信息是贪婪的, 不断扩张更多的节点, 更多的连接和更快的速度, 构造更大更强的信息网络.
边缘计算 Edge Computing
边缘计算这个概念是随着 IoT(Internet Of Things)物联网技术被炒热的.
ABCI 人工智能, 大数据, 云计算, 物联网, 边缘计算是贯穿 IT 科技圈的四大金刚的一种融合.
目前对于边缘计算并没有统一的定义, 我们可以把它简单的定义为:
基于场景端设备的信息处理.
所有的计算都可以视为信息处理, 无非相关四个方面:
为什么要做信息处理?(场景, 目的)
信息 (数据) 从哪里来?(数据资源)
什么设备来处理?(算力)
怎么处理?(算法)
处理之后怎么用?(应用)
边缘计算是整个网络结构的最后一层, 后面就不再有其他子节点.
如这张图中的蓝色设备, 手机, 电脑, 平板, 智能电视, 智能手表, 智能汽车, 扫地机器人, 智能冰箱, 收银终端, 工厂中的机械臂和感应器等等, 都属于边缘计算设备.
边缘计算的特征很明显:
距离数据近, 甚至自身可以进行数据采集, 比如手机可以用摄像头采集视频数据, 智能音箱可以采集声音数据.
距离应用场景近, 甚至自身就可以直接提供服务. 比如扫地机器人对周边信息处理之后直接驱动自身打扫卫生, 自动驾驶对道路信息处理之后直接规划行车路线.
响应迅速, 有时候几乎可以完全不考虑网络延迟, 因为自己采集数据自己处理, 可能根本用不到网络.
计算和存储能力弱, 由于这些设备比较轻量型, 因此不适合大容量数据存储和复杂计算.
对网络依赖低, 可以断网运行. 有很多边缘设备仅和私有云相连甚至完全独立运行, 比如工厂里面生产线上的各种感应器和机械臂.
种类繁多, 数量庞大.
因此边缘计算仅适合于即时性要求极高, 网络状态难以保证或者私密性极强的服务场景.
人工智能
正如人体一样, 并非所有的计算都由大脑完成的.
大脑皮层主要处理复杂的逻辑推理, 而诸如心跳, 呼吸等生理机制主要由脑干好小脑负责, 甚至于很多肢体的反应都是肌肉和遍布全身的神经组织直接作出的.
尽管我们可以有意识的眨眼, 但绝大多数眨眼动作都是无意识自动执行的.
在大脑皮层的进化过程中, 也逐渐形成了专门处理视觉, 听觉, 语言, 触觉等信息的不同区域, 如果把大脑看做一个计算机, 那其中也包含了各种各样的计算芯片,-- 而不只是一个处理中心.
我们可以把整个人体的智能分为几层:
条件反射;
感知识别;
逻辑推理;
当摄像头发现有物体快速接近的时候, 应当依赖于自身机制做出反应, 发出警告提示或者开启防护措施; 但这个危险是否要触发 110 报警则应该讲捕获的视频传递给云端, 让更强大的感知识别和逻辑推理计算来做决定.
以往, 我们总是认为人的行为模式是:
从事件被感知到大脑做出推理然后下达命令, 往往需要超过 0.1 秒的时间, 这在很多时候都太慢了, 尤其是对于很多竞技运动员来说.
如果汽车时速超过 72 公里, 那么每秒钟前进 20 米, 当你突然发觉前方 5 米位置有一只野兔站在车前面路上的时候, 很可能那只可怜的兔子在你感知到它的时候就已经死掉了.
有太多情况我们需要更加快速的行动能力, 于是, 现实中我们其实更多的遵从以下行为模式的不断重复:
从感知到行动, 这个判断必须由边缘计算设备来完成.
识别和推理经常是滞后于行动的, 当淋浴的水突然落在你身上的时候, 你会先本能的躲开, 然后才意识到水是太冷的而不是太热; 当乒乓球已经被你完美的击回之后, 你可能才意识到自己这个动作是一记完美的反杀.
智能云和智能边缘
微软云服务 Azure 把智能云和智能边缘作为未来的发展方向, 这也让智能边缘这个词语被广泛关注.
目前 IoT 和边缘计算已经受到了亚马逊, 谷歌, 微软, 阿里巴巴等云服务巨头们的普遍重视. 云服务将从最初的数据存储和带宽租赁向功能服务和计算力租赁转型.
以前只能从云服务商那里购买存储空间和虚拟服务器, 各个厂商也都是围绕这两个服务而展开其他扩展服务, 比如云数据库, 云安全套件, 云 App 容器等等.
而最近这两年云服务厂商开始提供越来越多的功能服务, 比如人脸识别, 车牌识别, 语音识别, 语音合成等等, 随着人工智能越来越普及, 这些云服务商都在开始提供云端 GPU,TPU 等算法能力的分时租赁, 开发者可以利用他们云端强大的计算力资源来训练新模型, 测试新算法.
另一方面, 巨头们也在尝试推出用以加强边缘计算能力的硬件解决方案.
英伟达 NVIDIA
NVIDIA 英伟达一直致力于推出具有更强人工智能算力的 GPU 显卡, 依赖于 CUDA(Compute Unified Device Architecture)平台架构, 在 GPU 计算领域英伟达已经拥有巨大的优势.
但专用于人工智能计算的英伟达显卡都十分的昂贵, 其专门针对高性能计算领域的 Tesla P100 售价 4 万多, V100 则 8 万以上; 而对于很多普通个人用户往往也只能购买具有 CUDA 计算能力的 Geforce 系列游戏显卡来使用.
关于英伟达各种显卡的计算力列表点这里
来源: http://www.jianshu.com/p/e80606bbe4e4