持续近4天、2大主论坛、120余个分论坛和活动、6万参会人次的2017杭州云栖大会已经落下帷幕，此次大会(甚至每一个和云相关的大会)上人工智能渗透到每一个角落。毫无疑问，人工智能已经成为最受瞩目的技术方向，很多领域因为与人工智能的结合而呈现出更多可想象的空间。

比如我们熟知的灾备/容灾领域。因为人工智能相关技术及业务的出现，灾备/容灾的演变路线也出现了新的可能。

01、传统灾备业务的演进路线

此次云栖大会，我们可以看到灾备业务的一个清晰的发展脉络，即一种由数据到业务再到数据中心的“向下”演进路线。作为存储业务的一个附加项，传统灾备相关的数据复制技术也都是依托于存储系统进行。随着业务层面可用性要求的不断提升，用户灾备逐渐由数据层面的备份向业务层面、数据中心的高可用转移，比如异地容灾和两地三中心等业务的出现，这就导致了对数据中心服务提出了更高的要求，使得数据中心不仅要关注数据层面，还需要具有与之配套的网络、机房服务，经过这一阶段的发展，一些灾备企业慢慢转型成为IDC服务商。

计算是人工智能的重要引擎，而数据将成为人工智能的燃料。人工智能需要高密度计算、高密度网络连接能力、高密度的数据切入能力。因此，数据中心需要转变成一个高速的连接平台。高计算密度、高数据密度、高网络密度将保障云数据中心可以为人工智能的发展提供更为适用的基础架构平台。

02、灾备业务的新演进路线

如果说传统灾备业务是一种向底层IT系统的“向下”演进模式的话，那么，随着云计算的出现，数据中心开始实现虚拟化、云端化，灾备企业可以跳过自建数据中心的环节，通过与IDC厂商形成一种更为经济的合作关系来缩短整个演进路线。

灾备企业可以跳出传统的数据中心环节，直接从用户的具体业务需求出发，即呈现出一种向上层应用的演进路线。大型互联网、金融等企业成为数据中心主要的应用群体，他们是数据的采集者和持有者，在灾备的管理过程中，灾备的智能化可以借助数据中心形成的一个新的平台生态，为这些企业的具体业务的灾备提供一套更为智能的统一管理平台。

03、人工智能与灾备

两种灾备业务的演进模式，只是因为时间维度的不同而具有差异，在人工智能的未来趋势下，二者虽殊途，但同归。

这里依然以金融行业为例。金融业务具有明显的网络分布特征，随着人工智能相关技术的发展，依托于云计算的分布式数据中心架构将为金融大数据的处理工作提供计算、网络等多个层面的保障。云计算时代下的数据中心天然是一个海量数据库，是计算能力、网络能力、存储能力的拥有者，并随着数据中心范围的不断扩大，也将面向边缘计算、边缘数据中心的发展。

在金融交易、风险控制、客户信息、市场分析、投资理财等业务中沉淀了多种类型的数据。通过运用人工智能的深度学习系统，充分利用这些数据进行计算、学习，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。

灾备智能化将更加满足云计算、大数据时代下数据在不同物理机、虚拟机、中间件、数据库、云平台、不同混合环境下对数据自由流动、保护、分享的实际需求。

目前的人工智能基础依然是采用的“图灵机”的工作原理，这就使得我们今天所说的人工智能依然是一种帮助人类提高工作效率的辅助工具，传统IT与人工智能的结合将是一种全新的生产方式，还需要更多企业、机构、学者共同探索和尝试。因此，对于灾备行业或者整个云计算行业而言，最重要的是继续紧跟这股智能潮流，不断尝试在不同业务中运用相关技术，最终达到优化客户使用过程，提高客户管理效率的目的。持续近4天、2大主论坛、120余个分论坛和活动、6万参会人次的2017杭州云栖大会已经落下帷幕，此次大会(甚至每一个和云相关的大会)上人工智能渗透到每一个角落。毫无疑问，人工智能已经成为最受瞩目的技术方向，很多领域因为与人工智能的结合而呈现出更多可想象的空间。

比如我们熟知的灾备/容灾领域。因为人工智能相关技术及业务的出现，灾备/容灾的演变路线也出现了新的可能。

01、传统灾备业务的演进路线

此次云栖大会，我们可以看到灾备业务的一个清晰的发展脉络，即一种由数据到业务再到数据中心的“向下”演进路线。作为存储业务的一个附加项，传统灾备相关的数据复制技术也都是依托于存储系统进行。随着业务层面可用性要求的不断提升，用户灾备逐渐由数据层面的备份向业务层面、数据中心的高可用转移，比如异地容灾和两地三中心等业务的出现，这就导致了对数据中心服务提出了更高的要求，使得数据中心不仅要关注数据层面，还需要具有与之配套的网络、机房服务，经过这一阶段的发展，一些灾备企业慢慢转型成为IDC服务商。

计算是人工智能的重要引擎，而数据将成为人工智能的燃料。人工智能需要高密度计算、高密度网络连接能力、高密度的数据切入能力。因此，数据中心需要转变成一个高速的连接平台。高计算密度、高数据密度、高网络密度将保障云数据中心可以为人工智能的发展提供更为适用的基础架构平台。

02、灾备业务的新演进路线

如果说传统灾备业务是一种向底层IT系统的“向下”演进模式的话，那么，随着云计算的出现，数据中心开始实现虚拟化、云端化，灾备企业可以跳过自建数据中心的环节，通过与IDC厂商形成一种更为经济的合作关系来缩短整个演进路线。

灾备企业可以跳出传统的数据中心环节，直接从用户的具体业务需求出发，即呈现出一种向上层应用的演进路线。大型互联网、金融等企业成为数据中心主要的应用群体，他们是数据的采集者和持有者，在灾备的管理过程中，灾备的智能化可以借助数据中心形成的一个新的平台生态，为这些企业的具体业务的灾备提供一套更为智能的统一管理平台。

03、人工智能与灾备

两种灾备业务的演进模式，只是因为时间维度的不同而具有差异，在人工智能的未来趋势下，二者虽殊途，但同归。

这里依然以金融行业为例。金融业务具有明显的网络分布特征，随着人工智能相关技术的发展，依托于云计算的分布式数据中心架构将为金融大数据的处理工作提供计算、网络等多个层面的保障。云计算时代下的数据中心天然是一个海量数据库，是计算能力、网络能力、存储能力的拥有者，并随着数据中心范围的不断扩大，也将面向边缘计算、边缘数据中心的发展。

在金融交易、风险控制、客户信息、市场分析、投资理财等业务中沉淀了多种类型的数据。通过运用人工智能的深度学习系统，充分利用这些数据进行计算、学习，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。

灾备智能化将更加满足云计算、大数据时代下数据在不同物理机、虚拟机、中间件、数据库、云平台、不同混合环境下对数据自由流动、保护、分享的实际需求。

目前的人工智能基础依然是采用的“图灵机”的工作原理，这就使得我们今天所说的人工智能依然是一种帮助人类提高工作效率的辅助工具，传统IT与人工智能的结合将是一种全新的生产方式，还需要更多企业、机构、学者共同探索和尝试。因此，对于灾备行业或者整个云计算行业而言，最重要的是继续紧跟这股智能潮流，不断尝试在不同业务中运用相关技术，最终达到优化客户使用过程，提高客户管理效率的目的。