聚焦 AI 与 Kubernetes，未来的大门已经被他们打开

近年来，谈及最火爆的技术，人工智能与 Kubernetes 一定会榜上有名。这两大技术不仅有着广阔的应用前景，而且已经有大批的企业开始加入到这两大技术的应用队伍之中。那么这两大技术在大咖们眼中的现状如何呢？在各大企业中的应用情况又是怎样的呢？为此，InfoQ 联合 Intel 于近期举办了两场闭门研讨活动，邀请到了来自新浪微博、京东、搜狗、去哪、滴滴、美团、金山云等各大企业的数十位技术专家前来共商两大话题。

人工智能大潮推动公有云再升级

在《公有云上的人工智能》专场中，来自 Intel、京东、58 同城、新浪微博、滴滴、金山云等各大公司的技术专家进行了深入的探讨。

来自 Intel 嘉宾表示，AI 的三大影响因素之中计算力的地位正在变得越发重要。Intel 希望能帮助用户把硬件的计算力通过软件来充分释放，让用户在现有的平台和硬件基础上发挥最大价值。目前，云计算平台是业务增长最快的一个，在 AI 和云方面的资源还可以继续进行深入挖掘，如果能够把现有的资源完全利用起来，充分发挥价值，就能不断扩大计算力。其次，对于通用平台而言，既可以运行云和大数据等业务，也可以运行 AI，这种方式对企业来说效率更高，企业还可以借助 Intel 优化的 Framework/library 充分提升计算力，从而发挥 AI 计算潜能。在未来几年里，Intel 还将推出更专业的产品，从数据中心到终端芯片，通过计算力来推动人工智能的发展。

其他嘉宾在讨论中也相继提出了自己的观点。来自滴滴的技术专家表示，人工智能应用如何实现落地是诸多企业探索的核心。而如果想在公有云上面使用人工智能、机器学习等技术能力，算法层面就有进步，因而对算力的要求就会进一步提升，主要矛盾依然集中在计算力层面。通过通用平台构建公有云运行 AI 的业务，尤其是推理服务，能够大大降低运维成本，提升 AI 业务的整体运营效率，因为通用平台易管理，可以提供更好的 TCO。

来自新浪微博的专家补充说，基于公有云和私有云算法的能力形成一个机器学习的平台，进而发展形成人工智能公有云，此类问题的建设思路在不断的演化。Intel 提供了一些先进的系统优化方案，值得企业进行尝试。在 AI 大趋势下，服务商需要提供整体的大数据解决方案，AI 是基于整体海量数据进行数据挖掘的，其对数据量、云、硬件系统以及算法和优化的要求在逐步增加，相互之间也正在形成一个循环促进发展的作用。

58 同城的技术负责人还提出，在 AI 大数据方面投入资源建设后发现，依靠 AI 的能力能够向 C 端客户提供更优秀、智能的服务，而且在后端流程和业务方面，AI 也可以优化、赋能业务流程，带动提升大数据在各行各业具体场景使用时的表现。

京东和金山云的专家也谈到，对比同样在云上做的 AI 和大数据平台时，两者之间存在的差异比较明显。大数据虽然处于发展阶段，但很多方面已经实现标准化，计算能力较为固定。而 AI 从基础设施建设、计算力及上层应用，每一块都局限于某一方向，从机器学习优化到算法算力探索，差异都很大。人工智能技术未来的发展前景虽然不能确定，但巨大的发展空间已然可见。

Kubernetes：万事俱备，只欠标准

在《十问 Kubernetes》专场，来自搜狗、摩拜、去哪儿、美团、青云等企业的专家也围绕容器相关技术话题展开了讨论。

来自 Intel 的专家表示，目前 Kubernetes 的重点发展方向除了满足基本的用户需求之外还需要满足特定的用户场景，目前多个 Kubernetes 集群依然需要单独管理，没有统一的平台可以系统的解决。在 IT 资源方面，不少企业环境是异构的，需要人为区分，造成很多麻烦。如果未来能够把上层的应用调度到具有相应资源的节点上，通过 Kubernetes 把异构资源放到架构范围内，并且针对于特定的业务应用需求进行优化，效果将会比现状好一些。

搜狗的软件工程师在实际工作中发现，PaaS 平台的通用性现状堪忧，在 Kubernetes 上建立容器时常存在阻力。由于每个对接的应用类型和技术实现不一样，标准类型多种多样，难以实现标准化统一；Kubernetes 是良好的编程规范愿景，但是实际落地很难；目前常谈到的 Serverless 就是基于 Kubernetes 标准而非过去的技术进行开发实现的。另外，Service Mesh 也是个很好的方向，解耦业务层和技术网络架构层在 Kubernetes1.1 之后已经在进行深入实践挖掘，但落地还需要在稳定性提升后再执行。

青云的容器专家表示在企业内部，出于风险评估的考虑，PaaS 平台是多种多样的，以此来保障企业不会被绑定在平台上，但也因此产生云应用跨平台的问题。Kubernetes 无疑是一个平台，只不过相同的应用可以在不同的平台上进行。

来自去哪网的专家表示， Kubernetes 在不同企业里有不同的烦心事，但是否采用这一技术的原则就是不能为了切换而去切换。这既要考虑 Kubernetes 是否适合自家业务，也要考虑原本的管理制度是否已经实现落地标准化，因为在转换实施过程中，这需要思维模式和工作习惯进行双重的改变。

搜狗资深工程师在总结时表示，未来 Kubernetes 一定会将运行环境实现标准化的。针对目前的落地难题，在未来 5—10 年内会得到改善，标准化、分布式追踪等问题都将有规范产生。在开发层面，目前 Kubernetes 对外界人员而言太过复杂，需要专业人员的帮助才能实现流程完整应用。Kubernetes 的连带关系十分复杂，过程中存在的相互影响众多，技术开发的下一目标是进一步实现关系减负。此外，还需要进一步实现亲和用户。

再往后看，Kubernetes 应用的整个生命周期管理让服务和应用走得更远，并且正在进一步进行智能化转型，可以预见 Kubernetes 的未来是光明的。