從物聯網到智聯網，重塑數據處理方式
時下，人工智能、機器人自動化、拓展現實以及各種互聯設備……智能似乎已無處不在。當企業紛紛追逐于這些新一代智能技術的同時，也面臨著巨大的基礎設施壓力。
比如，人們對存儲和分析數據數量和種類的要求越來越高，這就使得企業需要重新考慮新的數據處理場合和介質，對基礎設施進行徹底改造，均衡部署云計算和邊緣計算，方能真正發揮這些新技術的作用。
智能已嵌入現實世界的萬千設備中，構建智能物聯網意味著將計算能力從云端延伸至網絡邊緣，提高計算機處理信息回應周圍環境的智能水平，讓人類與機器相互理解和溝通。在這個過程中，企業要打通連接各設備的平臺，需要軟件和硬件雙管齊下，從內到外與生態伙伴緊密合作，才能真正與智能世界接軌。
一、智能正被植入實體環境
《埃森哲技術展望2018》研究發現，85%的受訪中國高管都認為，新一代智能解決方案正在進入實體環境。
得益于人工智能和機器學習技術，機器也能接入“雙眼”和“大腦”，越來越多的智能設備能夠讀懂人們的生命體征和情緒，并給予實時回應。通過整合實時感應和計算技術，人類能夠管理以往那些動態、復雜、不可預測的環境，隨時隨地即時響應。
同樣，越來越多“有意識的”的監控攝像機被運用于執行識別包裹交付時間及改善智能城市的交通流量，通過遠程醫療追蹤分析患者狀況以及油田災難預警預防分析。這些實體設備植入了集成分析的處理能力，無需發送海量數據進行離線處理。由此可見，企業正致力于智能環境的開發，并從日常生活逐步延伸至生產環境，而使這一切成為現實的核心是具有實時相應能力的硬件。
所以，為使這些具有特殊用途和定制化的硬件在物聯網中充分發揮作用，企業需要重塑自身的信息基礎設施。
二、整合邊緣技術與云端能力
預測表明，到2020年，智能傳感器和其他物聯網設備將至少產生507.5ZB的數據量。顯然，如果還需要通過遠程數據傳輸來完成如此繁重的計算，便無法跟上智能的響應速度。為充分釋放實時智能的無限潛能，企業需要懂得取舍，將數據交互、生成和決策通過本地設備實現，更多地利用邊緣計算來提升處理效率。
得益于更先進的邊緣分析和數據的實時利用，到2025年，企業丟棄的數據量有可能會比存儲量多100倍。
雖然這將減輕云端負荷，但云仍將繼續在企業基礎架構中發揮關鍵作用。因為，中間設備和邊緣設備可以通過本地數據處理來實現即時操作，但云所能提供的是更為強大的“元數據洞見”，它可隨時間的推移不斷改進系統，并充分利用兩方面的優勢重塑新業務。
在設計系統時，若想充分利用基于智能設備的即時洞見和來源于云端的元數據洞見這兩大力量，就需要圍繞內存進行全盤考慮。企業應將數據資產明確區分為——必須加以保存的重要部分，及可因決策變動而隨時刪除的部分。經過標記、回傳到云端的數據資產應具備明確的保留必要性，例如收集大量歷史數據以完善決策;同時，僅用于在邊緣進行短暫決策的數據則可拋棄。由此，企業應當找尋適用自身的獨特方法，在云端和邊緣兩處、以及之間的任何地方平衡處理任務。
三、企業需重新聚焦硬件
邊緣計算的加速應用將進一步推動萬物互聯的智能社會成熟發展。根據Gartner預測，未來5-10年物聯網將會進入一個應用爆發期，邊緣計算也將進一步滲透到各類定制硬件中。
例如，智能攝像頭等圖形處理器等硬件加速裝置可以幫助企業在交互點上建立“思考”能力。企業需要提前采取行動，進行技術和人才儲備，讓技術架構師接受有關最新硬件加速器技術的培訓，并鼓勵他們運用這些技術來開展新的設計。在他們構建的新型系統中，云功能將僅用于完成大多數計算任務、以及支持存儲密集型運營系統。
過去十年間，企業普遍采用的是統一的硬件解決方案。如今為了提高計算處理速度，定制專用硬件的做法又開始流行起來。谷歌打造了屬于自己的專為應用定制的集成電路芯片，張量處理單元(TPU)。這是一款可以運行深度神經網絡的計算機芯片，效率比標準處理器高出30至80倍。而Facebook、微軟、亞馬遜、百度等公司均在使用一系列全新的專業處理單元來訓練和運行人工智能模型。
智能設備與服務如今都呈現爆發式增長的趨勢，企業有必要在技術大規模鋪開之前重新設計基礎架構和硬件解決方案，用來支持這些設備在各類動態環境中實時響應。
為了充分釋放人工智能、機器人自動化以及其他革命性技術的巨大潛力，企業應當聚焦于整個業務戰略和運營的數字化轉型，從服務設計、基礎設施重構、硬件定制等各個關鍵領域做出新的判斷，最終打造真正讓萬物互聯的智能環境。
京公網安備 11010502049343號