微软决定在周二开始的 Ignite 会议上展示的部分内容是 Azure 在多大程度上成熟为构建可扩展的、注入人工智能的应用程序的架构，这些应用程序也适用于混合云和边缘计算场景。
微软在 Ignite 上为 Azure 公告发布了一系列人工智能、数据分析和 DevOps 公告。它们包括对 Azure Stack HCI 等服务的更新，这是一个基于 Windows Server 2019 的集群，使用“经过验证的”硬件在本地运行虚拟化工作负载。
Azure Arc，2019 年推出的混合云平台;和 Azure Kubernetes 服务 (AKS)，这是微软为容器化应用程序实施的开源标准。
总之，它们提供了一种打包应用程序或应用程序基础架构(例如 SQL Server 实例)的方法，除了可以在同一框架内进行管理之外，还使它们可以在云、数据中心和边缘位置之间移植。
此次会议让微软有机会强调测试版客户如何将这些功能投入使用。加拿大最大银行 RBC 的云工程主管 Vinh Tran 告诉听众，他使用 Azure Arc 自动化和管理 Kubernetes 容器中的本地数据库部署。他说，通过简化部署，无论是在本地还是在云中，Azure Arc 帮助他的数据团队扩展了其技能集和能力。“这让我们能够更加专注于将这些产品和功能集成到我们的系统中，而不是自己构建、保护和管理它们，”他说。“它使我们能够减少大规模管理本地数据库的运营开销。”
微软多次提到的另一个客户是 SKF，这是一家瑞典球轴承和工业密封件制造商，在 28 个国家拥有 100 多家工厂。SKF 表示，通过将工厂自动化的云服务扩展到工厂内运行，它节省了 40% 的硬件成本和 30% 与机器停机相关的加班时间。
工厂是混合云计算和边缘计算之间差异的一个很好的例子。混合架构可能意味着在制造商的数据中心运行应用程序或数据服务，而边缘计算则意味着将技术放在各个工厂中。微软表示，它正在设计 Azure 架构，以便即使是复杂的机器学习“推理”也可以在边缘位置进行，而无需将数据传送到云端。
这也是微软将 Azure 虚拟桌面部署在 Azure Stack HCI 上的原因，因此它可以部署在企业数据中心或“边缘”办公室。
可扩展的 AI 架构
微软云和人工智能执行副总裁 Scott Guthrie 在主题演讲中说：“当我与客户谈论他们的云战略和采用时，我经常听到他们想要云带来的新的创新和敏捷性还需要与组织内现有的技术投资相结合。他们有时需要在多个云和本地环境中管理数十、数百甚至数千个服务器、应用程序和数据库，”他说。他说，由于监管问题或延迟原因，将本地资源迁移到云中通常是不切实际的。
医疗保健就是一个很好的例子，其中隐私和安全可能要求患者数据不能离开医院，而医疗成像等数据密集型应用程序在本地处理数据时会表现得更好。据微软称，该方法的一个医疗技术客户是Siemens Healthineers，该公司正在使用 Azure Arc 在包括诊所和诊断设备在内的数万个边缘位置部署和维护应用程序。
以 Kubernetes 为基础，Microsoft 可以声称可移植到任何符合云原生计算基金会标准的容器，无论是在云中还是在其他地方。它还支持多云技术以及在云之间或云与本地环境之间迁移的能力。
然而，Guthrie 承认，对于初学者来说，学习 Kubernetes 的复杂性也可能“有点令人生畏”。Microsoft 的解决方法是 Azure Container Apps，这是该技术的简化包装。“容器应用使您能够仅使用您的应用代码轻松开始构建基于容器的微服务，同时如果您准备好利用 Kubernetes 的全部功能，您还可以灵活地选择升级到我们的完整 Azure Kubernetes 服务。”
微软的方法不一定是独一无二的。例如，Amazon Web Services 提供其EKS Anywhere 和 EKS Connector for Kubernetes。但微软的内部部署影响力使它能够声称粉丝，除了上面提到的那些之外，还包括沃尔玛、星巴克、汇丰银行和英国国民健康服务中心。
