随着云技术的发展和扩散，分析师Holger Mueller看到了一个未来，无限的连通性，数据科学和计算能力使企业赋予了机器智能和深度学习的巨大潜力。
霍尔格·穆勒（Holger Mueller）不怕这么说：我们进入了无限计算的时代。
穆勒，副总裁兼首席分析师星座研究，已经使了解下一代应用程序对企业IT的影响的职业生涯。他了解人们对计算限制消失的观念持怀疑态度。
他在接受采访时说：“现在，任何nitpicker都会说，‘没有什么是无限的，'”“但是我的立场是，当您无法计算它时，您可以尽可能多地消费它来为您的业务使用它，它实际上变得无限。”
通过“ IT”，他的意思是计算能力，这变得越来越容易访问。穆勒说，这迫使企业IT专业人员发生了重大的心态转变。
他指出，常规的IT决定奏效了这样的事情：公司购买了ERP系统以面对关闭书籍，制造产品和运行工资单的高峰要求。购买过多浪费的宝贵公司资源。购买太少的手铐的系统用户。
穆勒说，无限的计算可以帮助人们摆脱这种绳索。
他说：“突然之间，您不必再增加了。”
大小是无关紧要的，因为它的传统约束（连接性，带宽，存储和计算）已经消失了。这些力量还为可以重塑企业IT生态系统的高级自动化和学习算法奠定了基础。
2019年10月，穆勒（Mueller）发表了一份名为“无限平台电力企业加速。该报告概述了五个技术层如何实现无限计算：
连通性 - 超过全球50亿移动帐户，大多数有资源连接到互联网的人都可以做到这一点 - 我们正在关闭其他所有人。“我们可以以10或20年前无法使用视频和声音将企业与视频和声音联系起来。这是给定的。”穆勒在接受采访时说。所有这些连接都会产生大量数据，从而使下一个无限的计算层。
问题和答案 - 企业需要业务见解 - 监控和分析绩效 - 以清除前进的道路。在过去的几年中，报告申请和数据仓库有其限制：答案仅限于他们设计的问题。寻求新的问题和答案被证明是昂贵的。然后，Hadoop及其启用的平台出现了，删除了旧的Q和A限制，并使数据仓库过时。正如穆勒在他的报告中写道的那样：“这是人类历史上的第一次，领导者可以将所有信息纳入一个地方，然后提出问题以获得重要的见解，而不必事先知道问题。”
穆勒在报告中指出，计算 - 匹配的计算投资与需求一直是令人沮丧的练习。公司要么买得太少，面临压碎的放缓，要么买了太多，而且闲置的四分之三的计算能力。如今，云技术，虚拟化和管理程序软件允许公司只能旋转所需的资源，而无需投资超额投资。这为企业带来了巨大的CPU成本，同时激励云服务公司以最大程度地使用容量使用的方式进行创新。
机器学习 - 无限连通性，问答和计算无限机器学习的道路。穆勒在报告中写道，诸如陈旧数据和有限的CPU可用性之类的约束已经消失了。这种转变使企业能够开发出充分利用最先进算法的下一代应用程序。反过来，这使公司获得了最具变革性的技术。
深度学习 - 在无限计算的最终层中，机器学习算法变得足够复杂，可以在没有人类干预的情况下进化。穆勒写道：“虽然在技术方面很小，但对业务方面产生了巨大影响。”算法可以教授IT系统以适应不断变化的市场环境，而IT领导者可以将更多的资源转移到云中，并通过从资本增量模式过渡到运营增量模式来节省资金。穆勒写道，招募稀缺和数据才能并不是一个挑战，因为深入学习的系统可以弄清楚如何自动化许多任务。
无限计算并不能消除所有技术限制。保护敏感数据通常需要本地数据存储。租用公共云服务价格可能比购买服务器堆栈更高在某些情况下。实际上，无限计算的广阔未来可能会使IT优点渴望更简单时代的局限性。
然而，无限计算是不可忽视的力量，因为它可以提供稳定的企业价值。此外，这些下一代技术正在帮助公司重塑其业务模式。
穆勒说：“我开玩笑地说，在传统上，他们不能真正衡量它们。”“这实际上是关于在不同方向上改变公司的情况 - 您认为可以启用最佳实践并创建新市场。”
在更精细的层面上，无限计算扩大了企业IT部门的灵活性和敏捷性。公司可以限制供应商锁定，并为其IT工作负载带来可移植性。
穆勒说：“供应商现在提供的东西，例如nutanix，是不同公共云排列和本地私有云排列的可移植性。”
穆勒说，务实地选择和实施云技术以满足特定公司的需求的能力至关重要。被锁定在一个或供应商中可能会阻碍公司对混合云的采用。
他认为建造混合云是至关重要的，因为它可以启用并鼓励工作量可移植性。
反过来，可移植性可以帮助公司避免陷入困境的供应商中，这些供应商落后于无情的云统治地位。
穆勒说：“实际上，您不知道谁将成为云游戏的赢家。”“您不想被绑定到丢失的平台上。”
公司必须找到正确的部署平台，并构建可在这些平台上运输的代码。
穆勒说：“工作负载可移植性对于今天的CIO和CTO非常重要，因此您没有锁定效果。”
随着无限计算在深度学习中达到顶点，IT领导者将能够迅速做出反应以改变。
他说：“人工智能将企业中的一切都改变为我们无法认为现在可以计算的内容的水平。”
自动学习算法可以克服自然的人类偏见。深度学习系统可以为无法获得计算和数据科学中最佳思想的公司弥补人才差距。
正如穆勒在加速企业技术的报告中得出结论的那样：“最大的好处是关闭洞察力循环，慢慢反应时间，人类延迟，处理错误以及从业务成功方程式中进行监督。”
