北京，2022年5月13日——IDC发布了《云原生AI-加速AI工程化落地》(IDC #CHC48747822， 2022年5月)报告。分析了云原生AI技术和平台在优化AI成本和效能、增强AI处理性能、简化AI开发部署等方面的优势，同时包括典型应用场景、代表厂商的产品技术和案例，并对企业用户给出了相应的建议。

　　在《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》以及《“十四五”数字经济发展规划》中反复提到增强以人工智能、云计算为代表的关键技术的创新能力，并且加快推动这些创新技术与产业和各个行业的结合。在数字经济蓬勃发展、数字化转型不断深入的背景下，数字化、智能化转型成为企业的工作重点之一，数字化创新能力成为企业的核心竞争力之一。人工智能的发展从初期的概念时期，到广泛的场景切入，再到融合在各个行业的业务中的全面落地阶段——智能家居、智能金融，自动驾驶、智慧医疗、智能零售、智能制造、智能交通等行业都在广泛应用深度学习和机器学习技术。人工智能开发领域的发展呈现数据量和模型规模越来越大、模型训练要求速度越来越快的特点。然而资源利用率低、应用成本高、性能不足，落地困难等工程化问题阻碍了人工智能应用的落地。作为企业未来数字化创新核心开发方式的云原生开发方式，在优化AI成本和效能，增强AI处理性能，简化AI开发部署等方面卓有成效，加速实现人工智能在各行各业的落地创新，促使人工智能发挥更大的社会经济价值。

　　云原生AI通过把云原生技术和平台与AI 应用相结合，并且通过相应的技术配套和长期工程实践，来满足AI业务场景。云原生AI平台具备云原生平台的通用能力之外，还应具备AI优化的云原生平台能力，比如初级能力使得云原生AI平台具备支持AI应用的能力；中级能力使得云原生AI平台在技术上获得较好的效能；而高级能力使得云原生AI平台在具体AI业务中高效稳定落地。云原生AI不是简单的云原生+AI，而是需要技术配套和长期工程实践，才能真正满足AI业务场景。这是从技术到落地的关键，涉及到多场景长时间的实践和技术积累。

　　云原生AI典型场景：NLP超大模型训练，智能营销以及自动驾驶中，我们可以看到云原生技术底座结合AI优化的能力在提高资源的处理性能以及效能，降低成本，提升AI 训练速度，推动整个流程的自动化水平，实现推理服务更快的更新和上线，并且降低开发难度上都有非常明显的优势。

　　中国AI公有云服务市场是一个快速增长的新兴市场，其在2021年上半年的市场规模达到了18.3亿元人民币(此数据未包含云上GPU/FPGA等AI算力)，其在整体人工智能市场的占比不断在上升。活跃在AI公有云服务市场的公有云服务厂商，像百度云、阿里云、华为云和腾讯云也纷纷推出了自己的云原生AI产品和解决方案。比如百度云推出的AI-Native架构，在AI思维的基础上，打造一体化云计算服务，实现云能力和AI能力深度融合；阿里云的云原生AI解决方案利用阿里云容器服务(ACK)全面支持GPU和CPU异构资源集群统一管理和调度，与阿里云其他资源服务深度整合；华为云通过容器批量计算服务(BCE)支持多场景统一生态，支持HPC/AI/大数据/基因多场景计算服务统一管理；腾讯云针对不同场景和需求推出云原生AI PaaS，云原生AI降本和云原生AI加速三种方案。这些厂商提供的是全栈的云原生AI解决方案，不仅能够提供云原生基础架构，还可以提供AI开发能力和环境，并且活跃在云原生社区中，因此在云原生AI市场中具有较强的综合能力。

　　IDC中国企业研究部助理研究总监李昭表示：“根据IDC的调研数据，未来两年采用云原生技术支持AI应用场景的企业数量会翻倍，这也说明企业开始认识到云原生AI对于加速AI落地的意义。云原生化和人工智能的落地并不仅仅是技术问题，还涉及到组织架构的调整、企业文化的适配、人才的培养和相应的考核体系的革新，因此应该把其视为企业数字化转型和未来创新中的重要一环，上升到企业整体的数字化战略层面。”