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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。