企业希望其IoT系统具有超快的响应时间,同时还能享受云的成本和效率优势。来看边缘计算如何将这两种技术结合在一起。 当物联网系统运行在公有云上时,传感器会频繁的将数据发送到存在于该公有云中的数据库。
如果你觉得这听起来有问题,是的,的确有问题。 数据从传感器或设备传输到云所花费的时间通常太长,无法满足物联网(IoT)系统的延迟要求,很多这些IoT系统都依赖于立即响应。
为了解决这个问题,一些设备制造商避免使用公有云,但这意味着IoT系统无法利用云计算的成本效益和资源效率。 边缘计算提供了一种将每一块IoT数据传输回云进行集中处理的替代方案。在边缘计算模型中,数据存储和处理能力被推送到网络的“边缘”,通常驻留在收集数据的设备或传感器内。
然而,该数据和处理通常依旧与公有云存储系统耦合,作为单个的虚拟单元。这有助于消除延迟并增加IoT系统的响应次数。
边缘计算的产生
边缘计算的想法并不新鲜。我们多年来一直在用它解决网络或机器延迟的问题。具体来说,一些边缘计算概念已经出现。一个是cloudlet,来自卡内基梅隆大学的新架构元素,它融合了移动和云计算。
还有一个雾计算,是由思科推出的非集中式计算架构。 问题是IoT应用需要几乎立即对传感器或设备产生的数据做出响应;这允许这些应用程序执行诸如关闭即将过热的冶炼机这样的任务。在数百种用例中,响应时间绝对是IoT系统的关键组成部分,这就是为什么延迟这个概念是如此重要。可靠性和数据处理也至关重要,包括不依赖于与远程云应用程序通信处理数据的能力。
‘边缘’与云在何处碰撞
因此,边缘计算——特别是其与云计算的息息相关性 - 正在成为一种最佳实践。它将云应用架构师从必须把所有数据都发送回公有云这一点上解放出来。然而,边缘计算的核心思想是边缘和公有云在物理上分散,但在虚拟上耦合。 边缘组件在四处移动的时候,数据将自动与云端的集中式数据存储同步。
虽然那些数据可以临时存储在边缘处并在那里处理,但存储在云中的数据会成为真实数据的单一来源。 随着IoT系统和服务不断寻求通往公有云的途径,对于边缘计算的需求也变得越来越重要。虽然边缘计算可能带来新的挑战,尤其是围绕管理和安全方面的挑战,但边缘计算能够满足一种需要,即企业部署IoT系统需要云计算的高效性。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。