亚太地区近六成(59%)企业计划将边缘全面整合到其云基础设施和管理战略中
2021年12月8日——负责支持和保护数字化体验且深受全球企业信赖的解决方案提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM)的研究表明,在因新冠疫情而改变的世界中,边缘计算将成为亚太地区商业技术领域的最大变化之一,并且会带来树立差异化竞争优势的巨大机会。
从2022年起,全球对于消费者数字体验的重视程度将不断增加。边缘投资与创新可令企业有效地除旧更新,包括减少延迟、提高可扩展性、提高安全性,并使企业能够提供令消费者满意的体验。
由Akamai发起的《The Business Value of Edge in a Digital-First World》IDC InfoBrief信息简报[1]表明,企业已注意到边缘的好处,亚太地区近六成(59%)的企业计划将边缘全面整合到其云基础设施和管理战略中。IDC的研究表明,在未来几年内,亚太地区多达30%的新型企业基础设施可能被部署在边缘,因为企业希望围绕实现无界混合工作环境、保护企业远程外围、支持边缘处的数据驱动型智能决策这些主题,实现一系列创新用例[2]。
Akamai产品管理总监Hrishikesh Varma指出:“在当今的数字世界中,人们对于快速可靠的在线服务期望颇高。边缘计算为寻求满足这种期望的企业提供了竞争价值,因为它解锁了安全、可扩展的功能,提供了新的收入来源,并且为客户提供了更丰富的数字化体验。”
边缘技术成为具有战略意义的差异化因素
边缘可让企业实现可靠性和可用性方面的显著提升。亚太地区的企业正在通过边缘满足更广泛的计算密集型需求,并且取得了可观的回报。提高可靠性和可用性是企业将应用程序置于边缘位置的关键驱动因素,26%的受访者将其评为排名第一的驱动因素。其他关键驱动因素包括:提高数据和应用程序的安全性和合规性(25%);更好地实现基础设施的现代化、简化和管理(22%);减少数据迁移问题(21%);以及改善最终用户体验(19%)[3]。
IDC研究副总监Pushkaraksh Shanbhag表示:“让企业能够充分利用边缘资产的潜力这一全球重要趋势和技术进步将成为解锁大量创新和强大新用例的起点。准备好在未来几年中充分利用边缘力量的企业将能够在竞争生态系统中树立和巩固数字化领导力。”
向边缘迁移的重要驱动趋势
向边缘迁移的重要驱动趋势包括快速变化的混合式办公环境、朝着软件支持型企业的转变,以及保护新型数字化环境的需求。
在这种形势下,企业需要优先考虑以下事项:
[1]IDC InfoBrief信息简报由Akamai提供赞助,《The Business Value of Edge in a Digital-First World》,文档编号AP241273IB,2021年11月
[2]IDC的《Asia/Pacific Cloud Pulse Survey》,2021年第一季度
[3]IDC的《Asia/Pacific Cloud Pulse Survey》,2021年第一季度
[4] 《IDC FutureScape: Worldwide Future of Work 2021 Predictions — Asia/Pacific (Excluding Japan) Implications》
[5] 《IDC FutureScape: Worldwide Artificial Intelligence 2021 Predictions: APEJ Implications》
[6] 《IDC FutureScape: Worldwide Future of Digital Infrastructure 2021 Predictions — Asia/Pacific (Excluding Japan) Implications》
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。