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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。