共计 1506 个字符，预计需要花费 4 分钟才能阅读完成。
五年前，云计算曾是解决一切技术难题的终极答案。然而，在人工智能浪潮席卷全球的今天，这一观点已不再成立。
大约十年前，围绕云计算与本地计算的争论一度激烈。最终，云计算凭借明显优势胜出。但如今，许多企业开始重新审视：在 AI 驱动的场景下，云计算是否仍然是最优解？欢迎来到 AI 时代——本地计算正强势回归，混合计算架构成为企业应对 AI 挑战的唯一选择。
趋势正在形成：从云优先到战略混合
德勤近期发布的分析报告指出，当前基于云服务构建的基础设施，可能已无法满足新兴 AI 应用的需求。
该报告由德勤分析师团队完成，负责人 Nicholas Merizzi 表示：“为‘云优先’战略设计的基础设施，难以适应 AI 的经济性需求。为人类工作流程设计的系统不适用于智能体；基于边界防御的安全模型无法应对机器速度的攻击；为传统服务交付构建的 IT 运营模式，也难以推动真正的业务转型。”
德勤分析师认为，为应对 AI 需求，企业正从全面依赖云的模式，转向云与本地混合的架构。技术决策者开始重新评估本地部署的价值。德勤团队将这一转变描述为“从云优先到战略混合的变革——云提供弹性，本地确保一致性，边缘实现即时性”。
四大挑战：云 AI 面临的紧迫问题
德勤报告列举了基于云的 AI 面临的四个紧迫问题，这些问题正推动企业转向混合计算模式：
- 云成本超预期攀升 ：尽管两年内 AI token 成本已下降 280 倍，但“部分企业的月度账单仍高达数千万美元”。过度使用云端 AI 服务“可能导致频繁的 API 调用和成本激增”。报告指出，甚至存在一个临界点，使得本地部署更具经济性：“当云成本超过等效本地系统总成本的 60% 至 70% 时，资本投资就比运营支出更具吸引力，尤其对于可预测的 AI 工作负载。”
- 云端延迟瓶颈 ：AI 应用通常要求接近零延迟的响应。德勤报告强调：“需要 10 毫秒或更低响应时间的应用，无法容忍云端处理固有的网络延迟。”
- 本地部署提供更强韧性 ：业务连续性对 AI 流程至关重要。分析师指出：“关键任务一旦中断就无法继续，必须依靠本地基础设施作为云连接中断时的保障。”
- 数据主权要求 ：部分企业“正将计算服务迁回本地，不愿完全依赖辖区外的服务提供商。”
三层架构方案：融合云与本地的最佳路径
德勤团队提出，解决云与本地困境的最佳方案是融合二者。他们推荐包含以下三个层次的整体架构，这正是混合计算的核心：
- 云层负责弹性 ：处理波动性大的训练工作负载、突发容量需求以及实验性任务。
- 本地层确保一致性 ：以可预测的成本运行高容量、持续性的生产推理任务。
- 边缘层实现即时性 ：在终端设备或边缘节点部署 AI，处理“需要最低延迟的时间敏感决策，尤其在制造业和自主系统中，毫秒级的响应时间将决定运作成败。”
这种混合模式正被越来越多的企业视为最佳路径。曾任 FedEx Services 软件架构师的 Milankumar Rana 虽然全面采用过云端 AI，但也认为企业需在适当场景支持两种模式。
他向 ZDNET 表示：“我曾构建大规模机器学习和分析基础设施，观察到几乎所有功能——如数据湖、分布式管道、流分析以及基于 GPU 和 TPU 的 AI 工作负载——如今都能在云端运行。由于 AWS、Azure 和 GCP 等服务已非常成熟，企业无需大量前期投入即可快速起步。”
Rana 同时建议客户“在涉及数据主权、监管要求或极低延迟等场景下，将部分工作负载保留在本地”。他认为：“当前的最佳实践是采用混合策略，将敏感或延迟敏感的应用保留在本地，同时利用云计算获得灵活性和创新空间。”
Rana 强调，无论选择云还是本地系统，企业都应对安全和监控承担最终责任：“安全和合规始终是每个人的责任。云平台提供强大的安全功能，但企业必须确保自身在加密、访问控制和监控方面符合所有法规要求。”
