有些人一直对“私有云”持怀疑态度。但也理角美国国家标准与技术研究所(NIST)在17年前就将这个术语包含在云计算的描述中的原因。然而，这个术语很快被解释为将老化的本地服务器产品捆绑在一起作为“云”出售的一种方式。
早期的私有云一点也不像云。它们不能按需扩展或自动扩展，自我配置也是不可能的。显然，这是“市场化”，大多数企业都避开了它。当然，还有其他私有云可供选择，比如开源的OpenStack，它至今仍在使用。
私有云的新机遇
私有云正在显著地从通用解决方案转变为专门的实现，特别是对于人工智能。这种演变是由人工智能投资激增推动的，促使组织寻求提供预先打包的人工智能生态系统并在其数据中心运行的专用基础设施。
专门的私有云已经远远超出了以人工智能为中心的实现，解决了多个领域的不同企业需求：
•高性能计算(HPC)云支持密集型计算任务。
•开发人员云通过集成CI/CD工具简化软件开发。
•数据库云优化数据管理工作负载。
•灾难恢复云确保业务连续性。
•边缘云处理物联网和实时处理需求。
•合规性和安全性云解决特定的法规要求。
私有云还专注于特定的行业。金融服务部门受益于为高速交易和监管合规而设计的云，而多媒体云优化了内容交付和流媒体服务。这些专用环境为其目标应用程序提供了独特的优势，提供了专门构建的基础设施、优化的性能和特定于行业的特性。然而，与人工智能私有云一样，它们经常面临灵活性、成本和技术停滞风险方面的类似挑战，因此组织在承诺任何专门的私有云解决方案之前仔细评估其特定需求至关重要。
回到人工智能私有云。大多数企业不知道如何将自己的技术捆绑在一起，以制定人工智能或机器学习解决方案。人工智能私有云提供所有预先打包和预先配置的必要开发工具，旨在优化GPU集群，并配备简化流程的MLOps管道。但是，不是将其作为一组公共云服务来使用，而是在您的装载码头上显示一堆盒子，您将它们安装在数据中心机架上。乍一看，它们为渴望深入人工智能计划的企业提供了完美的解决方案。然而，这个有希望的框架也带来了自己的一系列挑战。
仔细看一下权衡
一方面，这些专业云擅长为人工智能和机器学习提供专门构建的功能，增强数据主权和安全性。减少延迟对于特定的应用程序也是一个显著的优势，允许组织利用实时数据处理。
然而，这些设置的静态特性带来了一个相当大的缺点。许多私有人工智能云限制了技术的灵活性，可能需要大量投资，而且随着企业需求的发展，几乎没有适应的空间。组织可能会发现自己被锁定在供应商解决方案中，这些解决方案可能不支持较新的人工智能框架或工具，从而扼杀创新和增长。
迁移到私有人工智能云的成本影响是另一个关键考虑因素。公共云提供商通常采用现收现付的模式，但私有人工智能云需要巨额的前期投资，可能会增加到数百万美元。硬件基础设施可以从200万到1000万美元不等，软件许可证通常需要每年50万到200万美元的支出。此外，还有运营开销——人员配置、公用事业和维护。
相比之下，公共云提供商消除了大量的前期基础设施投资，并提供了根据需求扩展资源的灵活性。公共云环境对新技术和定价结构的快速适应性对许多组织来说是一个显著的优势。
当您考虑到在五年的时间跨度内，私有云通常比公共云提供运营成本优势时，这将成为一个更加复杂的决策。但是，您需要考虑全部成本，包括维护这些系统的人员、电力成本等。在比较公共云和私有云选项的TCO时，这些通常被忽略。
未来的五年计划是什么?
以下提出一个关于战略规划的基本问题。随着组织被专业私有云的承诺所吸引，仔细评估性能需求、数据治理需求和人工智能项目的长期轨迹至关重要。增强控制的诱惑吸引了许多组织，然而他们冒着投资静态技术的风险，面对快速的人工智能进步，这些技术可能会过时。
混合方法通常是最实用的解决方案。公司可以从专用私有云中受益，以满足需要强大数据治理的一致工作负载，同时还可以使用公共云进行实验和溢出容量。顺便说一下，这比听起来更有挑战性。
最终，专门的私有云，特别是那些专注于人工智能的私有云，在某些情况下越来越不可或缺。它们比过去的私有云更好，私有云更像是骗局，而不是合法的解决方案。然而，组织必须权衡利弊，特别是与静态技术基础设施相关的潜在限制和成本。
以下是一些一般性建议。如果你计划在未来五年内改变很多，而你现有的需求根本没有解决，那么公共云提供商可能是人工智能开发、部署和运营等方面的最佳解决方案。如果你在未来五年内不太可能有很多变化，那么私有云选项，比如人工智能，是真正具有成本效益的，假设你的需求将你带到那里。这是另一种“视情况而定”的情况。
底线是明确的：尽管专门的人工智能云具有重要作用，但组织必须灵活。在公共云环境中从小规模开始，只有在对工作负载模式有了稳定的理解后才逐渐扩大规模，这样可以降低风险。保持适应性至关重要，因为人工智能的快节奏意味着今天完美的云解决方案明天可能会变得不合适。明智地选择，并记住，持续的变化是数字环境中唯一不变的。