存儲(chǔ)技術(shù)的破壞是持續(xù)不斷的，超融合基礎(chǔ)設(shè)施(HCI)市場(chǎng)也不例外。根據(jù)市場(chǎng)分析機(jī)構(gòu)MarketsAndMarkets公司的報(bào)告，超融合基礎(chǔ)設(shè)施(HCI)市場(chǎng)預(yù)計(jì)在2018年至2023年之間增長(zhǎng)32.9%，達(dá)到171億美元。

[[312839]]

這一增長(zhǎng)的主要原因可能是由于超融合基礎(chǔ)設(shè)施(HCI)為公司提供的優(yōu)勢(shì)，包括單一控制面板管理，通過減少機(jī)架空間和所需電源來實(shí)現(xiàn)綠色數(shù)據(jù)中心以及改進(jìn)的災(zāi)難恢復(fù)能力等。

超融合基礎(chǔ)設(shè)施(HCI)繼續(xù)加速其發(fā)展的下一個(gè)邏輯步驟是移至網(wǎng)絡(luò)邊緣。隨著對(duì)諸如人工智能(AI)之類的數(shù)據(jù)使用實(shí)例的需求不斷增長(zhǎng)，難怪企業(yè)正在尋求邊緣計(jì)算和超融合基礎(chǔ)設(shè)施(HCI)，以使他們能夠從項(xiàng)目的一開始就捕獲數(shù)據(jù)。通過將邊緣計(jì)算與HCI融合在一起，人工智能工具可以做出更明智的決策。

為什么邊緣計(jì)算很重要?

人們用紙和筆所做的一切的日子已經(jīng)一去不復(fù)返了。人們現(xiàn)在面臨著跨行業(yè)的數(shù)字化，這意味著人們正在創(chuàng)建大量的數(shù)據(jù)，當(dāng)然這些數(shù)據(jù)需要存儲(chǔ)在某個(gè)地方。通常，這些數(shù)據(jù)存儲(chǔ)在網(wǎng)絡(luò)邊緣的現(xiàn)場(chǎng)，而不是傳統(tǒng)的數(shù)據(jù)中心架構(gòu)。

邊緣計(jì)算的關(guān)鍵在于它比傳統(tǒng)的硬件存儲(chǔ)占用更少的硬件空間。通過在網(wǎng)絡(luò)邊緣部署這一基礎(chǔ)設(shè)施，它不僅能夠處理和編譯數(shù)據(jù)，還能夠壓縮大量數(shù)據(jù)，以便輕松地將其傳輸?shù)皆浦谢蛄硪粋€(gè)站點(diǎn)的集中數(shù)據(jù)中心。

此方法授予訪問權(quán)限，以便更接近創(chuàng)建數(shù)據(jù)的位置來處理和審閱數(shù)據(jù)，而不是試圖將數(shù)據(jù)傳輸?shù)礁h(yuǎn)的位置。這就是為什么邊緣計(jì)算經(jīng)常被各種分布式企業(yè)(如快餐店、超市、加油站)以及工業(yè)環(huán)境(如礦山和太陽能工廠)使用。

應(yīng)當(dāng)指出的是，在網(wǎng)絡(luò)邊緣整理的數(shù)據(jù)往往沒有得到充分利用。以人工智能為例，盡管它還處于發(fā)展之初，需要大量的資源來開發(fā)和訓(xùn)練它的模型。然而，有了邊緣計(jì)算，數(shù)據(jù)可以自由地移動(dòng)到云中。從那里可以分析數(shù)據(jù)，并訓(xùn)練人工智能模型，然后再將其擴(kuò)展回邊緣。人工智能生成這些模型的合理方式是利用數(shù)據(jù)中心或云計(jì)算。

芯片廠商Cerebras公司就是這樣的一個(gè)例子，該公司致力于加速深度學(xué)習(xí)。它最近推出了新的“晶圓級(jí)引擎”，該引擎專門為深度學(xué)習(xí)而構(gòu)建。這款新芯片的速度非?？?，比最大的圖形處理單元大56倍。然而，盡管它的尺寸很大，但這確實(shí)意味著它的功耗很高，以至于大多數(shù)邊緣部署都無法處理它。

但是仍然有希望，因?yàn)槠髽I(yè)能夠使用超融合基礎(chǔ)設(shè)施合并邊緣計(jì)算任務(wù)，從而使他們能夠構(gòu)建和充分利用數(shù)據(jù)湖。通過將數(shù)據(jù)放置在數(shù)據(jù)湖中，企業(yè)可以使用它對(duì)所有應(yīng)用程序進(jìn)行分析。機(jī)器學(xué)習(xí)方面還可以通過針對(duì)各種應(yīng)用程序和設(shè)備使用其共享數(shù)據(jù)來揭示新見解。

與邊緣計(jì)算相比，超融合基礎(chǔ)設(shè)施(HCI)將服務(wù)器、存儲(chǔ)和網(wǎng)絡(luò)結(jié)合在一起，使其更易于使用。更不用說，它沒有面臨以前的配置或網(wǎng)絡(luò)問題。除此之外，該平臺(tái)還可以對(duì)分布在全國各地、具有多種網(wǎng)絡(luò)形式和接口的大量邊緣設(shè)備進(jìn)行綜合管理，無疑降低了運(yùn)營(yíng)成本。

把人工智能提升到一個(gè)新的水平

智能家居設(shè)備，自動(dòng)駕駛汽車和可穿戴技術(shù)的推出意味著人工智能已經(jīng)在人們的日常生活中普遍存在。據(jù)調(diào)研機(jī)構(gòu)Gartner公司稱，到2022年，人工智能將繼續(xù)蓬勃發(fā)展，其中80%的智能設(shè)備將包含設(shè)備上的人工智能功能。

然而，人工智能的數(shù)據(jù)收集問題在于，為其提供動(dòng)力的大多數(shù)技術(shù)都嚴(yán)重依賴于云，因此只能根據(jù)其在云中訪問的數(shù)據(jù)得出結(jié)論。這將導(dǎo)致延遲響應(yīng)，因?yàn)樵诜祷卦O(shè)備之前，數(shù)據(jù)首先必須傳輸?shù)皆破脚_(tái)。對(duì)于像自動(dòng)駕駛汽車這樣需要即時(shí)決策的技術(shù)來說，任何滯后都可能導(dǎo)致巨大的復(fù)雜性。

這就是邊緣計(jì)算在云計(jì)算中占上風(fēng)的地方，它可以將人工智能提升到下一個(gè)層次。人工智能應(yīng)用所需的任何數(shù)據(jù)都能夠駐留在設(shè)備的附近，因此增加了它能夠訪問和處理數(shù)據(jù)的速度。依賴于數(shù)據(jù)轉(zhuǎn)換的人工智能設(shè)備從這個(gè)應(yīng)用程序中受益最大，因?yàn)樗鼈儾⒉豢偸悄軌蜻B接到云平臺(tái)，因?yàn)樵朴?jì)算需要訪問帶寬和網(wǎng)絡(luò)可用性。

使用用于超融合基礎(chǔ)設(shè)施(HCI)的人工智能合并邊緣計(jì)算的另一個(gè)優(yōu)勢(shì)是，它需要更少量的存儲(chǔ)空間。關(guān)于超融合基礎(chǔ)設(shè)施(HCI)的最佳操作功能是，該技術(shù)能夠在規(guī)模較小的硬件設(shè)計(jì)中起作用。很快就會(huì)發(fā)現(xiàn)公司推出高度可用的超融合基礎(chǔ)設(shè)施(HCI)邊緣計(jì)算集群。

為了使人工智能真正蓬勃發(fā)展，它完全依賴于超融合基礎(chǔ)設(shè)施(HCI)和邊緣計(jì)算來相互配合和協(xié)同工作，因?yàn)檫@將意味著人工智能可以發(fā)揮自己的優(yōu)點(diǎn)，而只需要很少的支持。人工智能將能夠充分利用其深度學(xué)習(xí)資產(chǎn)，并提高其做出更好決策的能力。

云計(jì)算技術(shù)的進(jìn)步已經(jīng)使人工智能能夠在諸如智能電視之類的絕大多數(shù)技術(shù)設(shè)備上進(jìn)行訪問。但是，正是超融合基礎(chǔ)設(shè)施(HCI)和邊緣計(jì)算的結(jié)合為人工智能提供了進(jìn)入未知領(lǐng)域所需的手段，為所有公司提供更智能、更高效的解決方案。