Evolving the cloud-native foundation for the next generation of AI
TL;DR · AI 摘要
Title: Evolving the cloud-native foundation for the next generation of AI URL Source: Published Time: 2026-10-15T16:00:0...
核心要点
- 主题聚焦：Evolving the cloud-native foundation for the nex
- 来源：Microsoft Azure Blog，建议结合原文判断细节。
- AI 分析暂不可用，本条为保底评分与摘要。
为AI构建云原生基础
模型创新与AI基础设施之间的关系从未如此清晰；随着AI能力的增强，其背后的平台变得愈发重要。代理（agents）正在从根本上改变应用程序的工作方式，也改变了组织对云的需求。
云原生实践赋予了组织构建分布式应用所需的规模、灵活性和韧性。代理在此基础上进一步发展，但它们的工作方式不同，对基础设施提出了新的要求。与围绕更可预测工作流设计的应用程序不同，代理以全新的方式运行，从整个企业中收集信息和深度洞察，使用工具、做出决策，并在长期运行的流程中协调工作。为了完成复杂任务，它们会暂停等待批准、实时响应新信息，并根据条件变化调整方向。所有这些都改变了平台需要提供的能力。
客户需要能够根据需求变化进行适应的基础设施、在工作变得动态时仍能保持可靠的应用程序，以及对系统全局情况的可见性和控制能力。满足这些需求并不意味着要推倒重来，但确实要求组织目前依赖的云原生基础架构必须持续进化。计算、存储和网络需要协同工作。应用平台需要简化AI工作负载的构建和运行。开放技术需要在不增加不必要的复杂性的情况下为客户提供灵活性。
组织今天做出的平台决策日益具有战略意义，决定了它们能够多有效地将AI应用于业务。进化云原生基础架构对于帮助组织今天从AI中获得更多价值，同时为未来新能力的出现提供灵活性至关重要。
为AI工作负载优化基础设施
AI基础设施真正的衡量标准是它能够实现的实用工作。AI工作负载很少从始至终对基础设施提出相同的需求。工作中的不同部分可能需要加速计算、CPU、快速数据访问或连接性，这取决于应用和环境。解决方案不仅仅是增加更多容量，而是要在正确的时间将合适的资源匹配到正确的工作。
这使得基础设施的协调变得至关重要。随着需求变化，计算、存储和网络需要协同工作。当它们实现这一点时，团队可以将更少时间用于管理基础设施，而将更多精力集中在对业务至关重要的应用程序和结果上。
经济学同样至关重要。基础设施需要根据应用程序的需求及其提供的商业价值进行调整，在完整工作负载中实现性能、可靠性和成本之间的正确平衡。
Basecamp Research 是一个典型案例。该公司利用 Azure 为 EDEN（其治疗设计模型）组装了 9.7 万亿个核苷酸，并在大约三周内报告了针对三种治疗应用的实验室验证结果。在这个案例中，AI 不仅需要更多基础设施，更需要围绕最终目标协调设计的 AI 基础设施——整合实现复杂任务所需的计算、数据和平台能力。
Basecamp Research 联合创始人 Glen Gowers 表示：“要在此真正取得成功，我们需要这三个要素协同发挥作用。我们需要有人来扩展数据；这是我们。但需要有人真正懂得如何扩展模型和计算资源，那就是微软。”
领导力要点：以 AI 完成的实用工作衡量成功。根据交付成果的性能、可靠性和成本来评估基础设施投资，计算、存储和网络需作为一个系统协同运作。
将开源创新转化为生产能力
开源技术长期以来一直推动着云创新，而 AI 正在加速这一进程。新的模型、框架和云原生技术为组织在构建和适应应用程序时提供了更多选择。
这一机遇建立在成熟的云原生基础之上。Gartner 预测，到 2028 年，95% 的新 AI 代理部署将使用 Kubernetes。1 重用现有组件可以缩短通往生产的路径，使开发人员能够专注于差异化的业务能力，而不是重新构建基础架构。
更多的选择也可能带来更高的复杂性。要充分利用开源创新，通常需要专业知识来集成、管理和维护生产环境中的技术。这种专业知识难以获取，更难以扩展。我们需要让这些能力更容易被更多企业使用，而无需每个组织都自行构建和维护这些专业知识。
Azure 帮助减轻了这一负担。像 Azure Kubernetes Service 这样的服务，使团队能够访问开源创新，同时帮助管理在生产环境中运行这些技术的复杂性和风险。这使更多企业能够利用开源技术，同时保留根据需求变化进行调整和优化的灵活性。
领导力要点：选择一个能够将开源自由转化为商业优势的平台。在保持适应和优化能力的同时，减少生产环境中维持这些选择所需的专业知识和运营工作量。
随着越来越多的组织将AI投入生产，理解其经济性变得越来越重要。AI投资始于对商业价值的预期：更快的决策、更响应的服务或更强的处理有用工作的能力。随后，需要评估这种价值是否足以证明投入的合理性。FinOps可以帮助团队理解这种回报，并在此领域做出更明智的决策。
对客户而言，这始于理解运行AI应用所需的全部投资以及如何在工作负载扩展时进行优化。模型是主要的支出来源，令牌使用量和代理行为会影响支出。计算、存储、网络和运营也需纳入考量。综合考虑这些因素，有助于客户更明智地决定优化方向。
团队不能仅仅寄希望于减少开支。他们需要仔细权衡：如果更强大的模型或额外的基础设施能在长期内创造更大价值，即使成本更高，也可能是正确的选择。团队需要全面了解成本，明确责任归属，并在扩展时建立管控机制。从那里开始，他们可以利用业务成果决定优化方向和投资重点。
领导层要点：将AI投资与需要实现的商业回报进行管理。综合评估模型和平台成本，然后根据成果价值的证据决定优化和投资方向。
通过智能体AI重塑云运维
运维团队已经面临巨大压力，既要维持关键服务的运行，又要平衡相互竞争的优先事项和持续变化。AI增加了新的复杂性，同时也为改变环境管理方式创造了机会。
云原生运维为团队提供了管理基础设施的新模式，带来了更高的自动化、可见性和弹性。智能体运维在此基础上更进一步，通过连接原本孤立系统的信号，在应用和基础设施中实现更深入的智能。这帮助团队更早发现问题并更快解决，同时提升自动化水平，持续改进环境性能；所有操作都在现有工具中完成。
随着时间推移，AI可以帮助运维团队从被动应对问题转向主动预测并提前解决潜在问题。随着这些能力的成熟，更多操作可以在定义的控制范围内实现自动化，人员保持在环并负责关键决策。当运维团队在不增加人工投入的情况下获得更广的视野时，可靠性、性能和成本将持续改善，同时关键服务保持不间断。
领导层要点：投资能够预测问题并协调环境内行动的运维体系。在能力得到验证后逐步扩大自主权，通过明确的控制和人工问责机制保护关键业务服务。
在Azure上构建云原生AI基础
Azure 是客户大规模应用 AI 所需的基础。这意味着围绕完整工作负载设计的基础设施、无需复杂性的开放创新访问权限，以及对成本和商业价值的清晰洞察。云操作的智能化使团队能够预见问题，并随着应用需求的变化持续优化环境性能。
我们正在 Azure 全面投资 以赋予客户更大的灵活性，按需构建和运行 AI 应用。从 用于代理的安全隔离环境 到更简单的应用部署，以及跨云和边缘环境运行工作负载的能力，这些投资帮助客户利用新功能，而无需增加不必要的运营复杂性。
AI 正在改变应用的功能，Azure 已经演进以支持这一转变。云平台必须与之同步发展。多年的专注工程投资构建了今天一些最先进 AI 工作负载的基础，并将持续创新以支持未来需求。
为下一代 AI 构建
当改进相互强化时，平台价值会呈指数级增长：更快的信息访问保持计算效率，运营洞察揭示浪费，开放技术保留适应空间。领导任务是让这些优势协同工作。这就是云原生的下一章：一个将 AI 进展转化为可靠商业价值的基础。
要了解最新的 Azure 创新以及 Azure 如何演进云原生基础以支持 AI 应用和代理，探索以下内容：
探索这对您的组织意味着什么。注册我们的即将举行的发现会议 以学习如何将云原生基础应用于 AI 应用和代理。
- * *
1 Gartner®，容器管理魔力象限™，Dennis Smith, Wataru Katsurashima 等，2025 年 8 月 6 日
GARTNER 和 MAGIC QUADRANT 是 Gartner, Inc. 及其附属公司的商标。