至顶网CIO与CTO频道 05月25日 编译:新技术名词的不断出现是不可避免的,时下最流行的名词当属边缘计算。专家们用了不同的方式描述边缘计算,还用了诸多用例佐证边缘计算是如何如何地厉害,边缘计算听起来是很棒的东西。甚至还有一种观念认为边缘计算可以替代所有传统的、更中心化的云计算模型。笔者在这赶紧插一句:这是不会发生的。
未来科技环境大有可能是一种同时具传统云计算和边缘计算功能的混合结构。
边缘计算其实是对云计算很自然的互补,不是替代,反之亦然。边缘计算解决了网络延迟限制的问题,而云计算则可以为大量工作负载提供了更快、更便宜的中心式计算和存储。这些工作负载包括人工智能、数据分析和机器学习等等,在当前的COVID-19环境里这些工作负载更是显得至关重要,笔者曾在另一篇文章里“在大流行期间如何利用人工智能和机器学习探讨过这个话题。
未来科技环境大有可能是一种同时具传统云计算和边缘计算功能的混合结构。可以说是真正的阴与阳的关系,两个方面互补调和。
纵观业界,各种科技正在逐渐融合边缘云的强大威力,云计算本身也在朝多云混合支持的方向不断发展。物联网(IoT)、无人驾驶车辆、流媒体以及其他新的行业不断涌现,网络延迟是这些行业的死穴,而对无人驾驶车辆而言,有时甚至真正的致命死穴。
现代云原生、基于消费的、混合友好的云平台的需求只会不断增加,传统IT工作负载也在不断过渡到敏捷云系统。Gartner曾发布报告称,61%企业已经达到了一定程度的物联网成熟度。以下将给出时下一些边缘云的应用场景,这些边缘云大多用于帮助减少延迟及改善零售、医疗和制造业各行业的用户体验。
零售市场里用于跟踪销售、策略和信息的系统的分发方式是非传统方式,非常适合边缘部署策略。据Grandview Research的研究显示,零售物联网市场至2025年将达到950亿美元。零售商必将利用物联网和边缘计算获取更快、更好的客户体验,同时减少产品线及增加收入。后COVID世界肯定将充分使用与边缘云相关的系统,例如自动结帐、产品跟踪、传感器跟踪和供应链报告等等。
医疗领域物联网市场的规模预计至2025年将达到5340亿美元。制药业务当能应对各种挑战,例如库存管理、因法规而导致复杂性增加以及从近端放置系统即时收集和处理数据的可见性问题。
制造业现在可以采取最大限度地减少停机时间、引入传感器及通过局部边缘计算策略监视工艺条件变化等措施以提高了生产率和安全性。制造业物联网市场预计至2024年将超过零售业和医疗保健业的和,达9,500亿美元。
消费和体验期望力度意味着边缘计算的规模和功能会更加凸显其重要性。各种对时延敏感的信息在增多,技术提供商面临诸如微软Azure Stack Edge之类的各种解决方案,Azure Stack Edge解决方案可以完成各种人工智能任务同时也可以作存储网关用。再举一个例子,AWS也增加了Snowball Edge之类的服务,提供的快速数据传输功能令IoT和边缘计算的世界变小了。
其实从许多方面来看,计算一直都是在“边缘”上进行。小服务器及网络几十年来都是在分支机构和远程系统里保存数据和提供存储。要将这些数据整合到IT系统里在管理、延迟以及数据保护和实施成本方面都存在一些困难。而现在,云系统提供了可靠的、敏捷的及随时可用的基础架构和服务功能。
我们在考虑边缘云计算时,务必将其视为整体混合云策略的一部分。边缘计算是对全面云战略的提升,只有全面的云战略才能在物联网设备部署的快速爆炸式增长中稳步发展。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。