至顶网CIO与应用频道 12月07日 新闻消息(文/王聪彬):不同于之前几年的谈数据,在今年的Canalys Channels Forum上,Canalys CEO Steve Brazier一上来就在谈零售、制造、教育、医疗、交通、农业、金融科技、政府几个行业的变化。
Canalys CEO Steve Brazier
零售:通过数据进行顾客行为分析、通过移动支付完成购物、无人机投递送货、机器人服务员;
制造:通过传感器监测工厂设备,查看故障以及使用率、全自动化的机器人生产、供应链分析等;
教育:教学质量的和体验的提升、学生健康的监测;
医疗:医疗设备和资产的管理跟踪、医院感染预防、机器人顾问等;
交通:自动驾驶汽车、机场通过面部识别提高安全性等;
农业:传感器驱动灌溉设备、灌溉优化、无人机监视等;
金融科技:合规分析、人工智能进行欺诈识别、区块链解决征信机制等;
政府:智慧城市、城市交通管控、根据用户行为进行社会信用体系评级等;
各种技术正在不断驱动着行业的转型发展,其中涉及了像云计算、大数据、人工智能、自动化、传感器、无人驾驶等各种技术的应用。
而且这些行业解决方案所创造的是一种新的技术形式:边缘计算(Edge computing),其是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。
端到云已经是一个明确的发展方向,不管是芯片厂商、终端设备商、云计算服务商都在为端到云做着努力,但是现在一个问题是,所有的终端数据都传回到云中处理在传回到终端这需要一定的反应时间,越来越多的应用需要实时的响应。
边缘计算可以在应用程序边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。
边缘计算目前工业互联网领域应用相对前沿,一位制造行业的服务商CEO把边缘计算比作人的感知器官,云计算被比作大脑,所有的感知器官需要自动的作出反映,而不是全部由大脑来反馈。
Steve Brazier也提到现在有很多为解决方案的出现,它们都结合了传感器、数据分析、人工智能等技术,而且思科正在为Microsoft Azure定制下一代交换机。
再说说云计算,其依然是现在的所有厂商都在重点关注的领域,Google的逐渐追赶;AWS与VMware的合作深入,基于VMware vSphere的私有云、公有云和混合云环境运行应用;思科宣布围绕混合云进行大规模的部署;预计阿里云和腾讯云未来12-18个月内将服务扩展至更多国家。
所以服务器的采购也将会呈现持续的增长,一个数据是Microsoft Azure每个季度在建设数据中心上就花费将近20-30美金。
回归到整体的渠道情况,Canalys看到亚太地区在2017年上半年与去年同比分销商和合作伙伴的营收上都有不同程度的增长,分销商增长8%,合作伙伴增长10%。
对于未来Steve Brazier也进行了几点预测,主要聚焦在渠道输出技术的转型,包括无人驾驶、安全、行业应用等。
未来渠道合作伙伴在接下来的三年里每年至少增长10%。
预计到2020年,25%的合作伙伴将销售智能能源解决方案,包括太阳能和风能发电,以及储存和充电解决方案。
预计到2020年,有20%的服务商销售或管理自动驾驶汽车。
预计到2020年,硬件仍将为90%的合作伙伴提供超过50%的收入。
预计到2020年,亚太地区75%的人将按照“通用数据保护规范”(GDPR)的数据隐私法进行登记。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。