近些年,云计算的发展大家已经有目共赌,确实如众多媒体所述,已进入了收割之年。而与之协同的边缘计算近几年也逐渐成为"网红",并传出有替代云计算之势。事实上,边缘计算对云计算是有一定冲击,但它与云计算也有很强的协同。不少国内外云服务商为了守住原有的市场空间,纷纷提前布局边缘计算领域。
对于边缘计算,我们先啰嗦一下概念,这是一种分散式运算的架构,它将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘计算能够将处理和数据保留放置在更接近目标系统的系统上,该系统正在为其收集数据以及提供自主处理。
据国际数据公司IDC预测,到2021年,全球云计算市场的规模将达到5650亿美元,这其中约有20%为边缘云,市场规模可达到1130亿美元。正是由于边缘计算独特的优势,使得业内各大巨头如AWS、思科、华为、IBM、英特尔等不断发力此领域。
之所以业内出现替代云计算的说法,其追根其源还是边缘计算独特的架构优势,无需将所有数据传输到后端系统(通常在云端)进行处理,它的目标是快速地处理接近设备的数据,这减少了延迟并且还可以提供更好的安全性和可靠性。
不过边缘计算系统并不孤立。实际上,它们与后端系统一起工作以收集主数据并提供更深入的处理,这就是边缘计算和云计算提供单一共生解决方案的方式,绝不会出相相互排斥现象。
两者是两个截然不同的架构。围绕边缘计算笔者总结了几个要点,使企业能够更好的利用平台;
一、 如果允许,边缘计算应运行与云中相同的全部或部分代码树,这意味着如果用户要更新基于边缘的软件,则需要同时更新基于云的软件。因此,用户需要在云端和边缘使用相同的操作系统、处理器等。此外,用户须了解在边缘平台或云端运行的位置。
二、 对于边缘和集中式云平台,安全性必须是系统性的。如果可能的话,用户用于基于云的系统的安全系统需要延伸到边缘。与云和每个边缘计算系统的一次性安全操作相比,处理常见安全服务要容易的多。
三、 正如安全需要系统化一样,管理和监控也是如此。用户会发现边缘计算系统经常出现故障,通常是由于硬件和软件故障,而不是在云上。这是因为它们主要是在不受控制的环境中工作的物联网设备。下行计算设备需要重新启动、设计或快速更换。因此,监控软件应尽快提供警报,并告知基于云的软件设备不会接收数据。
未来,边缘计算的发展会更加快速,应用也不仅仅局限于物联网领域。目前国内外各大巨头、初创企业等都处于试水状态,缺少行业应用和重点场景的实践,无论是互联网还是物联网都离不开边缘计算。无可否认,边缘计算是继云计算之后,又一轮技术升级的战略通道。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。