在各行各业都在加快转向边缘计算之际,企业正在寻找新的方法以提高效率、减少错误,并更好地利用那些随时随地产生的数据。
然而,投资边缘和成功之间存在鸿沟,94%的企业表示他们正在投资边缘应用,但只有10%的企业表示他们从这些投资中获益。对于大多数企业来说,这一鸿沟是由复杂性造成的,其中包括基础架构的复杂度、大规模扩张运营、在偏远地区缺乏专业技术人员的运营与基本维护、安全和数据集成方面的挑战。
戴尔科技秉承简化边缘的使命,于2022年10月推出了Project Frontier计划,旨在提供边缘运营软件平台,简化、优化并保障边缘的安全。
现在,Project Frontier即将迈入下一阶段:Dell NativeEdge。
在今年的2023戴尔科技集团全球峰会上,戴尔科技正式推出Dell NativeEdge,兑现了自己发力边缘的承诺,旨在重塑边缘运营。Dell NativeEdge是戴尔科技各种解决方案累积的广泛经验的结晶,能够降低边缘运营的复杂性,并带来新价值。
使用Dell NativeEdge,各行各业的企业就能随时随地安全地支持任何边缘应用程序,以实现其业务目标:
重新定义边缘运营:工作原理
设想一下,一家大型零售商想要在数百家门店推出边缘解决方案,以运行新的零售体验应用程序。
根据当前的IT实践,专家必须为每家门店提供硬件解决方案,预配置和部署基础架构、软件和应用程序,并组织本地团队在各门店负责实施,这一过程可能需要长达数月时间才能完成。然后,他们通常还必须分别针对基础架构和应用程序,为所有门店建立一个集中管理流程。这将给运营带来各种风险,包括降低客户体验、容易出现安全漏洞或造成系统故障。在通常情况下,每次增加新用例时,也需要重复进行相同的操作。
这种新模式可有效避免供应链风险和集成失败。它确保以正确且一致的方式安装整个解决方案,并支持将多个应用程序和用例部署到同一个架构中。用户可将自动化工作流程同时应用于所有位置的数千台设备上。
NativeEdge意味着价值回报
戴尔科技进行了内部分析,以投资回报建模、近百个客户的访谈以及第三方环境顾问评审的验证方法,评估了一家复合材料制造公司在其25间工厂中运行NativeEdge的潜在经济影响。研究结果显示,三年后,该公司预计将获得以下收益:
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。