任何人都知道,物联网并不是一个玩笑,而且它确实是云的一个组成部分。对于物联网来说有一个关键的问题,就是如何从大量的设备中获取数据。思科系统预测,到2020年,云流量可能会增加近四倍,从2015年开始平均每年全年增加3.9 ZB,到2020年,平均每年增加量将会达到14.1 ZB。
因此,我们可以从物联网的发展中获得云计算的“完美风暴”。毕竟,物联网是在处理设备生成的有意义的数据,而云计算则通过集中计算和存储来使用这些数据。这两者的增长都会变得难以控制。

那么我们该怎么做呢?答案就是“边缘计算”。我们已经知道,处于边缘的计算就是将大部分数据处理推向网络的边缘,接近数据的来源。接下来的问题是区分边缘和集中式系统之间的处理,也就是像AWS、谷歌云或微软Azure这样的公共云。
这听起来像是一个客户端/服务器架构,也涉及去搞清楚在客户端上做什么以及在服务器上做什么。对于物联网和任何高分布式的应用来说,你基本上已经得到了一个“客户端-网络边缘-服务器”架构,或者——如果你的设备无法进行任何数据处理的话,就会是“网络边缘-服务器”架构。
其目标是在设备周围快速处理数据,也就是立即采取行动。有数百个用例表明,反应时间是物联网系统的关键价值,而持续地将数据发送到集中式的云上,毫无疑问会阻碍这种价值的实现。
不过,我们仍然可以使用云来处理那些既不具有时间敏感性,也不是设备需求的事务,比如对来自所有设备的数据进行大数据分析。
另一方面,边缘计算和云计算是两种截然不同的东西,谁也不会取代谁。但是有太多的文章让IT专家们感到困惑,他们认为边缘计算将取代云计算。然而,这种说法的荒谬之处与“PC将取代数据中心”没两样。
创建基于特定目的的边缘计算应用程序是完全有意义的,例如将数据处理放置在传感器中以快速处理警报反应的APP。但是,库存控制数据和应用程序是不能放在边缘的,将所有计算转移到边缘会引发一个分布的、无担保的、无法处理的混乱情况。
所有公有云供应商都拥有物联网战略和技术堆栈,其中包括或者将会包括边缘计算。边缘计算和云计算可以很好地结合在一起,但是边缘计算是专门为有特殊需要的特殊系统设计的。云计算则是一个更加通用的平台,它也可以在传统的“客户端-服务器”模型中使用专用的系统。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
华南师范大学团队开发的GraphTracer框架,通过构建信息依赖图解决多智能体系统高失败率问题。该方法摒弃传统时间序列分析,追踪信息流网络精确定位错误根源,在失败归因准确率上比现有方法提升18.18%,并已开源供实际应用。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
杜克大学研究团队通过几何框架分析发现,AI推理过程呈现连续"流动"特征而非离散跳跃。研究表明逻辑结构像河床般调节推理流的速度和方向,即使面对不同语言和领域的内容,相同逻辑结构的任务在AI内部表现出惊人的几何相似性。这一发现颠覆了AI为"随机鹦鹉"的传统认知,证明AI具备真正的逻辑理解能力,为AI可解释性和系统优化开辟新方向。