Gartner季新苏：生成式AI马太效应显著，“百模大战”难以长久

通信世界网消息（CWW）不久前，分析机构Gartner发布了《2023中国ICT技术成熟度曲线》，生成式AI、云原生、平台工程、国家数据交易所、边缘计算等20多种技术得以入选。特别是生成式AI、云原生处于成熟度曲线的峰值阶段，被认为是成熟度较高的技术。

作为Gartner一年一度的力作，ICT技术成熟度曲线被业界称为技术循环曲线、光环曲线等，是企业评估创新技术可用性的一种综合方法，因其权威性、专业性以及预测的准确度而备受业界认可。那么，最新一期曲线背后有着怎样的逻辑，对于生成式AI、云原生等Gartner有着怎样的考虑？近日记者采访了Gartner研究副总裁季新苏（Kevin Ji）。

以终为始：服务业务、彰显价值

季新苏介绍，Gartner有着一套完整的方法论用以评估技术，其信息来源于客户问询、厂商简报、分析师输出。在每年度的报告中，Gartner都会对具体技术进行增减，修改比例为20%~30%。

季新苏表示，Gartner会推出不同版本的“成熟度曲线”，此次版本主要面向CIO。面对这一群体，Gartner有几点考虑：第一，数字化转型依旧是重点关注方向，不过具体关注点是将数字化转型变成真正的收入，而不是为了创新而创新；第二，组织架构面临较大压力，如何调整应用架构和系统架以支撑数字化转型值得关注；第三，数字化底座的现代化改造提上议事日程，尤其是国产化推进。

此外，对于CIO而言，在数字商业化过程中最大的挑战是如何平衡风险控制与创新，过去CIO以数字化创新、数字化转型为主，现在风险控制、成本优化的优先级相对较高。因此，季新苏建议CIO以终为始，不仅展现技术先进性，更要服务于业务、体现出价值。

基于上述考虑，Gartner推出了《2023中国ICT技术成熟度曲线》。其中，生成式AI、云原生等成为热点。

生成式AI“马太效应”明显

今年以来，随着ChatGPT3.0的横空出世，生成式AI骤然升温，成为目前最火热的技术。季新苏表示，事实上生成式AI已经低调发展多年，在2021年Gartner就发表文章提出：生成式AI是未来趋势。之所以此前“静水流深”，是因为ChatGPT前几代正确率不高，直到ChatGPT3.0/3.5发布带来了真正颠覆，成为生成式AI的转折点。

在Gartner看来，生成式AI意味着对未来合作伙伴类型的选择：人类具有非常高的准确性，但是需要较长时间研究和查询资料；机器花费时间很短，正确率达到90%左右；生成式AI能够取得折中，而这也成为ChatGPT的创新领域。很多客户希望生成式AI在日常工作中有所作为，助力提升生产效率：第一，提升客户体验和客户保存率；第二，提升营业额；第三，优化投资。

虽然生成式AI的表现令人眼前一亮，但是季新苏认为，目前的生成式AI主要聚焦在业务和场景，且费用昂贵、可产生效益的场景不多，所以谈给产业带来根本性变革为时尚早。

“坦率地说，生成式AI需要大量计算资源，特别是GPU资源，与海量通用算法数据处理相比企业自建生成式AI系统不经济。”季新苏表示，“最大的挑战是费用昂贵，通用AI或者生成式AI能够落地、产生效益的场景不多，除了谷歌和微软的办公自动化应用，其它仍在试验当中。”Gartner相信，生成式AI可以提高效率，但需要成本代价，而目前客户对于代价没有太多感知，市场热度很大一部分来自于风投或者热点追踪。

ICT市场不乏技术热点，从区块链、云计算、元宇宙到现在的生成式AI，可以说“各领风骚一两年”。Gartner认为，未来生成式AI会变成这些技术中的某一个。而即便是云计算，从2007年第一朵“云”问世到2015年“云”真正成熟大概经过了七八年时间，因此生成式AI成熟也需要一个过程，并不能够立即实现商业价值。

鉴于生成式AI需要大量资源消耗，Gartner认为这一行业具有典型的“马太效应”，虽然现在“百模大战”轰轰烈烈，但是未来随着成本的长期持续投入，会有厂家逐渐选择退出，因此“百模大战”不会长久，最终留下为数不多的几家胜利者，但是谁能笑到最后现在不得而知。

云原生落地需要“人”的转变

与生成式AI相比，云原生已经在多个行业落地，持续火热了数年时间，在ICT技术成熟度曲线上也并非首次出现。

从落地类型看，云原生分为3种类型。第一，云厂商原生，即采用阿里、腾讯、AWS等的云计算，通过其PaaS能力优化自身系统。第二，容器原生，这一模式在中国市场非常受欢迎，因为中国用户大多采用私有云，用容器做微服务。第三，云原生的架构，这也是Gartner建议客户采用的——关注云原生提供的业务价值，如何在云平台上构建可靠的应用。

从发展来看，云原生分为开发部分和交付部分。开发部分需要微服务架构（包括解耦、松耦合）和Open API（从“锁死”调用变成可以开放的调用）。交付部分包括基础设施转变和DevOps，其中基础设施转变指基础设施中立化——原来应用对于机器非常敏感，可靠性来自于机器，机器一旦出问题应用就会垮掉；现在应用分布在多个机器中，某一台机器出问题只会降低容量，并不会引发宕机。其背后是让应用架构感知机器状态，并且应用能够快速重新部署到其它地方。

按照此逻辑，开发和基础设施之间将出现鸿沟，这将成为CIO面临的巨大挑战，因为CIO过去按照“竖井”方式管理部门，不同部门采用各自的工具管理平台，这样的方式很难推进到云原生。对于工具而言，原来的基础设施需要保证业务的可靠性，现在的基础设施对于机器可靠性相对比较宽松，但是因为基础设施以应用软件交付为主，如何在开发架构中构建可靠性需要考虑。

更进一步看，未来需要怎样的能力？季新苏采用一张图进行了说明。如下面的云原生架构图所示，最下面是基础设施层，中间是平台层，最上面是API、软件，其中各个服务之间是解耦的，服务如果出问题只会影响服务本身。具体来看，底层Systems of Record相当于可靠层，因为所有核心业务系统都需要可靠；不过并非所有业务都需要云原生，最主要的是业务价值考量，如果无需云原生，则放在Mode1（稳态），Mode2是敏态，是“微服务”云原生的逻辑；中间通过API方式进行资源调配。

通过调研分析Gartner发现，越来越多的客户意识到云原生不仅需要技能的转变，更需要人的能力或者思想的转变。云原生架构涉及API和平台工程，而API管理是一种治理模式，不能像插件一样“创建一个插进去”，而是需要从顶层设计开始考虑如何通过API让整个云原生有序协调。

季新苏表示，未来针对不同形态可能有多个API网关，API网关之间存在交集和协作，从而让管理更加精细化。整体而言，API更多通过Control Plane进行管理。而Data Plane是运行的域，应用运行、数据存放都在Data Plane。季新苏表示，云原生能力放在Control Plane后，需要从管控变成治理，从原来的“一招鲜吃遍天”变成“精细化管理”。

季新苏最后强调，任何转变都是“人”的转变，未来的专家不仅要在某个领域有专长，而且要有终身学习的能力、全盘考虑的思维。例如，原来的IT运维只关注故障发生后怎样管理、修复，保证所有机器在“绿灯”状态，以及一旦“红灯”后修复，其他时间处于等待状态；未来上云以后要求具备工程化能力，要不断提升技能、改善流程、侦测安全边界。此外，未来新技术的发展需要团队协作，而不是单打独斗。

“拥抱新技术的时候，技术本身虽有挑战，但最难的还是如何构建团队，保持持续学习和创新的能力。”季新苏总结道。