为了交付新服务和提升运营效率,企业将所有东西都连接在一起,从汽车到货柜,随之而来的要求是网络平台也必须跟进。在设备连接、数据分析与安全性及现有IT系统集成需求等方面,物联网(IoT)的复杂网络需求给大多数IT组织带来了重大挑战。
企业网络平台需求
在充满互连设备的环境中,第一个网络挑战就是选择正确的无线网络。选择标准取决于设备的物理位置是固定的还是移动的;它们是否有一些相矛盾的要求,如电源(设备的电池寿命)、数据传输量、带宽消耗和延迟性。
现有的机器连接机器系统通常依赖于专用(非互联网)网络,而新的部署则更多趋向使用Wi-Fi和4G网络。
此外,一些组织还必须选择用于采集设备数据、管理设备及在本地执行数据分析(由延迟要求决定)的网络平台。这种平台可能包含许多分布式网关和更集中的网络元素。
来自于大量设备或繁重实时处理的大数据采集量很快会让组织面对“大数据”问题。他们必须建立一个能够满足当前和未来应用需求的数据分析引擎(如Hadoop)。数据分析使组织能够使用IoT信息去改进他们的产品/运营、服务交付,以及更好地理解客户需求。
网络平台挑战
IoT代表着一个最复杂的IT挑战,因为它包含了新兴的IT和物理运营系统。安全性和设备管理的需求则进一步增加了复杂性。IT需要能够定制水平网络平台,使之能够符合他们的特殊业务或垂直行业需求。
安全性
将汽车、医疗设备和工具仪表等连接到互联网显然会给他们带来严重的安全风险。数据必须加密,网络也应该提供应对各种潜在攻击的安全功能——其中包括伪装设备、防止数据丢包和拒绝服务。
管理
此外,大量分布式设备(其中许多只有有限的本地智能处理能力)也会带来重大的管理挑战。这些设备可能有较长的使用寿命,并且也需要监控、软件更新和支持远程诊断问题。现有的网络管理系统必须调整才能够适应IoT的规模性和特殊要求。
网络平台供应商
有许多供应商提供网络元件、软件和系统集成方案,可以帮助组织建设和管理他们的IoT网络平台。这其中包括:思科(及Jasper Networks)、惠普企业(Aruba)、IBM、戴尔、Aeris、Aylia、PTC和Ruckus。
半导体供应商(包括英特尔、ARM和NXP)也在积极参与IoT技术开发,包括设备的平台 。
面向IT专业人员的建议
在过去几年时间里,大多数IT组织都曾经被要求评估和实现IoT系统/网络平台,以便帮助公司交付新的服务或提升运营效率。整个行业目前仍处于发展早期,目前还缺少清晰可靠的架构——因此目前还不可能有详细的IoT“蓝图”可遵循。网络人员应该先从一些小而具体的项目获得IoT经验。由于技术更新速度快,标准也还不成熟,“快速试错”的能力也是很宝贵的。组织应该选择从一些可信的IT合作伙伴获得专业知识和服务能力,在他们的帮助下完成大量的网络平台元件的集成、安全保证和管理。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。