有时在做出判断时真的是要靠自己,让别人为你指出方向是不可行的。
许多物联网系统所面临的情景与此相同。集中处理大量传感器数据会减慢决策,并增加带宽需求。而做出明智的决策最好靠近源头。
哪些决策应该靠近网络边缘,哪些应该靠近中心?在哪里进行权衡?哪些应用程序最适合本地决策?为此,三个雾计算专家分享一些见解。
·Helder Antunes,思科公司战略创新团队高级主管,OpenFog(开放雾)联盟主席
·Rhonda Dirvin,ARM公司物联网垂直市场总监
·Matt Vasey,微软公司物联网战略主管
Dirvin和Vasey都是OpenFog联盟的董事会成员。
什么是开放雾联盟?
微软,ARM,思科,戴尔,英特尔等知名公司和普林斯顿大学成立了OpenFog联盟。云计算和单边缘物联网设计随着传感器数据量的增加而成为阻碍。雾计算允许将计算,存储和通信资源放置在云计算和边缘数据中心之间,这减少了技术阻碍,并加速了数字转换。
开放雾联盟定义和扩展了雾计算的应用。它是一个由企业,最终用户,大学组成的独立开放的成员生态系统。
“云技术必须与雾计算无缝协作,以提供无缝的端到端客户体验,”Antunes说。“雾计算比以往任何时候都需要高度可扩展和协作的方法,在广泛的行业和技术方面具有深厚的专业知识。没有一家公司可以单独做。
雾计算在哪里工作最好?
“理想情况下需要智能边缘附近,超低延迟是至关重要的,对于在地理上分散的地区运行的计算,其中连接可能是不连续的,或创建数TB的数据,不会实际流到云端。”Vasey说,“雾计算在基于云计算的控制平面中运行良好,可以在大量节点(包括交通,农业,风能,监控,智能城市和建筑)中提供控制和更广泛的洞察能力。”
智能城市和雾计算
如今,大城市面临交通拥堵,公共安全,高能耗,卫生医疗,以及提供市政服务的挑战。这些挑战可以通过安装一个雾节点网络在单个物联网络中解决。
宽带带宽和连接性的缺乏是建立智能城市的主要问题。虽然大多数现代城市具有提供足够覆盖的一个或多个蜂窝网络,但是这些网络通常具有几乎不能满足现有订户的需求的容量和峰值带宽限制。这为智能城市设想的先进市政服务留下了很少的带宽。部署雾计算架构允许雾节点提供本地处理和存储,这将优化网络使用。
智能城市还面临着安全和安全方面的挑战,其中时间关键性能需要先进的实时分析。市政网络可以携带敏感流量和公民数据,以及运营诸如应急响应的生命关键系统。雾计算可以满足安全性,数据加密和分布式分析要求。
智能建筑和雾计算
楼宇自动化展示了边缘智能和本地化处理的需求。商业建筑可以包含数千个传感器以测量各种建筑操作参数:温度,钥匙卡读取器和停车空间占用率。必须分析来自这些传感器的数据以查看是否需要动作,例如,如果感测到烟雾,则触发火灾警报。雾计算允许自主的本地操作以优化控制功能。
每个楼层,甚至单独的房间可以包含自己的雾节点,其负责执行紧急监视和响应功能,控制气候和照明,以及提供建筑物驻留的计算和存储基础设施,以补充本地智能手机,平板电脑和计算机有限的能力。
雾计算与云计算协同工作,因此可以将构建操作遥测和控制操作的长期历史汇总并上传到云中,以进行大规模分析,确定建筑物的操作。存储的操作历史,然后可以训练机器学习模型,可以用于通过在本地雾基础设施中执行这些机器学习模型来进一步优化建筑操作。
视觉安全和雾计算
现在,停车场、建筑物和其他公共和私人场所都使用摄像机来提高公共安全。在大规模网络上收集的视觉(和其他传感器)数据的纯粹带宽使得将所有数据传输到云计算,以获得实时洞察是不切实际的。想象一个繁忙的机场或城市中心,有许多人和物体在一段时间内移动。实时监测和异常检测对监控系统构成了严格的低延迟要求。及时性对于检测和响应都很重要。
当使用摄像机作为收集图像数据的传感器时,必须解决隐私问题,以使图像不会泄露某人的身份或向任何未授权方披露机密的内容信息。雾计算可以允许实时,延迟敏感的分布式监视系统,并保证隐私安全。
通过雾结构,视频处理被智能地划分在与摄像机和云相同的雾节点之间。这使得能够在长时间间隔内捕获的数据中实时跟踪,异常检测和收集洞察。
雾计算如何降低安全风险?
安全性是使用物联网,网络和云计算技术的任何部署的根本问题。开放雾架构在连接到物联网设备的云和雾节点之间指定了安全的端到端计算环境。这些设备使用基于硬件的不可变根信任,这可以通过在整个基础设施中运行的软件代理来证明。
平台之间的互操作性
“异构平台之间的互操作性是物联网达到其潜力的关键,”Dirven说。“开放雾联盟通过创建一个可互操作的方式来利用从云到边缘的可用计算,存储和网络资源来解决这个问题。
'休斯顿,我们有一个问题',这个著名的报告来自于阿波罗13号月球飞行的机组人员,向美国宇航局在休斯敦的基地报告遇到的一个主要的技术问题。有时技术中心提供帮助是绝对关键,然而在本地处理大多数其他问题,可以通过集中的专业知识和带宽以用于关键决定。
宇航员在可能的情况下自主工作,并在需要时获得技术中心指导。雾计算对于关键任务的物联网应用也是如此。
好文章,需要你的鼓励
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。
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。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
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。