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研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
哈佛和MIT研究团队通过创新的"归纳偏差探测"方法,发现AI基础模型虽然在预测任务上表现出色,但实际上并未真正理解世界的基本规律。研究以天体物理学为例,揭示了AI模型更像是依赖启发式策略的"经验主义者",而非掌握深层原理的"理论家",为AI发展指明了新方向。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
西蒙弗雷泽大学研究团队开发了CLiFT压缩光场令牌技术,用创新的数据压缩方法解决虚拟现实中的存储和传输难题。该技术能够用原来十分之一的数据量实现相同的视觉质量,同时支持根据用户需求动态调整渲染效果。在实际测试中,CLiFT在保持高质量视觉效果的同时,相比现有方法实现了5-7倍的数据压缩率,为虚拟现实技术在移动设备和网络受限环境中的应用开辟了新的可能性。