通过超融合基础设施将人工智能推向边缘

作者: Harris 2020-01-14 10:59:45

 存储技术的破坏是持续不断的,超融合基础设施(HCI)市场也不例外。根据市场分析机构MarketsAndMarkets公司的报告,超融合基础设施(HCI)市场预计在2018年至2023年之间增长32.9%,达到171亿美元。

这一增长的主要原因可能是由于超融合基础设施(HCI)为公司提供的优势,包括单一控制面板管理,通过减少机架空间和所需电源来实现绿色数据中心以及改进的灾难恢复能力等。

超融合基础设施(HCI)继续加速其发展的下一个逻辑步骤是移至网络边缘。随着对诸如人工智能(AI)之类的数据使用实例的需求不断增长,难怪企业正在寻求边缘计算和超融合基础设施(HCI),以使他们能够从项目的一开始就捕获数据。通过将边缘计算与HCI融合在一起,人工智能工具可以做出更明智的决策。

为什么边缘计算很重要?

人们用纸和笔所做的一切的日子已经一去不复返了。人们现在面临着跨行业的数字化,这意味着人们正在创建大量的数据,当然这些数据需要存储在某个地方。通常,这些数据存储在网络边缘的现场,而不是传统的数据中心架构。

边缘计算的关键在于它比传统的硬件存储占用更少的硬件空间。通过在网络边缘部署这一基础设施,它不仅能够处理和编译数据,还能够压缩大量数据,以便轻松地将其传输到云中或另一个站点的集中数据中心。

此方法授予访问权限,以便更接近创建数据的位置来处理和审阅数据,而不是试图将数据传输到更远的位置。这就是为什么边缘计算经常被各种分布式企业(如快餐店、超市、加油站)以及工业环境(如矿山和太阳能工厂)使用。

应当指出的是,在网络边缘整理的数据往往没有得到充分利用。以人工智能为例,尽管它还处于发展之初,需要大量的资源来开发和训练它的模型。然而,有了边缘计算,数据可以自由地移动到云中。从那里可以分析数据,并训练人工智能模型,然后再将其扩展回边缘。人工智能生成这些模型的合理方式是利用数据中心或云计算。

芯片厂商Cerebras公司就是这样的一个例子,该公司致力于加速深度学习。它最近推出了新的“晶圆级引擎”,该引擎专门为深度学习而构建。这款新芯片的速度非常快,比最大的图形处理单元大56倍。然而,尽管它的尺寸很大,但这确实意味着它的功耗很高,以至于大多数边缘部署都无法处理它。

但是仍然有希望,因为企业能够使用超融合基础设施合并边缘计算任务,从而使他们能够构建和充分利用数据湖。通过将数据放置在数据湖中,企业可以使用它对所有应用程序进行分析。机器学习方面还可以通过针对各种应用程序和设备使用其共享数据来揭示新见解。

与边缘计算相比,超融合基础设施(HCI)将服务器、存储和网络结合在一起,使其更易于使用。更不用说,它没有面临以前的配置或网络问题。除此之外,该平台还可以对分布在全国各地、具有多种网络形式和接口的大量边缘设备进行综合管理,无疑降低了运营成本。

把人工智能提升到一个新的水平

智能家居设备,自动驾驶汽车和可穿戴技术的推出意味着人工智能已经在人们的日常生活中普遍存在。据调研机构Gartner公司称,到2022年,人工智能将继续蓬勃发展,其中80%的智能设备将包含设备上的人工智能功能。

然而,人工智能的数据收集问题在于,为其提供动力的大多数技术都严重依赖于云,因此只能根据其在云中访问的数据得出结论。这将导致延迟响应,因为在返回设备之前,数据首先必须传输到云平台。对于像自动驾驶汽车这样需要即时决策的技术来说,任何滞后都可能导致巨大的复杂性。

这就是边缘计算在云计算中占上风的地方,它可以将人工智能提升到下一个层次。人工智能应用所需的任何数据都能够驻留在设备的附近,因此增加了它能够访问和处理数据的速度。依赖于数据转换的人工智能设备从这个应用程序中受益最大,因为它们并不总是能够连接到云平台,因为云计算需要访问带宽和网络可用性。

使用用于超融合基础设施(HCI)的人工智能合并边缘计算的另一个优势是,它需要更少量的存储空间。关于超融合基础设施(HCI)的最佳操作功能是,该技术能够在规模较小的硬件设计中起作用。很快就会发现公司推出高度可用的超融合基础设施(HCI)边缘计算集群。

为了使人工智能真正蓬勃发展,它完全依赖于超融合基础设施(HCI)和边缘计算来相互配合和协同工作,因为这将意味着人工智能可以发挥自己的优点,而只需要很少的支持。人工智能将能够充分利用其深度学习资产,并提高其做出更好决策的能力。

云计算技术的进步已经使人工智能能够在诸如智能电视之类的绝大多数技术设备上进行访问。但是,正是超融合基础设施(HCI)和边缘计算的结合为人工智能提供了进入未知领域所需的手段,为所有公司提供更智能、更高效的解决方案。

人工智能 技术 存储
上一篇:不容错过的12个深度学习面试问题 下一篇:首个活体机器人诞生:青蛙细胞生成,超级计算机设计
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

AI战“疫”,偶尔小尴尬背后,终极护城河现形

人类与新型冠状病毒的战“疫”仍然在进行中,在这期间,也催生出各类“人工智能+”应用,人工智能技术在此期间迎来大爆发。

张书乐 ·  9h前
DeepMind发布神经网络、强化学习库,网友:推动JAX发展

JAX由谷歌提出,是TensorFlow的简化库。结合了针对线性代数的编译器XLA,和自动区分本地 Python 和 Numpy 代码的库Autograd,在高性能的机器学习研究中使用。

十三 ·  12h前
谷歌透露:正在内部尝试用AI开发计算机芯片

据谷歌人工智能研究负责人Jeff Dean透露,谷歌正在尝试通过人工智能程序推进专用芯片的内部开发,以加速其软件。在旧金山举行的International Solid State Circuits Conference会上Dean表示:“我们内部正在将人工智能技术用于一系列芯片设计项目中。”

佚名 ·  16h前
4个步骤成功构建出一个机器学习团队

对一个公司来说,如何从0到1构建一个机器学习团队,是很多公司非常头疼的问题,这篇文章给出了一些建议,对求职者来说,同样具有参考价值。

AI公园 ·  16h前
人工智能带领人类从信息社会迈向智能社会

人工智能(AI)是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。与人类历史上其他技术革命相比,人工智能对人类社会发展的影响可能位居前列。

新华网客户端 ·  1天前
复工如何避免间接接触?人脸识别门禁实现硬核防控

随着返工日的临近,全国各地陆续恢复生产和工作,与此同时,疫情预防的工作也不可松懈。据悉,新型冠状病毒的传播方式主要为飞沫传播和间接接触,当下,人人出门都会佩戴口罩,并且经常洗手,可以有效预防飞沫传播,而接触公共设施的间接传播方式不容忽视。

佚名 ·  1天前
2020年的7个关键RPA趋势:从人工智能启用到更具战略性的扩展

机器人流程自动化(RPA)服务商Blue Prism公司EMEA地区首席技术官Peter Walker对使企业可以体验采用机器人流程自动化(RPA)优秀结果的2020年有望取得的重大发展进行了预测与分析。

Peter Walker ·  1天前
AI助各地返工:重庆语音机器人、北京无人配送、广州人脸识别测温

随着全国各地陆续开始返工浪潮,人工智能技术也有了特别的用武之地。

佚名 ·  1天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载