Sylabs是性能密集型容器技術的工具和服務提供商，該公司發布了對2024年行業前景的預測。該公司預測，在性能可移植性、人工智能(AI)和AIOps(人工智能運營)工作負載管理、遵守FAIR原則(科學數據的可發現(Findable)可訪問(Accessible)可互操作(Interoperable)可重用(Reusable)的管理原則)、機密計算和容器安全等關鍵領域將取得重大進展。

使DevOps適應AI革命：性能可移植性范式

隨著人工智能(AI)和機器學習(ML)的快速發展，性能可移植性對DevOps(開發運營)團隊來說將變得越來越重要。主要驅動因素是在不同硬件之間保持應用程序效率，特別是當工作負載從云擴展到邊緣和高性能計算(HPC)環境時。隨著DevOps團隊應對來自行業領導者和初創公司的專業人工智能硬件的興起，這一戰略要求變得至關重要，這進一步使DevOps經理的處境復雜化。

Sylabs戰略副總裁Keith Cunningham表示:“性能可移植性越來越成為一種戰略需要，尤其是在人工智能和機器學習領域。面對多樣化的硬件，開發者必須確保跨平臺的應用效率。兼容開放容器計劃(OCI)的計算容器技術，如singarityce，彌合了HPC和IT DevOps之間的差距。這種整合是充分利用人工智能潛力的關鍵。通過將高性能計算的強大和精確與DevOps實踐的敏捷性和自動化相協調，開發人員可以促進更加無縫、高效和創新的開發過程，這對于適應快速發展的技術環境至關重要。”

描繪AIOps的演變：向先進容器化飛躍

AIOps(人工智能運營)領域預計將以穩定的25%復合年增長率(CAGR)發展，正在經歷由多種因素推動的轉型，特別是通過容器化軟件實現應用程序的現代化以及更先進和復雜的人工智能技術的集成。在這種情況下，容器化扮演的關鍵角色是顯而易見的，因為AIOps實踐者努力提高系統的可伸縮性、可靠性和效率。先進的容器解決方案擅長在具有重要訪問和安全要求的各種環境中運行，對于確保隔離和一致性至關重要。這些方面對于有效擴展人工智能操作和確保強大的故障恢復機制至關重要。

在這種不斷發展的場景中，AIOps從業者利用機器學習(ML)算法將事件與業務聯系起來，從而改進預測分析。這種戰略方法導致更快和更有效的IT決策，使復雜系統的管理和自動化具有更高的效率。

展望2024年，隨著AIOps軟件供應商整合生成式人工智能(GenAI)，預計將是一個重要的里程碑。AIOps中的這種技術進步將加速其采用，并引入更復雜和響應性更強的操作能力，最終提高服務水平協議(SLA)的依從性。軟件開發人員對AIOps應用程序中容器化的日益偏好反映了一個更廣泛的行業趨勢，即安全、可擴展和高效地部署人工智能驅動的操作。

Cunningham表示:“我們預計先進的容器化和人工智能技術將推動AIOps的革命。這種集成改變了IT運營，增強了可擴展性和安全性，并顯著提高了運營效率。容器化將成為這個新時代的基石，使AIOps能夠以更高的敏捷性和精確度處理日益復雜的現代IT系統。”

協作與創新：FAIR原則滿足現代人工智能研究

從科學計算中汲取靈感，人工智能研究人員準備將人工智能領域與可查找性、可訪問性、互操作性和可重用性的原則更緊密地結合起來。這種由計算容器技術的進步所驅動的一致性，預計將在小組和組織中培養高度的協作。結果將大大改善容器化人工智能工作流及其相關數據集的分布和同行評審。采用這些原則將提高人工智能研究的效率、整合和透明度，促進集體改進，并開發更具彈性的人工智能應用。

此外，通過容器化實現人工智能工作流程的標準化，有望解決普遍存在的“在我的機器上工作”問題，幫助在不同的計算環境中建立更一致的體驗。此舉旨在加強人工智能模型的可重復性和可靠性，反映出FAIR科學計算工作流程所取得的進步。這種做法有望提高人工智能操作的可擴展性和效率，特別是在那些利用為性能密集型環境量身定制的容器平臺的操作中。

機密計算：容器安全的下一個邁進

Sylabs預計，在容器化環境中，對高級安全措施的需求將不斷增長，重點是在容器內使用期間保護敏感數據。機密計算成為了這一領域的關鍵參與者，它通過將數據隔離在處理器架構的安全區域內，從而獨特地保護使用中的數據，該架構專為增強數據保護而設計。這種方法補充了針對靜態和傳輸數據的傳統安全措施，并降低了與內存訪問和容器內執行環境相關的風險。

Cunningham說:“我們預計將轉向更安全和高效的容器技術，特別是通過將機密計算解決方案集成到現有的工作流程中。這些集成將在保持系統可訪問性和功能的同時增強安全性。機密計算將成為現代容器安全戰略中至關重要的前瞻性組成部分。”

向數據密集型計算的下一代容器解決方案轉變

到2024年，該行業將面臨一個關鍵挑戰——傳統的企業容器解決方案往往不足以滿足高級、性能密集型計算環境(如人工智能應用程序)的需求。這種需求在共享環境中尤其真實，在共享環境中，安全性和訪問變得至關重要，這促使人們向容器工作流轉變，這種容器工作流集成了為大規模、數據豐富的環境量身定制的容器。這些復雜的環境以高計算需求和復雜的數據處理為特征，需要混合容器技術來克服傳統產品中的一些技術差距。

Cunningham表示:“面對人工智能和數據密集型計算的復雜需求，企業對Singularity容器的興趣明顯激增。Singularity是專門為解決現代橫向擴展計算中固有的可擴展性和復雜性挑戰而設計的。在社區主導的改進下，它經歷了重大的發展，現在與已建立的OCI工作流無縫集成，為要求苛刻的應用程序提供可擴展性、健壯的安全性和更高的效率。此外，其增強的互操作性提高了跨各種計算環境的性能，并擴展了其對各種工作負載的適應性，與各種高級編排和管理系統無縫結合。隨著越來越多的公司選擇Sylabs的解決方案來提升其系統的性能和安全性，我們預計Sylabs將進一步發展，而無需對工作流程進行顛覆性的改革。”