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
这项由浙江大学与阿里巴巴通义实验室联合开展的研究,通过创新的半在线强化学习方法,显著提升了AI界面助手在多步骤任务中的表现。UI-S1-7B模型在多个基准测试中创造了7B参数规模的新纪录,为GUI自动化代理的发展开辟了新的技术路径。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。