本文源自F5公司CTO林耕于近日在清华大学的一场圆桌会议上的发言,阐述其对于数字经济发展和Edge 2.0时代的看法。
2020年开始席卷全球的 “新冠” 疫情给全世界带来了更大的变数,但危与机的博弈中,世界的变化并非毫无章法。我们发现,疫情加速了全球数字化的进程,微软CEO Satya Nadella就曾经说过: “在过去几个月内,我们见证了多年才能实现的数字转型进展。”
今天,全球都在走向数字化。根据全球移动通信系统协会(GSMA)统计数据显示,2025年全球联网设备的数量将达到约246亿个。据IDC和Gartner,全球数据量大约每两年就将翻一倍,到2025年,这个数字将疯狂攀升至175ZB,届时大约有超过75%的数据将在边缘侧处理。
可见,万物互联的时代真的来了,它催生了边缘计算的崛起和迭代,并将在未来快马加鞭融入企业乃至社会生活的方方面面。
互联网的第三次浪潮——万物互联的Edge2.0时代
在我看来,边缘计算的崛起和演变将成为互联网第三次浪潮的标志性事件。众所周知,信息技术的变革推动人类走过了PC与互联网时代,以及移动互联网时代,如今向着移动物联网时代迈进。这种进化突出地表现为网络生态系统结构的变化,从静态且封闭的Edge1.0,走向开放和自动化的Edge 2.0,整个过程犹如从单细胞生物到复杂生命体的进化之旅。
更为重要的是,边缘计算正在成为促进行业数字化转型的重要抓手。根据F5刚刚发布的《2021年应用策略现状》报告,76%的企业已经实施或正在积极规划边缘部署,而增强应用性能和收集数据/执行分析是主要推动力量。
新一轮的数字化转型中融入了海量的“物” 元素。过往,由于IT(信息技术)与OT(运营技术)彼此分离,尽管云计算带来了算力的极大提升,但物的加入仍然给云模式下的网络架构带来挑战。而在 Edge2.0时代的移动物联网环境中,IT与OT将真正融合起来,并具备更强大的智能感知和自动化能力。换言之,在由云计算的集中式数据处理模式之外,网络边缘将汇集海量设备与数据,并提供靠近终端的强大算力,由此激发巨大的商业价值。
另一方面,边缘网络上的设备与数据增速将远超过核心基础架构能力的增长速度,由此在端到端的应用交付链条中容易形成阻塞点,且边缘计算对于时效性更敏感,延迟将给系统稳定和应用体验带来近乎致命的打击,安全性的挑战也将显著增加。
创新应用交付,从容驾驭互联网新浪潮
对于多数企业而言,实现云端、边缘到终端的一体化应用部署,形成一套有别于当前核心架构的应用交付模式,将是一条通往Edge2.0时代的有效路径。当前,应用和服务交付基本围绕集中模式而构建,并在公有云或私有数据中心内托管。而在Edge 2.0时代,基础架构、数据架构和应用架构都将向更加分散的点对点方向发展。
基于对多云应用安全和应用交付服务技术的多年深耕,F5 始终服务于数字时代中的“应用”这一组织的核心资产。边缘2.0时代的网络由封闭转向开放,F5所提供的解决方案,通过统一的代码,让每个应用安全或交付服务运行在任何服务器和任何云环境中,并实现从云、边缘到应用的覆盖端到端的安全防护,为客户带来 “感知可控,随需而变” 的应用体验。
如今,各行各业都在数字化转型的大路上加速奔跑。我们相信,边缘部署将逐渐成为客户应用策略的一部分,我们也期待与客户携手,在这场互联网的新浪潮中继续“乘风破浪”。
Source:
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。