ZD至顶网CIO与应用频道 06月14日 专栏:在未来五年,存储、设备、芯片和其他硬件方面的创新将彻底变革IT。下面就是CIO应该开始在他们的战略路线图中考虑的10个新兴硬件技术。
1、强化安全性的移动设备
安全仍然是移动设备面临的一个重大挑战。一种选择是英特尔的Software Guard Extension(SGX)技术,将支持在商用CPU上安全加密内存空间。目标是为应用提供一个安全的区域,保护内存和执行。这对于移动设备来说是一个好处,是企业IT部门对付的主要安全漏洞。“我们将看到新一代的系统解决方案即使是在操作系统或者其他基础设施遭到黑客侵袭的时候也能确保安全,”微软印度研究院助理管理总监Sriram Rajamani这样表示。
2、改善机器学习性能的新芯片架构
随着越来越多的IoT和基于设备的应用步入IT主流,新的芯片架构将改善性能赶超图形处理单元(GPU)的性能。这些性能上的改进将显著提高数据传输速度,以及机器学习和分析的执行表现。
3、无人机
无人驾驶飞行器(UAV)将继续推进到商业应用中,不管是运送包裹,拍摄图片,还是测量难进入的地区地形。无人机通过传感器收集IoT数据,输送到中央通信中心。
4、无人操作机器人
机器人可以执行简单的医疗程序、清洁设施、在仓库中挑选和包装货物。这些自动化机器的智能性将随着新技术的加入越来越强大,收集所有机器学习的知识,传送到一个中央数据库中,让任何机器都可以访问。
5、用户更友好的虚拟现实设备
笨重的头戴设备让VR用户们感到头晕,导致企业不愿意使用VR应用。这种情况即将发生改变。例如,Google将为你的智能手机提供一个小型的手持设备,提供超超过老设备的全景视频体验。越来越舒适的VR头戴设备将为企业更多地采用VR铺平了道路。
6、新的存储技术实现更环保的电网
随着电力公司找到更好的方式无缝融合各种能源,例如太阳能、风能和传统化石燃料,转化为无缝的、不间断的能源供应,数据中心也将变得越来越绿色化。今天,使用混合能源是很困难的,因为像风能和太阳能这样的能源是可变的。但是更好的存储可以解决这个问题,推进着进入一个新的绿色时代,每年可以为数据中心和其他能源用户节约大约34亿美元。
7、更多工作中使用的可穿戴设备
Jupiter的研究预测,智能眼镜、智能手表和一系列动作感应设备可以提高生产力达30%。Gartner预测,到了2018年有200万员工,例如执法人员和医护人员,将要求穿戴健康和健身追踪器。
8、本地能源收集用于互联网访问
有了自动化和大量IoT设备添加到互联网的工作负载中,这时候就需要新技术来增加带宽和准备进行连接。华盛顿大学的研究人员已经开发了能够实现互联网连接的温度和动作传感器、摄像头等技术,通过从就近的TV、广播、手机和WiFi信号手机的能源进行通信。一种被称为反向散射的原则让IoT设备可以收集其他电子设备散发的能量,让他们降低自身的互联网带宽需求。这让本地WiFi的消耗量只是现有WiFi芯片组的1/10000。
9、越来越紧凑的闪存内存
3D NAND技术继续向前发展,提供更小体积更轻巧的笔记本电脑、平板电脑和其他设备。这个进展很大程度上是由于像英特尔和美光这样的企业可以垂直地最占闪存内存单元,节约空间,让设备更轻巧更轻薄。
10、非易失性内存
有了非易失性内存,计算可以可以在断关闭后找回信息。展望未来,我们将看到新型非易失性内存,让数据的保存更廉价、更低功耗。这将让更小体积的设备保存更多数据。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。