近年来,由物联网设备、联网汽车和其他数字平台生成或即将生成的数据日益庞大,只靠云计算已经无法做到对这些数据进行即时处理和分析。并且就数据处理安全性而言,本月初发生的阿里云宕机事故再次给企业客户敲响了警钟。计算工作负载从云数据中心迁移到更靠近所处理的数据源的“边缘”位置已成为一种趋势。边缘计算不仅可大幅缩短数据的传输距离,消除网络带宽和延迟问题,最终提升应用和服务的效率和可靠性,降低运行成本。而且边缘化数据处理意味着大范围的云端或网络故障不会影响业务运转,即使云端操作中断,位于边缘侧的应用也能独立正常地运行。所以说边缘计算技术可以应用于诸多行业领域,潜力巨大。
边缘计算已经在很多领域得到了应用,其中包括无人零售、自动驾驶、安防前端智能化、工业级低时延应用、VR/AR即时对战类游戏、远程医疗等,而且5G时代的数据爆炸及多元化应用也催生了边缘计算的快速发展。边缘计算市场规模万亿可期,或许会成为与云计算平分秋色的新兴市场。杰和科技适时推出了新一代边缘计算服务器EN4B。
杰和EN4B是一款1U可上架的轻量计算型边缘服务器,采用英特尔C612服务器专用芯片组,支持英特尔® Broadwell-DE架构 Xeon-D系列高性能处理器(可配最大16核CPU),整机具有很强的数据处理和运算能力。标配有2个SFP+万兆光口,2个千兆以太网口,1个独立千兆IPMI 2.0网络管理口,网络性能强劲,专为多网应用方案而设计。该机器可搭载用于人工智能的计算卡NVIDIA Tesla P4,可对35路高清视频流进行实时转码和推理,胜任轻量计算的业务应用。EN4B采用工控机的高可靠性设计理念,抗震性强,轻小便携,适应苛刻的工作环境,可广泛应用在无人零售、智能工业、智能农业、智能物流、智慧交通、远程医疗等轻量计算的行业应用以及智能家居、可穿戴设备等消费级物联网应用环境中。
杰和EN4B配备紧凑型短机箱,轻小便携,兼容性高,拆卸简单维护方便,整机内部走线简洁,适应通用的工作环境。提供1个PCI-E 3.0 x16插槽,可灵活选配不同的PCI-E设备,支持上一张NVIDA Tesla P4卡或双口或是四口的半高网卡。整机提供4个DDR4内存插槽,支持UDIMM或RDIMM内存技术,最大扩展128GB,内存速度最大可达2133MT/s,满足高性能数据交换对大容量内存的需求。配备2块2.5英寸非热插拔SATA硬盘,提供1个M.2 SSD接口。标配集成2个SFP+万兆光口,2个千兆以太网口,外插一张4口网卡情况下,整机支持多达8个网口,多种网络选择,满足中小企业复杂的网络应用。整机提供1个150W直流电源,可有效保证整机满配下的供电稳定性,并且系统可根据业务负载情况智能调节电压,降低能耗,更好地应对能源和散热方面的限制以及满足绿色IT的要求。
IDC表示,到2020年,将有超过500亿的终端与设备联网,而有50%的物联网网络将面临网络带宽的限制,40%的数据需要在网络边缘分析、处理与储存。
传统云计算模型,源数据由生产者发送至云端,终端用户、智能手机、个人电脑等数据消费者向云中心发送使用请求。云计算利用大量CPU资源来处理数据,但万物互联环境下,传统云计算模型不能有效满足万物互联应用的需求,将边缘设备端海量数据发送到云端会造成网络带宽负载过大和计算资源浪费。而且传统云计算模型的隐私保护问题将成为万物互联架构中云计算模型的障碍,数据传输模块的能耗也较大。目前,大数据处理已经从以云计算为中心的集中式处理模式逐步向以万物互联为核心的边缘计算模式转变。传统的数据中心将向边缘侧延伸,边缘计算对网络服务的响应更快,能满足不同行业在实时业务、应用智能、安全与隐私保护等方面的基本需求,将逐步成为物理世界与数字世界之间的重要桥梁。
好文章,需要你的鼓励
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
欧洲太空通信产业发展迅猛。乌克兰Kyivstar获得监管批准测试Starlink直连手机服务,完成了与星链卫星网络的SIM卡集成测试,计划2025年第四季度推出支持短信和OTT消息的D2C服务。同时,CTO宣布即将发射首个再生5G毫米波载荷,其J-1任务旨在演示轨道超高速低延迟5G传输。该公司正构建超低轨道星座,使用5G毫米波频谱提供高速低延迟连接。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。