Полоса пропускания, своевременность, конфиденциальность: толчок за фронтом
IDC прогнозирует, что к 2020 году к Интернету подключится до 50 миллиардов смарт-устройств, и более 40% данных в будущем должны будут анализироваться, обрабатываться и храниться на грани. Эти интеллектуальные устройства включают смартфоны, личные носимые устройства, автомобили, МРТ, интеллектуальные уличные фонари, парогенераторы, авиационные двигатели и т. Д. Коммуникационные технологии переходят с 4G до 5G, но темпы роста пропускной способности сети преследуются за счет роста данных. IDC ожидает, что к 2018 году будет 40% интернет-вещания Данные должны быть сохранены и проанализированы на краю, а 50% Internet of Things будут сталкиваться с проблемами пропускной способности. Опираясь на взрывной рост объема данных и проблемы с пропускной способностью, Intel понимает, что требуется больше вычислительных средств. Край идет.
Во-вторых, распространение интеллектуальных устройств, инициированных Интернетом Вещей, стало консенсусом. Почти все отрасли предъявили более высокие требования к скорости обработки данных. Различные типы сценариев приложений не могут терпеть задержки в сети и вычислительные задержки. В случае автономного вождения, например, если камера распознает, что пешеход проходит мимо передней части автомобиля, камера распознает изображение, затем сжимает изображение, передает его в центр обработки данных через сеть для анализа и принимает соответствующие решения. Далеко не конец, результат решения должен быть снова передан обратно на внешнее транспортное средство через сеть, и выполняются соответствующие операции торможения. Если такой замкнутый цикл соблюдается, когда автомобиль принимает окончательное решение, это может привести к неизбежным потерям.
Кроме того, информация владельцев данных о защите конфиденциальности данных постепенно улучшалась, они не хотят загружать данные в облако и передавать их третьим сторонам. Они надеются, что эти данные будут обработаны локально. Поэтому некоторые требования к защите конфиденциальности относительно Более высокие сценарии приложений требуют обработки данных по краю.
Edge Collaboration, консолидация нагрузки, искусственный интеллект: перспективная перспектива Intel в области вычислительной техники
В настоящее время во внутреннем центре обработки данных много вычислительных процессов. Intel полагает, что приложение Internet of Things должно требовать сквозных возможностей. Все большее число приложений будут перенаправлены в интерфейс для обработки. Затем краевые вычисления могут быть смягчены Важную роль играют уникальные преимущества давления в полосе пропускания, своевременного реагирования и защиты конфиденциальности.
Однако это не означает, что Intel полагает, что кросс-вычисления будут заменены облачными вычислениями. Оба будут демонстрировать дополнительный и скоординированный статус разработки: с одной стороны, по мере увеличения объема данных нагрузки облачных вычислений увеличится. Если вы хотите продержаться, вам нужно С другой стороны, во многих сценариях приложений облачные вычисления могут стоять высоко и собирать данные для достижения комплексных приложений. Например, в транспортной отрасли камеры могут Захваченная траектория транспортного средства ограничена. Можно наблюдать только одно соединение или область. Если вы хотите полностью проверить траекторию автомобиля, вы должны подключить его через разные камеры в облаке и суммировать его на более панорамные записи.
Кроме того, Intel также получает представление о других важных событиях в области периферийных вычислений. Поскольку искусственный интеллект предъявляет более высокие требования к граничным вычислениям, консолидация рабочей нагрузки станет общей тенденцией. Интеграция рабочей нагрузки - это интеграция мелкомасштабных краевых вычислений в центральную Серверы, тем самым снижая затраты на обслуживание и повышая вычислительную эффективность.Крезы могут быть объединены в узлы данных посредством консолидации нагрузки, а также являются центрами управления. Можно сказать, что искусственный интеллект также играет роль выгоды и поддержки. С одной стороны, искусственный интеллект Разработка большого объема данных неотделима от подготовки массивных данных. Многие прикладные сценарии краевых вычислений - это хорошая попытка искусственного интеллекта. В свою очередь, искусственный интеллект также может в полной мере реализовать свои преимущества, постоянно использовать потенциал данных, высвобождать данные и продвигать их. Расчеты продвигаются вперед.
С тенденцией наводнения данных рост периферийных вычислений ускоряет процесс интернет-вещания. Как более эффективно продвигать периферийные вычисления, Intel фиксирует два основных направления развития согласования границ и интеграции нагрузки. В то же время Intel берет искусственный интеллект в край, чтобы выпустить значение данных. , Он также предоставляет новые возможности для краевых вычислений.