隨著疫情的蔓延，各行業組織需要應對更多的挑戰，其中包括面臨員工隊伍遠程工作和削減成本的巨大壓力，然而很多組織似乎無法立即實現更快的創新和數據敏捷性。致力于數據分析、人工智能、機器學習的行業領導者表示，通過正確的計劃和基礎設施，組織可以克服挑戰。

[[331172]]

數據密集型應用程序的應用(如圖像處理、數據分析和人工智能)依賴于快速增長的企業數據。隨著這一增長，出現了架構方面的考慮。隨著數據集的增長，由于網絡延遲，應用程序需要越來越接近這些數據。隨著越來越多的應用程序被添加到環境中，它們開始在沒有巨大成本和中斷的情況下將這些數據移動到別處，并以更快的速度生成數據，這使得實施云遷移幾乎不可能。這就是造成云計算提供商鎖定并在未來帶來業務風險的數據引力悖論：收集數據越多，就越難改變處理數據的方式。

那么，企業如何在不依賴單一云平臺的情況下釋放創新的力量呢?在各個行業中都存在著成功和挑戰。以下一些行業應用示例可以說明多云如何促進創新、增強數據敏捷性，并降低成本。

媒體和娛樂行業

如今的媒體和娛樂行業越來越多地由規模相對較小的專業工作室組成，這些工作室可以滿足像Netflix和Hulu這樣的大型公司不斷增長的內容制作需求。為了交付轟動一時的電影和獲獎電視節目，這些地理位置分散的工作室需要在動畫、色彩校正、特效和編輯方面進行有效的合作。多云解決方案使這些團隊能夠在同一個項目上協同工作，從各種公共云平臺訪問他們首選的生產工具，并簡化審批過程，而不會因為將大型媒體文件從一個站點移動到另一個站點而產生延遲。高吞吐量、低延遲的數據池消除了網絡延遲會抑制生產力的擔憂。此外，連接到多個云平臺的中央存儲解決方案還降低了通常與從公共云中移出大量視頻文件相關聯的大量出口費用。

除了需要協作之外，其他因素還推動了媒體和娛樂行業中數據和多云的增長。攝像頭設備具有更高的分辨率，這意味著視頻文件大小比以往任何時候都要大，分散的數據中心所需要的帶寬要比內部部署實現的帶寬更高。流媒體服務依靠數據分析來以編程方式了解內容的受歡迎程度，明確應創建哪些新內容以及應該擱置哪些內容。與這些工作流程相關的許多流程正越來越多地利用公共云平臺，因為可以使用補充數據集和特定于用例的工具來處理不同類型的分析。

交通運輸和自動駕駛行業

聯網汽車和自動駕駛汽車可以通過各種傳感器生成大量數據。例如，特斯拉汽車的自動駕駛儀利用8個攝像頭、12個超聲波傳感器和1個雷達來解析汽車的周圍環境，并就其行駛路線以及如何避免潛在的障礙做出決策。該領域的研究人員正在嘗試容納100PB的視頻和靜止圖像生成的數據，這些數據用于重新訓練算法。這些仍是自動駕駛汽車(AV)的早期技術。當汽車的行駛速度成倍增加時，需要處理更多變化(在任何一條街道或停車場行駛)，都將需要更多的深度學習。到2030年，預計一輛自動駕駛汽車將會產生1ZB數據。

汽車制造商、公共運輸公司和汽車租賃公司都將利用多云創新的動力，這些技術融合了跨多個云平臺的數據可訪問性，而沒有大量出口費用和傳輸緩慢的風險，同時為每個項目保持利用最佳公共云服務的自由度。

能源行業

在能源行業，采用多云可以幫助能源廠商降低與查找和鉆探油氣資源相關的大量成本。例如，一家石油和天然氣服務公司擁有超過4PB的數據，該數據是通過多年積累數據(例如，海底聲納掃描、地理空間照片和土地勘測)進行收集的，用于石油技術分析和地震處理。這家公司的工程師和數據科學家使用機器學習(ML)分析方法來確定哪些地方值得采用更多的資源來勘探石油，評估新項目的環境風險，并提高安全性。

通過利用跨多個云平臺的服務和處理能力，該公司提高了效率，可以節省數百萬美元的成本。與此同時，在多個特定云平臺中使用有限數量的GPU的情況下，可以同時利用跨多個云平臺的競價型實例來以更低的成本獲得更快的結果，這是可能實現的。通過同時復制其內部部署數據湖并使數據可用于多個云計算服務，該公司支持了廣泛的應用程序和工作負載。這證明了這家石油和天然氣公司如何在不浪費大量時間的情況下擴展上PB的數據，同時還通過實現基于云計算的恢復來提供新的彈性級別。

醫療保健和生命科學行業

醫療保健行業是在采用多云技術方面并不積極的行業之一。這不是由于缺乏使用欲望，而是由于面臨數據保護的許多挑戰。需要了解《醫療保險數據可移植性和責任法案》(HIPAA)法規以及數字廣告聯盟(DAA)指南以及數據在何處，誰有權訪問，誰已經訪問的需求，這些都給這一領域帶來了獨特的挑戰。

即使有這些警告，多云仍可幫助醫療保健和生命科學釋放創新的力量。在基因組分析領域，這是顯而易見的，尤其是在巨大的數據集分析可以幫助改善或拯救患者生命的地方。FASTQ文件包含原始基因組的測序數據;它們包含數百萬個需要像拼圖游戲一樣組裝的DNA片段。這些文件可讓研究人員進行變異分析，從而識別出個體基因組之間的差異。從存儲的角度來看，密集的基因組分析過程會占用大量空間。例如，要研究150名接受特定治療的癌癥患者的基因組，然后分析治療成功者，對治療不佳的人之間的DNA差異，以及針對一般人群的數千種變異進行分析可能是必要的。在與世界各地的研究人員共享對數據集的訪問權限的同時，跨云平臺擴展和利用競價型實例的能力對于使這些工作流切實可行且可訪問至關重要。

利用云計算戰略增加創新

在多云解決方案中，其中相同的數據副本可用于多個云平臺，使用戶能夠利用每個云平臺的服務，如今已有500多個可用云服務。多云存儲可以提高數據的靈活性，無需供應商鎖定即可提供數據接近性，并按需擴展計算和存儲，彼此獨立。無論組織有10TB的數據還是100 PB的數據，多云都可以節省成本，并消除許多操作復雜性。

如今，采用多云策略可以使組織在采用新的工作負載時能夠適應未來的需求，而不必被迫將其復制或遷移到比較新的云計算平臺。雖然一些組織現在不需要一些用例，但是有效的多云策略可以讓其在未來需要時使用。