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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。