人工智能基础:AI、物联网和混合云


------   【导读】   ------

物联网、AI和混合云是同一个三角形的三条边,是同一条凳子的三条腿,是IT界的三位一体。这三股力量将共同提升数据的地位,成为现代应用创新的核心。


想打造这个技术联盟,唯一的手段就是借助一种混合多云平台。但那又是什么样子的呢?


未来的信息技术系统日益专注于数据在哪里生成和处理、数据如何提供和收集,以及这些数据移动起来有多快。找到一条最高效的路径是关键。


两个最重要的趋势是物联网和人工智能(AI),两者相辅相成、密不可分。简单来说,物联网就是众多设备交换来自众多数据点的数据,这些数据在众多平台上以众多方式来加以收集。这些数据要迅速分析,在大多数情况下,要发送到下一个层面以便进一步处理。


与此同时,AI就是以编程方式处理这些大数据,做出实时的、对时间敏感的决策。要打造这个技术联盟,唯一的手段就是借助一种混合多云平台。为AI和物联网提供最高效路径的混合IT基础设施的几个要素成为了将带来商业优势、创新和未来“云中云”(cloud of clouds)的那些技术的基础。


物联网和计算边缘



我们身边好多设备在被认为是现代企业和消费者空间的边缘这个地方,收集、分发和处理数据。更进一步,所有这些数据必须在立即控制范畴之外的空间,迅速加以分析、收集和传输。


这番努力需要满足异常苛严的要求:分布式收集和存储最接近数据源的数据。这意味着,物联网边缘和这些系统中发生的计算事件是自动化及其他新兴趋势的焦点。这些元素是未来计算架构进一步创新的主要催化剂,那是由于日益智能化、交互式的设备数量激增,边缘在不断外延。


物联网的边缘必须通过可以验证、创建和拆除连接的分布式连接,呈现实时事务,没有中央控制机制。至少,基本原则对延迟开始带来操作问题之前数据可以移动到多远作了限制。边缘即切实可行的边缘有多远?


协同运作,这背后的逻辑完全是AI。数据生命周期、数据流动、数据分类、报告和物联网的无数方面是由AI的智能决定的。


AI无所不在



AI不是好莱坞电影希望我们相信的那样是一些自我感知的机器人,但它可能似乎直接来自科幻作品。现在,AI技术早已远离了初期的炒作阶段;想要找到它,你得认识到这点:这种技术旨在学习、适应和识别模式,并大规模地模拟人类智力。你要做的就是看看外面的自动驾驶汽车:从全自动汽车到飞机上的自动驾驶系统,它们能在片刻之间做出智能化决策。


AI和物联网是共生关系,了解两者之间的关系至关重要。AI需要海量的计算能力才能运行,而在许多情况下,这个要求只能通过裸机计算能力来得到实现。速度和性能很关键,因为瞬间所做的决策生死攸关。此外,AI引擎做出的决策要迅速而准确地反馈回给物联网设备。这方面的例子包括如下:


  • 无人驾驶的自动驾驶系统可以检测挽救生命的情况(比如洪水),重新规划交通路线、发出警报,避免事故。

  • 医疗设备可以自动为病人心脏除颤,向最近的医院发送急救信号。

  • 自动化农业联合收割机可以避免撞上走散的动物或牛群,及时提醒农民。

  • 信用卡欺诈检测。

  • 来自视频服务的点播推荐。

  • 苹果的Siri技术和亚马逊的Echo生态系统做出超快速的决策,决策在端点上体现出来。


这样的例子还有很多。从上述例子中可以看到,AI不仅要求速度快,还需要大量数据,而AI系统将以编程方式处理海量数据,从而做出实时决策。AI竭力实现程序化推理和自我纠正,最终实现学习。企业环境下,具有无限的潜在优势和好处。


其中,AI能够:


  • 帮助减少整个企业组织的人为错误

  • 管理大量数据

  • 发送员工的工作流程

  • 支持公司企业的数字化转型

  • 大大有助于提供无缝的客户体验


AI技术日益通过第三方软件和现有软件工具中的功能被引入进来。AI和物联网设计成为了企业的蓝图。


混合多云带来颠覆

要是缺少一种支撑性的平台和架构,物联网和AI根本不可能融合。这时候,混合多云有了用武之地。所有公司(甚至是从事同一行业的公司)展现了独特的技术基因,这种技术基因是为各自的业务要求和发展情况打造的。混合多云是一种颠覆性的技术发展和商业机会。想了解这个颠覆力量,就要了解混合模式、物联网和AI之间的关系。


混合云平台为物联网-AI环境带来了诸多最关键的优势,其中包括:


  • 各种形式的存储:混合云为AI和物联网的构件度身打造,可能有众多不同的存储层,比如实时、归档、冗余和分布式等存储层。没有哪一个云能做到这点。存储的数据可以由AI引擎快速、程序化地访问,并通过机器学习逐渐加以丰富。比如说,你可能使用AWS S3存储来进行归档,使用异地SAN存储来满足高性能要求。

  • 通过为AI关联各个数据源,迅速处理信息,迅速丰富数据:数据在裸机上处理起来速度最快(因为障碍最少),并在这个核心与服务器的原始处理能力之间跳转。裸机服务器集群仍是AI处理的最佳构件。

  • 为应用程序提供定制的安全性:确保应用程序安全是企业的一项重要使命,在集中式场景下尤为如此。归根结蒂,最近新闻媒体上的安全泄密事件与用户未妥善使用AWS系统有关,因而暴露了秘密信息。从根源来分析诸如此类的安全事件,许多程序缺口(procedural gap)归结为知识缺口(knowledge gap)、培训和技术。核心混合数据处理可以实现公共云环境中根本没有使用的企业控制、报告和审计等要素。


混合云无极限


我们生活在这样一个时代:在某个地方,云似乎以某种方式处理每次互动、交易和沟通。世界上几乎每个应用都使用云作为其整合架构。明天的信息系统将变得更专注于在种类越来越广泛的设备上提供实时体验。按照旧规则,比如摩尔定律、宽带增长规律以及定义计算机服务行业的其他线性趋势,创新只能随着时间的推移才能实现。由于混合云技术,不再是这样了。


物联网、AI和混合云是同一个三角形的三条边,是同一条凳子的三条腿,是IT界的三位一体。这三股力量将共同提升数据的地位,成为现代应用创新的核心。对当前应用为王的这个世界而言,未来无极限。混合云不仅仅是一种平台。它是由战略打造的,是一种领先的技术解决方案,是一种神奇的架构,最重要的是还有望构建未来。



©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,029评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,395评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,570评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,535评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,650评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,850评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,006评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,747评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,207评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,536评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,683评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,342评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,964评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,772评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,004评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,401评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,566评论 2 349

推荐阅读更多精彩内容