剛裝了AI攝像頭的紐約沃爾瑪“未來商店”的店員塞伯瑞納小姐，發(fā)現(xiàn)最近的巡店壓力小了很多。
她再也不用耗費(fèi)大量時(shí)間在一件件地檢查店內(nèi)貨物上了，因?yàn)橐豢罡叻直媛实腁I攝像機(jī)能捕捉每一個(gè)貨物的存貨情況，甚至可以分析食物是否新鮮，是否可以繼續(xù)售賣，并得出詳盡的分析結(jié)果。塞伯瑞納只需要根據(jù)AI攝像頭分析出的貨物信息，進(jìn)行補(bǔ)貨和換貨即可。
來到這家商店的顧客拿到的食物永遠(yuǎn)是最新鮮的，而塞伯瑞納也不用加班了，可以按時(shí)下班約會(huì)了！
大洋彼岸的這一頭，在深圳的一所潮流商場，收銀臺(tái)重度臉盲患者小郭成為了“會(huì)員收割機(jī)”。
不僅不用擔(dān)心因?yàn)檎J(rèn)不出VIP用戶、老客戶的臉而業(yè)績趕不上別人，反而從此走上了人生巔峰。因?yàn)榈陜?nèi)的AI攝像頭早在顧客進(jìn)入時(shí)就通過人臉識(shí)別確定了會(huì)員身份和回頭客身份，與此同時(shí)店內(nèi)其他服務(wù)人員能夠第一時(shí)間獲取顧客會(huì)員身份信息從而提供個(gè)性化服務(wù)。
每位顧客都能欣然而歸，因?yàn)樾」退耐聜冊缫?ldquo;看穿一切”。
走向C位的邊緣？
塞伯瑞納和小郭工作效率的提升顯然受益于現(xiàn)代科技。具體來說，他們再也不用在貨架間跑斷腿，不用再死記硬背客戶的大眾臉，只需安裝一個(gè)AI攝像頭，對，洞（ji）察（suan）在邊緣就那么自然而然地產(chǎn)生了！
這正是計(jì)算的一種趨勢。此前，海量的數(shù)據(jù)無時(shí)無刻都在云中誕生，并有很多工作負(fù)載不斷遷移到云中，云計(jì)算吞噬企業(yè)數(shù)據(jù)中心之勢逐漸顯現(xiàn)。
但值得注意的另一個(gè)趨勢是，工作負(fù)載、數(shù)據(jù)、處理能力和業(yè)務(wù)價(jià)值都將明顯遠(yuǎn)離云端而愈發(fā)靠近邊緣，繼而形成邊緣吞噬云，云吃數(shù)據(jù)中心，這樣一串類似貪吃蛇游戲的鏈條。
在前兩年就有一個(gè)很有趣的觀點(diǎn)，來自Gartner：邊緣計(jì)算會(huì)吃掉云計(jì)算。
我們不妨一起來看下這個(gè)很有意思的貪吃蛇游戲以及它的打法。
誰會(huì)吃掉誰？
首先，隨著云計(jì)算的發(fā)展，憑借其敏捷性和安全性，大量數(shù)據(jù)和分析會(huì)在云中進(jìn)行，從而逐漸遠(yuǎn)離企業(yè)的數(shù)據(jù)中心。然而這種遠(yuǎn)離并沒有克服兩大物理限制——數(shù)據(jù)的量、光的速度。人們?nèi)匀挥袕?qiáng)烈的實(shí)時(shí)交互的需求，依賴數(shù)千里之外的數(shù)據(jù)中心顯然是行不通的。延遲是一個(gè)重要問題。
與此同時(shí)，在物聯(lián)網(wǎng)快速發(fā)展的今天，很多數(shù)據(jù)誕生在邊緣。Statisca預(yù)計(jì)，到2025年，全球互聯(lián)設(shè)備的數(shù)量將達(dá)到744.4億個(gè)，遠(yuǎn)遠(yuǎn)高于目前266.6億個(gè)這樣的規(guī)模。思科還預(yù)測，物聯(lián)網(wǎng)設(shè)備每天將產(chǎn)生5萬億字節(jié)的數(shù)據(jù)。
因而，對響應(yīng)速度和實(shí)時(shí)交互的強(qiáng)大需求將工作負(fù)載推向了邊緣，因?yàn)?ldquo;邊緣技術(shù)將是截然不同的，是更加動(dòng)態(tài)、不斷進(jìn)化且極具競爭力的1”。邊緣將發(fā)揮更大的作用，更多地受到消費(fèi)者和消費(fèi)者體驗(yàn)的驅(qū)動(dòng)而不是企業(yè)本身。這是一種完全不同的工作負(fù)載。無論是供應(yīng)商還是企業(yè)，邊緣都將創(chuàng)造出更多面向未來的場景，急速響應(yīng)和分析更多數(shù)據(jù)，繼而提供洞察。
那么邊緣就是會(huì)取代云嗎？或者說邊緣、云和數(shù)據(jù)中心就是“吃”和“被吃”的關(guān)系嗎？
玩轉(zhuǎn)“貪吃蛇”
我們前文所提的塞伯瑞納所在的紐約沃爾瑪未來商店，在新安裝的AI攝像頭背后，是商店后面的玻璃封閉數(shù)據(jù)中心中的9個(gè)冷卻塔，100個(gè)服務(wù)器和其他處理所有數(shù)據(jù)的大量計(jì)算機(jī)設(shè)備。
小郭所在的潮流商場，最新安裝的這些AI攝像機(jī)后，數(shù)據(jù)需要經(jīng)過云端進(jìn)行深入分析，攝像機(jī)才可以加速進(jìn)行預(yù)處理和對象檢測。
所以顯然，邊緣、云和數(shù)據(jù)中心是共生共息的，并不是誰“吃掉”誰或者是誰取代誰的關(guān)系，數(shù)據(jù)的處理和應(yīng)用應(yīng)該具體到不同設(shè)備不同場景里，看看到底誰更合適，才能夠產(chǎn)生更為我所用的巨大價(jià)值。而這也是“貪吃蛇”游戲的終極意義——讓終端成為更智慧的存在——能夠?qū)崟r(shí)處理數(shù)據(jù)、低延時(shí)做出有效反饋。
那么如何玩好這套游戲呢？這一整套體系的背后又有著怎樣的一系列規(guī)則？
深諳數(shù)據(jù)中心時(shí)代之道的英特爾已經(jīng)給出了一個(gè)答案。
憑借一系列能夠遷移、存儲(chǔ)和處理數(shù)據(jù)的產(chǎn)品，包括最新推出的第二代英特爾至強(qiáng)可擴(kuò)展處理器來加持?jǐn)?shù)據(jù)中心和云端的海量數(shù)據(jù)實(shí)時(shí)處理與分析、英特爾®傲騰內(nèi)存讓“玩家”的數(shù)據(jù)可以隨時(shí)調(diào)用、隨時(shí)存儲(chǔ)、暢行無慮，英特爾Movidius Myriad芯片加速AI攝像機(jī)的推理，讓識(shí)別到的數(shù)據(jù)快速產(chǎn)生洞察，以及英特爾® Agilex™ FPGA等邊緣計(jì)算解決方案讓邊緣更加智能，這套看似鏈路復(fù)雜，實(shí)則自成一體的”貪吃蛇“游戲其實(shí)可以玩得非常有趣并彰顯強(qiáng)大。
[1] Gartner：The Edge Will Eat The Cloud
