为什么生成式人工智能不能解决你的云计算支出问题?

315阅读2分42秒阅读模式

人工智能可以编写代码和写诗歌,但不能为您的云计算进行成本削减。如果你不知道的话,生成式人工智能革命已经到来了。像ChatGPT这样的工具以其准确和精致的能力而闻名,可以生成从计算机代码到诗歌的一切。

但是这里有一件事,生成式人工智能不可能做到,至少不会在短时间内做到:帮助解决云计算支出困境。如果解决云计算费用优化问题就像向AI引擎寻求建议一样简单的话,那会很好,但这不会发生,不是因为生成式AI技术不够出色(它们确实很出色),而是因为AI工具目前缺乏理解反馈循环和微妙商业背景的能力。为了证明这一点,让我们看看在云计算费用优化的背景下AI可以做什么,然后详细说明为什么它仍然无法帮助企业克服云计算支出挑战。

人工智能和云计算成本优化的悠久历史

首先我想指出的是,虽然最近半年来生成式AI开始频频出现在各大新闻头条上,但云成本优化生态系统已经利用其他形式的AI技术很长时间了。绝大多数云成本优化工具的基本过程是预测分析,这是一种AI和机器学习形式。为了管理成本,预测分析涉及部署算法,评估云计算开支和工作负载表现数据。这些算法被训练来预测开支模式。成本优化工具还可以解析历史开支数据,识别与超支有关的异常。然后他们将错误信息显示出来,以努力帮助企业在云上节省资金。这就是像AWS计算优化器这样的工具多年来的工作方式。

2014年成立,总部位于英国伦敦,FCA监管,提供外汇、贵金属、原油、股票等超过100种差价合约交易产品,银联出入金高效安全最高杠杆400倍,香港办事处服务中国客户。

毫无疑问,生成式人工智能工具不仅仅是预测分析和异常检测,它们训练的数据集比标准云计算成本优化工具所使用的数据集要大得多。然而,在一天结束的时候,两种工具类别——生成式人工智能技术和传统的云计算成本优化器——都是通过使用机器学习模型解析数据集来提供见解的,这方面生成式人工智能工具在与多年来通过预测分析提供见解的云计算成本优化器相比并没有什么特别新颖的。

AI在降低云计算开支方面的限制

考虑到将人工智能技术应用于云成本优化并不是一件新鲜事,很难想象最新一代的人工智能工具在帮助企业降低云支出方面是否能比传统解决方案更好。

XM外汇基础点差广告
复利哥