#807. Макротренды в индустрии высоких технологий
Macro trends in the tech industry
Гонка за превосходство в облаке и фальстарты при запуске
Облачные технологии — уже давно доминирующая инфраструктура и стиль информационной архитектуры в отрасли. Основные поставщики облачных услуг постоянно борются за то, чтобы увеличить свою долю рынка и опередить своих конкурентов. Это привело к выводу свежих функций на рынок, к которым он оказался не вполне готов.
Явление в сфере IT не новое: сто раз уже было, когда поставщики корпоративного программного обеспечения искусственно создавали дополнительные возможности своих продуктов, чтобы утереть нос конкурентам (а не чтобы облегчить жизнь пользователя). Это фундаментальная проблема коснулась и сферы облачных технологий. И это не случайность, а продуманная стратегия и следствие структурирования облачных компаний для быстрого вывода на рынок новых продуктов.
Не факт, что эта гонка за предоставлением ультрановых продуктов и услуг приведёт к хорошим результатам для тех, кто эти продукты и услуги использует. Когда появляется новая облачная база данных или другой сервис, очень важно, чтобы команды оценивали, действительно ли продукт готов к использованию. Сырые проекты никому не нужны.
Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*
Как получить измеримые результаты в фарммаркетинге.
Показываем на примерах →
Спецпроект
Инструменты Hybrid cloud обретают форму
Сейчас многие компании используют более одного облачного провайдера — это явление называют Hybrid cloud или «гибридное облако». Выбрать поставщика сложно: учитывается не только технологическая составляющая, но и коммерческие, политические и даже нормативные соображения. Например, организациям в отраслях с высокой степенью регулирования важна возможность доказать регулирующему органу, что они могут легко перейти к новому поставщику облачных услуг, если текущий поставщик столкнётся с какой-то катастрофической технической или коммерческой проблемой, из-за которой придётся разорвать отношения.
Некоторые компании консолидируют (объединяют) облака, чтобы перейти на единую облачную платформу, потому что когда облаков несколько, возникают сложности из-за задержек, настроек VPN или для облачных функций вроде поддержки Kubernetes (специальное ПО) или доступа к определённым алгоритмам машинного обучения.
Такие переходы и консолидации могут занять годы, поскольку нужны более эффективные способы работы с несколькими облаками. Сегодня уже появляется ряд «гибридных облачных плоскостей», которые пытаются закрыть эту проблему: Google Anthos, AWS Outposts, Azure Arc и Azure Stack.
«Квантовая готовность» может стать приоритетной стратегией в следующем году
Google недавно объявил о своём достижении в области так называемого «квантового превосходства» — они создали квантовый компьютер, который запускает сложный алгоритм, недоступный для классических компьютеров. Для этого в Google использовали квантовый компьютер с 53 кубитами (квантовыми разрядами), чтобы решить задачку за 200 секунд (у классического суперкомпьютера на этой уйдёт 10 000 лет). В IBM не согласны: якобы их суперкомпьютер может достичь того же результата за 2,5 дня. Но важно здесь не это — важно понять, что это не просто игрушка, чтобы померяться крутостью корпораций, но ещё и инструмент, который снимает барьеры для квантовых вычислений для более крупных и важных задач.
Пока задачки, решаемые с небольшим числом кубитов, ограничены по количеству и полезности, но квантовый скачок явно всё ближе. Канадский стартап Xanadu разрабатывает не только квантовые чипы (используя «фотонный» подход для захвата квантовых эффектов вместо сверхпроводников, как у Google), но ещё и инструменты квантового моделирования и обучения. Стартаперы говорят, что, хотя большинство квантовых алгоритмов сегодня кажутся немного теоретическими, вполне реально использовать квантовые методы для ускорения задач вроде моделирования по методу Монте-Карло (в отрасли FinTech это особенно актуально).
Понятное дело, что вы вряд ли сможете себе позволить использовать высокоспециализированные алгоритмические ускорения в ближайшее время. Но как и в случае с бигдатой, блокчейном и машинным обучением, нужно время. Кто знает, быть может, очень скоро станет популярной профессия Quantum-ready-разработчика (в дата-сайентистов сначала тоже никто не верил).
90% списано — 0% сохранено
Как отрасль, ИТ постоянно сталкивается с давлением устаревших систем. Всё устаревшее плохо адаптируется к быстрым изменениям, слишком дорого в обслуживании или просто рискованно — рассыпающиеся системы, работающие на оборудовании eBay, могут стать большой проблемой. Для этого придумали решение — приложение Strangler Fig, где создаётся и дополняется унаследованная система, которая в конечном итоге полностью удаляется.
Разветвлённая разработка, кажется, проигрывает борьбу
Разветвлённая разработка, когда каждый разработчик направляет свой код на «основную линию» контроля версий, кажется лучшим способом создания ПО. Но ветвление не удешевляет разработку, а даже причудливый код, объединяемый с помощью инструментов вроде Git, не спасает команду от проблем, вызванных кодингом в стиле «непрекращающейся изоляции».
Истинные причины разветвления кода — глубокие проблемы с командой или системной архитектурой. И их нужно решать как-то иначе. Если вы не доверяете разработчикам на проекте, решайте проблему доверия, а не плодите сложную архитектуру. А если у вас траблы со сроками, то решайте вопрос с оценкой времени, установлением приоритетов и управлением проектом.
XR ждёт Apple
На недавней конференции Facebook Connect компания Oculus подтвердила, что они работают над очками AR, но никакой конкретики они не дали. По слухам, Эппл тоже хочет выпустить какую-то гарнитуру XR в 2020 году, а очки AR запланированы на 2022 год. Вероятно, как и со смартфонами и часами, Apple будет лидировать в создании действительно убедительного дизайн-опыта.
Волшебство Apple всегда заключалось в том, чтобы сочетать инженерные достижения с огромным потребительским опытом, и они не выходят на рынок, пока не смогут по-настоящему этого достичь. Так что скачок в сфере AR произойдёт лишь тогда, когда Эппл представит свои разработки в этой области. А пока XR остается в некотором роде нишевой технологией.
Машинное обучение продолжает удивлять
Недавно появился ИИ, который может имитировать человеческий голос, используя всего пять секунд ввода. ИИ, который может выводить физику игры в 30 000 раз быстрее, чем традиционное физическое моделирование. ИИ, который учится играть в прятки, и буквально нарушает правила игрового мира, в котором играет. Но машинное обучение также применяется во многих других областях, таких как принятие деловых решений, медицина и даже консультирование судей по вопросам вынесения приговоров преступникам.
Большая проблема в том, что, хотя мы можем описать, что делает лежащий в основе алгоритм (например, как работает обратное распространение нейронной сети), мы не можем объяснить, что на самом деле делает сеть после обучения. Так что объяснимость должна быть первостепенной задачей при выборе модели машинного обучения.
Механическая симпатия приходит снова
«Механическая симпатия» — концепция, предложенная ещё в 2012 году на основе работы команды LMAX Disruptor. В то время, когда многие программные приложения создавались с возрастающим уровнем абстракции, Disruptor был ближе к «железу» за счёт настройки чрезвычайно высокой производительности на конкретных процессорах Intel. Проблема LMAX была однопоточной: требовалась высокая производительность от однопроцессорных машин. И кажется, это явление возвращается.
Есть мнение, что значительная часть прогресса в индустрии ПО происходит за счёт избавления от аппаратного обеспечения (контейнеры, Kubernetes, «Функции-как-сервис», «Базы данных в облаке» и и так далее), в то время как кто-то гиперсосредоточен на оборудовании. Вероятно, всё зависит от конкретной задачи. Нужен масштаб и эластичность? В топку оборудование — используй облако. Высокочастотная торговля? Привет, аппаратное обеспечение.
Вывод: индустрия высоких технологий молниеносно меняется и выкидывает на свалку истории то, что не может адаптироваться под запросы нового времени.
Вы сэкономили 7 минут.
Сегодняшний ланч для крепких орешков — много непонятных терминов и рассуждений о будущем хайтека. Но вы-то его осилили и теперь молодец, правда? :–)
Читать по теме: Ланч-тайм: краткий перевод свежих статей о Digital (все выпуски)
Источник: