除了让冰箱知道什么时候牛奶喝完了,物联网(IoT)还有更深层次的东西。在这个系列文章中,我们将分析三个IoT网络,以及用它们可以实现的企业服务。
在上世纪80年代,卡内基梅隆大学有一组计算机科学学生将他们公寓的一台可乐售卖机连接上互联网。这台机器可以报告库存量,以及新放置的饮料是否已经冰冻。
这就是所谓物联网(IoT)的开端,传奇仍在继续。
许多围绕IoT技术的公众宣传都集中在消费类应用上,例如大家所熟知的当牛奶喝完后就会自动下订单购买的电冰箱。这些IoT技术主要是一些具有收发数据连网功能的物件。但是,IoT网络也逐渐成为各种组织的强力支持,其中包括市政、校区和商业环境等。在11月,Gartner预测到2015年会有49亿连网“物体”,其数量比2014年增长30%。Gartner指出,这个数字很可能到2020年达到250亿。
然而,随着企业寻找到更多的IoT应用,他们需要考虑大师设备涌入对环境的影响,如它们所产生流量对有线和无线网络的影响。支持IoT网络的基础架构也需要负责处理密度、管理和安全性等需求的变化。
我们将探寻现在正在运行IoT网络的三个组织——拉斯维加斯Sands集团、圣何塞与田纳西啤酒零售商Del Papa,探讨他们部署的网络,了解背后支撑这些网络的技术。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。