至顶网CIO与CTO频道 08月15日 编译:云计算一直是新闻热点,相反,边缘计算却很少被新闻报道,但它却有可能像云一样给企业运营带来一场变革。
新技术——特别是结合边缘计算的时候——可以为企业提供更好的服务效率和效益。边缘计算有可能在基础层面上影响业务流程,取决于企业的运营方式。福布斯分析了边缘计算可以带来显着优势的几个用例,为企业提供来自专家的见解。
1、积极的客户体验
云计算创新让边缘计算成为现实,而不再是将数据和计算资源放在云中,这些资源需要贴近客户,这就是我将我的安全服务公司和我的播客内容发现公司迁移到Google Cloud云端的原因。谷歌让我们能够把资源分布到它全球的八个数据中心。——Tim Maliyil,AlertBoot
2、消费者数据隐私
那些持有高度敏感的消费者数据的公司发现,由于数据泄露的成本极高,因此云计算的风险也是很大的。因此,很多公司正在利用边缘计算处理消费者数据,因为边缘计算为他们提供了更多的安全和控制选择。虽然边缘计算会使企业工作流程变得复杂化,但可以带来很多好处,特别是对医疗数据公司来说。——Sean Byrnes,Outlier
3、物联网
物联网是对智能化的一个重大转变,企业可以实施这种智能化以实现更好的数据、客户体验、现场营销以及更智能的流程。边缘计算让网络以高性能水平运转。接近实时的速度意味着用户体验也是非常好的,可以让企业更好地、更有效地运转。——Frank Cittadino,QOS Networks
4、新的增强现实功能
如今创新很多,但很少能够与增强现实(AR)这项技术的潜力相媲美。未来AR将快速普及,并渗透到企业级和消费级市场。边缘计算将把用户在AR设备上的用户参与度提升到一个全新的水平。更出色的计算处理能力,让用户可以期待着在不久的将来看到更生动、更快速的AR体验。——Marc Fischer,Dogtown Media
5、视频监控和分析
视频监控部署在边缘位置上,视频分析也是如此。视频生成的数据是其他来源的10倍,这也是你在数据中心外部处理数据以最大限度减少网络传输量和存储量的典型数据类型。此外,这也让企业可以基于可操作的数据做出实时决策。——Bill Galloway,Pivot3
6、工业运营
工业运营(例如工厂车间处理)需要对大量数据进行高速响应。大部分数据被丢弃,但能够检测边缘数据中的异常,使工厂操作员能够更好地检测何时对工厂车间出现的问题进行响应,避免停机以提高生产率。——Randal Kenworthy,Cognizant
7、现场工作人员的日常工作
AR和移动边缘计算的结合,将极大地改善现场工作人员和工程师的日常工作。智能眼镜生成的数据可以在移动设备上进行处理或者预处理。例如,面部识别操作可以在云端进行,查找模式,然后向工作人员可视化的提示。——Artem Petrov,Reinvently
8、大型任务关键型应用
边缘计算对于大型任务关键型应用是十分必要的,如军事、航空等。如果边缘计算让云提供商降低了服务成本,那么每个人都会受益。但现实是,他们只会让服务成本更高,并且强调那些实际上并不是你急需的“好处”。——Boris Kontsevoi,Intetics
9、智能建筑
我们的会议室和办公设施正在变得越来越智能,这吸引着我们把一切都放到云端上。出于安全性和稳定性的考虑,在本地保存一些数据是有好处的。我们看到,当网络故障导致云服务中断是多么令人感到沮丧,况且在工作环境中可靠性就更重要了。——Luke Wallace,Bottle Rocket
10、无人驾驶汽车
汽车行业已经投入数十亿资金用于开发边缘计算技术。出于安全运行的考虑,需要收集和分析有关车辆周边环境、方向和天气状况相关的大量数据,而且车辆需要与道路上的其他车辆进行通信。——Arnie Gordon,Arlyn Scales
11、零售
边缘计算可以增强零售商店购物者的客户体验,同时为企业本身带来诸多好处。例如借助边缘计算,大型零售商店可以通过红外信标技术生成店内流量模型。数据可以帮助零售商更好地了解客户,并更有策略地摆放商品。——Thomas Griffin,OptinMonster
12、电视机顶盒
边缘人工智能让一种小型智能引擎运行在机顶盒设备上,实时分析数据,对人工智能进行编码,在本地解决问题,并向上游服务器提供智能反馈。与基本的自动化(边缘机器人过程自动化机器人)相结合,这种人工智能引擎可以自我修复并在本地解决许多问题。——Ankur Garg,Hotify
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
香港大学研究团队提出LightReasoner框架,通过让小型"业余"模型与大型"专家"模型对比,识别关键推理步骤并转化为训练信号。该方法在数学推理任务上实现28.1%性能提升,同时将训练时间、样本需求和词元使用量分别减少90%、80%和99%,完全无需人工标注。研究颠覆了传统训练思路,证明通过模型间行为差异可以实现高效的自监督学习,为资源受限环境下的AI能力提升提供了新路径。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
马里兰大学研究团队开发了MONKEY适配器,一种无需额外训练的AI绘画控制技术。该方法通过"两步走"策略解决了个性化AI绘画中主体保真与背景控制难以兼得的问题:先让AI识别主体区域生成"透明胶片",再在第二次生成中让主体区域听从参考图片、背景区域听从文字描述。实验证明该方法在保持主体特征和响应文字要求两方面均表现出色,为AI绘画的精细化控制提供了新思路。