公司应该在何处分析自己的物联网(IoT)数据,而AnalyticOps又是什么? 当构建一个物联网项目时,CIO和业务都会思考一个问题:应该在哪里进行数据分析,在边界还是在云中?
在边界分析数据,给予公司速度优势。不是将每个ping或一批ping发送到云,在设备上收集和分析数据点。但并不是所有的物联网用例都需要利用边界分析提供的速度优势。
Adarsh Narasimhamurthy,他是位于内蒂克,马萨诸塞州的数学计算软件公司,MathWorks的高级工程师。最近,在剑桥,马萨诸塞州举办的Predictive Applications and APIs会议的小组讨论上说,“这是客户需要考虑的挑战:我需要什么样的数据分析?在哪里运行分析?有什么与之相关的时间延迟?当事件发生时,我是否需要立马响应?还是只要一天一次了解下情况?”
有些对温度敏感的运输,在某些情况下,是对时间敏感,比如,药品。现在,温度是使用没有联网的设备进行测量的, Krenar Komoni说,他是供应链物联网初创企业Tive的CEO。
只有当货物抵达配送中心时,才能知道偏差或“温度变化”。 Tive的物联网设备,是一个联网设备,可以提供运输条件的近乎实时的情况。“当药品制造商能够获得实时数据,温度发生变化时,他们就能知道,” Komoni说。
“他们可以重新订购药品,病人就能按时获得它。” Tive的物联网设备小到可以装进你的手掌。但由于它的大小,并且使用电池供电,它无法进行数据分析。联网的心脏监视器也是同样,Ed Featherston说,他是位于伯灵顿,马萨诸塞州Collaborative Consulting LLC的高级企业架构师。 “在这么小的设备内,只能构建这么多的计算能力,”他说,这是经验之谈。“只能做到这么多。”
在这两个例子中,物联网设备产生的数据都很简单,对设备执行分析,既是不可行的,也不是必要的。但当设备既复杂又庞大时,比如联网汽车——数据处理和分析战略又该是什么呢?
其中一个与会者想知道:除了选择云或边界分析,物联网数据可以既在边界又在云中分析吗? 波士顿Sea Street Technologies的创始人和CEO Harley Stowell说,“是的,当然。”他建议使用一个架构,对于数据何地,何时,如何处理进行优先排序,这样任务关键型数据可以在边界进行分析,非关键数据可以推送到云。
MathWork的Narasimhamurthy表示同意,认为联网汽车本身做出的决策应该在本地处理;与全球环境有关的数据,应该在云中处理。 “这和网络弹性有关,”他说。“即使没有云,汽车也应该能够依靠本身,完全工作。”
转向DevOps
DevOps是趋势。Stuart Bailey,是位于River Forest,伊利诺伊州的Open Data Group的CTO。则建议依赖分析的企业同时考虑AnalyticOps职能,用于平衡数据科学家和业务部门。
“这些人员可以组织设计分析,然后输入到业务应用中,确保它的运行,” Bailey说。
AnalyticOps职能可以维护分析,用于寻找数据中有意义的模式。分析模型通常是由数据科学家构建的,但他们并不一定进行维护。如果数据更改或模型需要更新,AnalyticOps功能可以确保及时完成,他说。 将AnalyticOps引入分析工作流“是一个企业变革;而不是一个技术改变,” Bailey说。
各方观点
“我经常谈论的物联网问题之一,是数据的来源。它来自世界各地,这来自众包,这来自其他设备。我怎么知道信息是合法的?这是企业面对的巨大挑战,因为你之前从来没有以这样的规模处理过数据。”——Collaborative Consulting 的Ed Featherston。
“就像80年代和90年代的计算机科学,从技术角度来看,数据科学是相当成熟的,但它的市场行为,仍然不成熟。”——Open Data Group合伙人和CTO Stuart Bailey。
“不是没有信息,而是一部分信息。这就是现状:我们如何分析部分信息?我们如何从现有的数据中获得尽可能多的信息?”——数据库开源项目BayesDB CEO Richard Tibbetts
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。