最近發表的一篇“云計算即將終結”的文章指出，人們正面臨著云計算的終結。一些專家對這個觀點表示認同。在追求加密貨幣的數字黃金的過程中，很多人為了挖礦獲得了大量強大的計算資源。然而，隨著越來越多的加密貨幣被開采，挖礦活動的利潤越來越低。而瀏覽網上論壇時人們會發現，在過去的兩到四年內購買價格昂貴GPU的挖礦者正在試圖出售這些設備。
然而，出售GPU并不是這些個人獲得投資回報的唯一目的。為了尋求利潤，采用SonM和Golem等平臺的IaaS“Uber drivers”已經開始出現，租用其計算資源的價格比亞馬遜和微軟等主要云計算基礎設施提供商的還要低。
這種利用分布式計算機網絡資源的新模式被稱為“霧計算”，它可以為各地的人工智能初創公司打開成功之門。這是為什么?
霧計算更具成本效益
對于初創公司來說，控制成本是最重要的事項。對于人工智能初創公司來說，這可能是非常困難的，因為要運行深入學習計算機算法所需的高計算資源。在通常情況下，計算資源是人工智能初創公司預算中最高的成本。
因此，霧計算為這些初創企業提供了一種經濟高效的替代方案，可以從亞馬遜和微軟等云提供商巨頭那里獲得更多資源。粗略的估計表明，霧計算基礎設施的成本要比基于云計算的解決方案(AWS，Azure等)的成本低幾倍。
為了進行說明，在這里對AWS公共云和以太坊(Ethereum )進行了粗略的比較。在某種情況下，如果客戶為AWS的攝像機服務支付10美元，而向以太坊(Ethereum )采礦支付5美元，擁有Nvidia 1080 TI GPU(11 Tflops)的礦工可以每秒處理500張面孔。而用戶采用AWS的云服務，將采用滿負荷的33臺攝像機(每秒15幀，每幀一張面孔)進行處理。這意味著用戶將每月向該礦工支付165美元的費用，而如果以相同的表現需要為AWS公共云每月支付約544美元的費用。
盡管可能節省成本，但這種轉換不應該以犧牲質量為代價。人工智能初創公司還必須考慮分散式基礎設施應該滿足某些標準，其中包括靈活性和可擴展性、集中和分散元素的平衡、數據保護和簡單的支付基礎設施。
霧計算是靈活的和可擴展的，也可能是可靠的
對于人工智能初創公司來說，在SaaS解決方案需求突然增加時，靈活性和可擴展性至關重要。如果客戶的營銷活動將很多顧客帶到他們的商店或餐廳，使用相應的面部識別軟件，就會發生這種情況。這種情況也會發生在聚會、音樂會和體育賽事上，其中被識別的臉部數量增加了10倍，100倍甚至1000倍。這種應用的劇增將技術基礎設施的能力推向了極限。
霧計算與云計算一樣，為人工智能初創公司的運營提供了極大的可擴展性。但是，為了確保這一點，分散式網絡必須安裝一個軟件，允許每個網絡參與者接收任務，并將結果發送回去。該軟件還必須能夠檢測每個節點上安裝的硬件和性能。這樣做可以讓創業公司恰當地構建自己的IT基礎設施，以滿足其需求，就像在傳統的云計算模式下一樣。
但是，企業這樣做時必須慎重考慮。霧計算的好處在于節點可以在世界任何地方使用，但相應的挑戰是需要確保高質量的寬帶通道和連接速度。通常，免費計算資源可以在非洲或拉丁美洲的某個地方找到，但他們很有可能遇到不良的網絡連接。從理論上講，隨著更多的節點加入分散式網絡，風險會降低，但目前人工智能初創公司應該專注于高性能節點，以確保足夠的靈活性、可擴展性和可靠性。
為了進一步防止出現服務故障，人工智能初創公司可以選擇使用混合分布式計算環境，其中一部分仍然是集中式的。分布式部分可以用于耗費資源的任務，而集中部分用于協調節點以控制分布式網絡的工作，并根據需要通過連接和斷開其他資源來平衡負載。
霧計算提供所需級別的數據和欺詐保護
此外，IT基礎設施的集中部分可用于管理敏感數據。企業使用云計算的共同關注點是用戶數據將被傳遞給第三方。考慮到人工智能初創公司經常管理和下載高度敏感的數據，這就成為一個更大的問題。在霧計算中，像云計算一樣，客戶數據可能首先在受保護的、可信的，以及集中的環境中被混淆，然后完全繞過第三方所依托的分散式網絡。這反過來又使得更高級別的數據保護成為可能。
另外，霧計算可以提供更好的防欺詐保護。人工智能初創公司的另一個擔憂是在霧計算模式下，分散網絡的成員可能會嘗試通過編寫一個簡單的腳本來欺騙系統，該腳本允許他們繼續挖掘加密貨幣，同時執行計算任務。但是，有很多方法可以輕松防范這種欺騙，并檢測不可信的節點。
還有一個例子是使用工作證明方法，將復雜任務加載到高性能節點，并將相同任務的片段發送到性能較低的節點，以檢查結果的準確性。如果來自兩個節點的結果不匹配，則可以從系統斷開連接，并將其置于黑名單中，禁止其在將來使用。這確保了分散的霧計算網絡的成員只有在系統得到了一些證明工作完成后才收到付款，并且結果是真實的。
目前，在霧計算環境之上沒有簡單的支付和計費系統，然而，使用加密貨幣向分布式網絡支付費用是未來三年可能實施的解決方案。一旦解決了這些問題，霧計算帶來的諸多好處將為實施機器學習和神經網絡等資源密集型任務的人工智能初創公司敞開大門。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號