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
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。