作者:Pure Storage亚太及日本区首席技术官Matthew Oostveen
边缘计算已存在数十年之久,然而随着科技持续突破与网络连接的飞跃性发展,如今我们已经能够在日常各个层面看到相关的使用场景和应用案例。举例来说:可协助农民随时跟踪作物健康状况的传感器、24小时不间断运行的自动化机器、只需少许人力监控的全天候自动化生产线,甚至是可深入探测身体内部的智慧医疗器材等等。
根据Gartner 2020年新兴科技Hype Cycle趋势报告显示,人们对于边缘计算的期待已逐渐到达高峰,加上5G在全球加速普及,足以预见边缘计算将是科技发展的下一个关键点,并且在今年迈入成熟阶段。据Pure Storage 2021年预测,一些IT/OT高度汇流并在偏远和区域性地点产生大量数据的产业,如石油与天然气以及水电公共事业等, 将率先从分布式云中获益。
IT基础设施即将发生改变
众所周知,所有转型技术都是经过成年累月的推动,逐渐发展成熟。然而过去一年以来全球在疫情的刺激下,大规模的数字化转型浪潮已开始汇集而成,各个产业皆趋之若鹜,争相构建能维持生存的技术,并期望可以成功为企业带来显著改变。这一切的转变,对于IT基础设施又有什么重要意义呢?首席信息官(CIO)或首席技术官(CTO)若要为企业打造一套能有效利用分布式边缘计算的IT基础设施,又必须思考哪些问题?数字化转型产生了前所未有的大量数据,这些数据又需要存放在哪里?又应如何移动这些海量数据?我们又该如何评估数据的重要性?
根据IDC预测,到2025年,全球IoT设备所产生的数据就会超过80ZB,但我相信这只是冰山一角。边缘计算将使我们彻底重新思考数据中心的架构。数据中心的设置位置必须更靠近使用者,并且让计算及支持系统更接近数据产生的地方。这也意味着数据必须从网络中心节点移到边缘节点上处理,更贴近使用者的终端设备,加快数据的处理与传输速度并减少延迟,同时降低数据移动的成本。此外,数据中心的设计必须要能高速处理海量的非结构化数据,并以云原生技术(如容器)为基础,来支持更广泛的应用程序。要支持这样的运算模式,应用程序与基础设施必须变得更加分散,从原本所有应用程序都在核心云内运作,逐渐演变成核心云与分布式边缘云协同运算的架构。因此,小型、灵活的数据中心将应运而生,每一个节点对于速度、弹性与运营简易性的要求也会更高,在此趋势之下,将迎来两项关键挑战:
一、全新IT基础设施将应运而生:边缘节点需要建立新的架构来让边缘应用程序产生、储存并处理数据,这些边缘节点与核心数据中心紧密连接,所有的数据都须同步进入核心数据中心,并且让核心数据中心保存一些较不常用的数据。然而,这些边缘节点相对较小,数千个的节点不可能每一个都存放着大量的数据,如此一来,基础设施就必须要能够支持数据不停歇地存取和移动,并持续开发出更能分散处理数据的应用程序。
二、边缘应用程序架构将有所不同:一般会采用微服务(microservice)应用程序,能够快速启动、停止与扩展,以便应对大量使用边缘计算服务的使用者。由于边缘节点通常不大,每个应用程序不可能拥有自己专属的服务器或存储服务,所以它们必须共用同一个基础设施。这个问题可以靠容器化来解决,只有当使用者或设备在执行某个移动基站或边缘数据中心的期间才运作,让应用程序和所需的存储服务可以轻松启动和关闭。
揭开科技变革的时代序幕
如今,我们正处于科技发展中令人振奋的关键点,分布式边缘计算正将科技带往原本无法触及的角落,从而改变我们与世界的互动方式,再加上一些相关技术,如:5G、人工智能与增强现实,我们正迈向一个不再需要操作界面、键盘和鼠标的时代,只需通过我们的声音或手势就能操控设备。
未来,当我们回顾历史时将会发现,2020年是人类数字化转型的里程碑,而分布式边缘计算的加速发展就是其中之一。它让电脑运算与数据存储加速改善反应时间与节省带宽的效益,并以多种不同的型态出现,通过自动化技术来改善人类生活。无穷无尽的边缘计算应用,随着5G及物联网的相关设备迅速发展,以及边缘计算和Kubernetes系统等微服务标准设备编配剧增,即使分布式及边缘云基础设施仍处于计划及试用阶段,仍可预测2021年将会是此种云基础设施兴起的开始。就让我们一起目睹这场分布式边缘计算所带来的巨大变革吧!
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。