8月25日,“新征程 耀一起”2022亚太内容分发大会暨CDN峰会在北京成功举办,亚太CDN产业联盟联合来自阿里云、腾讯云、中兴通讯、天翼云、九州云等内容分发领域领军企业的技术专家、企业领袖等,携行业领先技术、优秀实践案例、未来趋势洞察等高质量内容齐聚一堂,共话CDN内容分发行业新征程。
九州云高级解决方案总监刘高艳受邀出席大会,在“边缘计算论坛”环节带来了题为《5G MEC边缘计算发展的现状、挑战和未来》的精彩分享,并与参会者就边缘计算圆桌对话展开思想碰撞。
边缘计算作为企业的关键增长要素,创新并拓展了核心数据中心的功能和范畴,已经成为驱动全球企业级基础架构市场增长的重要力量。
刘高艳从三大边缘交付模式分析出发,深入剖析了目前三种模式各自存在的挑战:CDN云边缘服务的大带宽总体成本相对较高,物理距离近无法转换为网络低时延,城市内无线模式下延时,SLA存在不确定性。而MEC边缘云服务,公网访问安全控制存在挑战,对访问终端存在一定要求。IoT边缘网关,由于品牌分散,所以难以统一管理,算力能力限制了安全能力部署,统一通过公网进行管理带来潜在安全风险,空间覆盖性弱,芯片模组5G化改造成本高,软硬一体解耦困难。
通过对比三种模式的能力和场景,提出了三种模式各自可能的突破方式。同时分析了5G MEC边缘云和CDN云边缘国内外发展趋势和两者之间相互渗透发展的博弈,指出CDN云边缘和5G MEC边缘云厂商之间的攻守格局,有相互延伸、交错竞争的趋势。发展的核心在于运营商” 5G带边(MEC)”抓手的拒守和自身拓展,和互联网厂商 “5G入边(CDN)”的渴求。
最后,刘高艳阐述了5G MEC边缘云产业链合围和行业融合,并以OpenV2X开源项目为例分享了在车路协同领域的探索和创新。
伴随5G、边缘计算等新技术与智能网联汽车融合应用越来越深入,加速驱动交通产业数字化转型升级。在上海开源信息技术协会组织下,九州云联合东南大学、南开大学以及企业代表共同发起5G MEC和V2X深度融合的OpenV2X开源项目,基于开放源码方式,解决当前车路协同系统(Coopertive Vehicle Infrastructure Systrem, CVIS)中路侧系统遇到的 “平台不开放”、“生态不多样”、“算法不解耦”、“5G 未联动”的问题,整合5G、C-V2X、AI、MEC等技术组合,支持海量路侧信息收集、融合、智能运算和云边协同能力,更好地服务智能的车和行动的人。
目前,OpenV2X开源项目主要致力于路侧开放基础设施的模块。OpenV2X车路协同开源架构设计范围包含路侧设备、中心云控以及5G边缘云控三部分。项目范围涵盖路侧数据的数据融合,路侧数据的识别和预警算法,RSU发送的结构化数据处理,路侧摄像头、雷达设备的原始信息处理,5G MEC模式下的云边协同等。
边缘计算圆桌对话
本次大会还带来了特别的讨论环节,在即刻雾联联合创始人段靖远的主持下,本次圆桌围绕边缘计算展开对话。九州云高级解决方案总监刘高艳与阿里云智能技术专家徐若晨、天翼云高级研发经理张其栋、英特尔(中国)资深软件架构师陈绍强多位技术大咖一起,从自身在边缘计算领域的实践和积累出发,以前瞻务实的姿态进行了讨论和交流。
作为中国最早一批从事“开放云边基础架构技术开发和服务”的专业公司,九州云自2012年成立至今,始终秉承“开源·赋能云边变革”的核心理念,建立了完整的“云+边”生态体系和解决方案。未来,九州云希望依托自身开放的技术体系、深厚的技术实力和成熟的解决方案,携手更多的产业合作伙伴和开源爱好者,从标准、技术、应用等多维度深度融合,共同搭建边缘计算应用生态,助推边缘计算产业蓬勃发展,持续创造更丰富的商业价值。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。