云计算提供商提供哪些数据保护措施至关重要。

　　企业需要为GDPR合规做好准备

　　企业面临的监管和合规情况复杂多变，这将因行业和国家而异。但是，即将到来的“通用数据保护条例”(GDPR)是全球许多企业的首要考虑因素，需要迅速做好准备。

　　GDPR是一个影响欧盟内外公司的法规框架，要求企业保护在欧盟成员国内发生交易的欧盟公民的个人数据和隐私。GDPR将很快到来，其框架的实施日期是2018年5月25日。

　　更重要的是，如果企业没有适当遵从GDPR的话会有一些严重的后果。例如，对于没有遵守GDPR的企业进行一些最大的罚款可能高达2000万欧元，或其全球年营业额的4%，以更高者为准。

　　采取混合云方法

　　虽然这可能会带来挑战，但是对GDPR和合规准备情况采取战略性措施的企业将有机会来获得更好的客户信任。事实上，采用云计算是企业获得成功的途径，而不是障碍。

　　混合云模式是企业向公共云过渡并为GDPR做准备的好时机。诸如地理位置、合规性、技能组合，以及现有基础设施等因素是实施云计算策略时的关键考虑因素，因此，结合使用公共云和私有云已经变得司空见惯。

　　其中一个最重要的考虑是战略性地确定数据应该存在的位置。许多企业已经在基础设施、应用程序和数据上投入了数十亿美元，因此从整体角度来看待云计算策略至关重要。

　　通过依靠具有单一集成架构的云平台，企业可以将私有云用于保存和处理其最敏感的数据，而采用一个强大而安全的公共云，以实现规模经济和混合功能，以连接和统一所有云计算、数据、服务和应用程序。

　　统一的数据治理

　　企业在应对监管和合规挑战时，另一个重要的考虑因素是数据治理。组织完全有可能在满足法规和合规要求的同时，继续利用分析或人工智能等高阶云服务的创新潜力。实现这一平衡的解决方案是采用统一的治理策略，为企业提供一种管理数据的单一方法，无论其位于何处。这种方法可帮助客户了解其信息资产的关键特征、应用规则和策略，可以建立单一的个人和实体的可信任视图，并管理数据，而不用考虑其数据是否位于业务关键系统、防火墙后的私有云、公众云平台或混合云环境中。

　　有趣的是，GDPR实际上正在成为一种更好的数据管理和治理的催化剂。随着数据量的增长，采用统一的数据治理方法将帮助企业发现数据并追踪数据来源。企业还必须对数据集进行受控访问，使数据的位置、使用数据的位置和用途、数据进行隔离以确保数据不混杂。

　　前进的道路

　　如今，企业不能孤立地看待云计算的发展和应用阶段，或者严格意义上说不再把其看作是一个节约成本的举措，他们渴望将云计算作为一个创新的平台。即使面对复杂的监管和合规要求(如即将到来的GDPR)，企业也可以通过在公共云、私有云和混合云部署中最大化投资以及采用统一的数据治理策略，从数据中释放新的价值。

 　　在任何一个行业都有一些数据规定，这会让事情会变得很复杂。尽管组织可能由于担心违规而承受很大的压力，但请放心，云计算可以帮助企业在数据驱动型经济中创造和发展所需的敏捷性、安全性和规模经济。

——企业网D1Net

你可能会认为“多重云”和“混合云”是一会儿事，但实际上在云计算的演变过程中，它们处在非常不同的阶段。

　　我们生活在一个喜欢命名的世界里。就云计算而言，这些名称聚焦于使用模式：公共云、私有云和混合云。现在有一个叫多重云的新术语，它用于云计算的新兴模式。

　　术语和定义

　　“多重云”意味着使用多个公共云。当企业试图避免对单个公共云提供商的依赖时，从每个公共云中选择特定服务以获得每个公共云的最佳服务，或者他们希望获得双方利益时，就会出现这种使用模式。

　　[在InfoWorld上了解云端的所有信息。从基础开始：什么是云计算?你现在需要知道的一切。然后学习什么是IaaS(基础架构即服务)，什么是PaaS(平台即服务)，什么是SaaS(软件即服务)。]

　　定义：“多重云”与“混合云”

　　那么，多重云如何与混合云关联呢?有些人不加区别地使用它们，但是它们有明确的含义。混合云是私有云(建立在云技术上的本地数据中心)和公共云的配对。

　　如果你将多个公共云与私有云一起使用，那仍然是一个多重云。(有些人可能称之为混合多重云，这也没什么不妥。)

　　“实效混合云”的定义

　　还有另一番景象叫实效混合云，它是传统企业数据中心与公共云的配对。这是因为很多企业都对私有云感到失望，所以想方设法将已有的东西与公有云相结合。

　　By contrast, a multicloud architecture uses two or more public clouds.

　　相比之下，多重云架构使用两个或更多的公共云。

　　多媒体趋势的背后的原因是什么?

　　云计算作为一种趋势变得越来越复杂。几年前业界的想法是把工作负载放在单一的云上，无论是公共的还是私有的。但是，混合云架构成为一个更有吸引力的选择，因为它给了企业更多的选择。

　　企业IT需要这样的选择，因为谷歌和微软都开发了引人注目的公共云平台，为启动公有云业务的亚马逊网络服务提供了替代方案。其它企业提供商(包括IBM，HP Enterprise和最近的甲骨文)也加入了这场竞争，虽然成功率不高。

　　因为这些都是可行的公共云选择，所以企业开始通过正式的架构过程和“影子IT”将它们混合在一起，在那里，使用公共云的公司里的小组没有企业IT的知识。各种影子IT工作往往选择不同的公共云，然后希望由企业的IT来管理这些云。

　　无论你是以什么方式取得成国的，大多数企业现在都在管理一个多重云基础设施。

　　尽管很多IT组织只是使用每个云的原生工具和服务来管理这些复杂的多重云环境，但是有一些IT部门变得越来越聪明并从复杂性中将自身抽象出来。

　　企业使用云管理平台(CMP)和云服务代理(CSB)等工具就可以像管理单个云一样管理多个云。但是，这是有取舍的，你只能使用每个云的一部分功能，也就是采取“最小公约数”的方法。

　　建议：把注意力集中在云能干什么，而不是它们叫什么。

　　公有云、私有云、混合云、实用混合云、多重云：语义过载(译注：semantic overload，意为一个词汇承载了太宏大的概念)?确实。

　　但是，我建议你不要沉迷于事物的名称，而是把重点放在它们所做的事情上。云架构将在新的几年演变，事实上也会出现新的模式。我敢肯定新的名字也会出现。