大多数现代的物联网生态系统都依赖于与互联网的永久连接。设备不断地向云中的数据中心发送和接收数据。明显的优点:用户可随时随地对系统进行监控和控制。明显的缺点:在连接丢失的情况下,大多数系统停止工作。为什么我们愿意承担这个风险?
物联网之所以被称为物联网,是因为互联网扮演了重要的角色。设备在本地环境中不再被隔离,它们可以随时与外界互动,使用天气或交通的实时数据,帮助我们做出最佳决策,管理我们的日常生活。但是,永远在线所带来的便捷,让我们对数据变得很随意。
物联网设备通常通过网络向数百公里之外发送数据,进行交互,即使有时设备之间的距离只有几米。当我们使用我们的智能手机,打开客厅的灯时,在毫秒之内,该命令就穿梭了大陆的一半。我们认为这很正常。但是,如果你的孩子就在隔壁房间,你会通过WhatsApp来叫他吃饭吗?这很奇怪,不是吗?
随着市场上的处理器更便宜,更小,是时候收回一点控制权了。如果智能设备依赖于信息中心来做出决定,那么这个设备并不智能。
过去,云是一切的解决方案,但这种趋势似乎正在转变。显而易见,并不是所有的数据都需要发送到云,这样会使得物联网生态系统容易出现停电现象,甚至使整个安装过程放缓。
边缘计算越来越受欢迎,将处理能力从信息中心逐渐转移到网络边缘。即使像微软(Azure IoT Edge)和亚马逊(AWS Greengrass)这样的巨头最近也意识到这样的趋势,并提供他们的边缘解决方案。
边缘这个术语起源于移动网络,通常数据在尽可能接近终端用户设备的点被压缩;目的是使其更快地在移动网络中传输。其目标是缓解网络负担,加快整个系统的运行。边缘意味着在终端进行尽可能多的处理—在网络的边缘,通常在连接设备上。它适用于移动网络,所以应该也适用于物联网网络。
云或边缘:应该如何选择?
在生活中经常如此,没有完美的解决方案。这取决于每个用例。两者的混合可能是完美的:在混合系统中,简单的任务在设备之间直接进行。这样,他们可以尽可能快速,独立地完成工作,这对于楼宇自动化,或智能行业的设置,尤为有效。
只需确保你将分析和监控所需的数据,发送到云。 随着大型公司将业务从纯云转移到混合产品,我们甚至可能会看到因为有无数不同的标准,多样化物联网的各种困难。
因为短期内不会有任何通用的物联网标准,因此设备和网关制造商可能会在其设备中实现更多的功能,而不仅仅是将其放到云中。 关于物联网生态系统,我们已经徘徊在边缘太久了。让我们更靠近它。
好文章,需要你的鼓励
联想此次推出的推理加速引擎(Inference Acceleration Engine),是联想携手清华大学无问芯穹团队联合打造的本地AI加速解决方案。这款引擎将预装在联想年底发布的新一代AI PC产品线中,目标是让端侧推理性能直接看齐云端大模型水平。
香港中文大学等顶尖院校联合研究发现,当前最先进的AI视频生成技术已能制作出连顶级检测系统都无法识别的假视频。研究团队开发了Video Reality Test平台,测试结果显示最强生成模型Veo3.1-Fast的假视频仅有12.54%被识别,而最强检测系统Gemini 2.5-Pro准确率仅56%,远低于人类专家的81.25%。研究还发现检测系统过度依赖水印等表面特征,音频信息能提升检测准确性,但技术发展已对信息真实性判断带来严峻挑战。
Meta超级智能实验室推出的SAM 3D模型,通过创新的"模型在环"数据标注流程和多阶段训练策略,成功实现从单张图像重建完整3D物体的能力。该研究打破了3D领域的数据壁垒,在真实世界场景中展现出远超现有方法的性能,为机器人、AR/VR、游戏制作等应用开启新可能。
Google DeepMind团队提出了革命性的"扩散预览"模式,通过ConsistencySolver技术实现AI图像生成的"预览+精修"工作流程。该技术能在5-10步内生成高质量预览图像,与传统40步完整生成保持高度一致性,用户体验测试显示总体时间节省近50%,大大提高了创作效率和创意探索的自由度。