无论工作人员多么敬业和努力, 都需要睡眠和休息. 但是机器设备没有这样的限制, 它们通常不需要休息, 也没有假期, 并且不间断运行. 这意味着它们可以全天候感知, 分析和传输数据.
而随着物联网的发展, 对当今世界的 70 多亿人来说, 平均每个人都将拥有 5 个物联网设备. 全世界有数十亿台机器来保障这些设备的运行. 坦率地说, 这些机器需要全天候运行以满足需求.
显然, 物联网设备的数量已经超过人类. 当所有这些设备和计算机开始相互通信时, 这会对任何网络造成极大的压力. 人们今后将会更加深刻地感到这种压力. 不仅如此, 它还是一个日益增长的全球市场. 调研机构 IDC 公司预测, 2020 年物联网的市场规模可能会达到 7 万亿美元.
展望不久的将来, 人们看到数据中心在机器之间通信方面受到以下三种影响:
1. 为 5G 奠定基础
这些技术进步和发展也发生在数据中心. 所有需要相互通信的设备和人类将会采用大量的光纤通信的应用, 特别是当人们期待 5G 在未来 5 到 10 年内上市时. 为此, 人们还有很多事情要做. 无线网络需要大量 "有线" 网络资产有效地将数据通过光纤传送到核心数据中心和边缘数据中心.
为了实现 5G 应用, 还需要通信基站的密集化 (例如小型基站). 此外, 适用于这种通信技术的多种供电解决方案涌入市场, 允许通信运营商以经济高效的方式为网络边缘的许多设备供电.
2. 更低的延迟
机器处理信息几乎与接收信息一样快, 人类却不能. 特别是在数据中心中, 决策是即时做出的, 并且需要有强大的骨干网络来支持. 这是数据中心面临的一个变化, 需要实时计算, 分析和处理信息. IDC 公司认为数据中心的现代化是 2018 年的重要预测之一, 数据中心需要 "大量使用预测分析来提高准确性并减少停机时间".
3. 更高的密度和速度
部署大量的光纤是最好的解决方案. 但这并不总是可行的. 最有效的方案是从一开始就部署高密度光纤, 以允许机器间对话快速发生. 而采用可支持多代设备的模块化高速平台是最佳选择.
这是一个重复使用的机器学习示例, 但它是一个很好的例子. 在匹兹堡的试点项目中, 自动驾驶汽车正在成为现实. 而在理想情况下, 采用强大的网络和大量传感器, 可以使汽车处理数据的速度比人类都要快.
然而, 无论机器多么复杂, 都是基于算法和编程. 他们很容易被人类或甚至其他机器操纵 (黑客攻击).Gartner 公司预测, 到 2022 年, 成熟经济体中的大多数人将消耗比真实信息更多的虚假信息. 甚至可以说, 虚假信息将助长金融诈骗事件的发生. 人们比以往更容易受到遭遇黑客和数据盗窃. 当然还存在数据隐私问题. 甚至有一种思想流派认为机器可能将接管人类的工作.
然而, Gartner 公司的这个调查报告表明, 到 2020 年, 机器学习在消除 180 万个就业机会的同时, 将创造 230 万个就业机会. 而对于人类来说, 仍然有很多工作要做, 尽管这些工作岗位肯定与现在所从事的工作不同.
人类不会很快让机器人自己来决定和处理. 机器对机器的技术要求改变思维方式, 而如果人类放弃控制, 将会出现更多的问题, 当然这也不会是完美的. 但这是 "第四次工业革命" 向前迈出的巨大一步.
来源: http://network.51cto.com/art/201805/573377.htm