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
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。