（文章來(lái)源：教育新聞網(wǎng)）

HCI和邊緣計(jì)算的結(jié)合將為AI提供發(fā)展到下一個(gè)級(jí)別的工具，從而為組織提供更智能，更快速的決策。在2019年，人工智能(AI)，機(jī)器學(xué)習(xí)(ML)和高級(jí)分析對(duì)IT運(yùn)營(yíng)方式產(chǎn)生了重大影響。盡管AI似乎為提升IT和我們的日常生活提供了無(wú)窮無(wú)盡的可能性，但我們開(kāi)始看到技術(shù)上的局限性，這些局限性并不是將AI納入其流程中的。

如何確保當(dāng)今的企業(yè)和IT專業(yè)人員可以充分利用AI的潛力?進(jìn)入超融合基礎(chǔ)架構(gòu)(HCI)，該基礎(chǔ)設(shè)施因其眾多的不可否認(rèn)的優(yōu)勢(shì)(如簡(jiǎn)單性，高可用性和可伸縮性)而迅速聲名狼藉。HCI以要求更簡(jiǎn)單的管理，更少的機(jī)架空間和功耗，更少的整體供應(yīng)商以及易于過(guò)渡到商用服務(wù)器而聞名。

同樣，邊緣計(jì)算在IT和業(yè)務(wù)功能方面獲得了巨大的發(fā)展動(dòng)力，因?yàn)樗峁┝嗽趯?shí)際創(chuàng)建數(shù)據(jù)的網(wǎng)絡(luò)邊緣處理和存儲(chǔ)數(shù)據(jù)的能力。反過(guò)來(lái)，這可以實(shí)現(xiàn)更高的性能，更輕松的管理，更高的安全性并顯著降低相關(guān)成本。總之，邊緣計(jì)算和HCI的結(jié)合是克服傳統(tǒng)技術(shù)局限性并將AI提升到更高水平的理想基礎(chǔ)。

當(dāng)今世界越來(lái)越受數(shù)據(jù)驅(qū)動(dòng)，并且該數(shù)據(jù)是在傳統(tǒng)數(shù)據(jù)中心之外創(chuàng)建的。如前所述，邊緣計(jì)算是對(duì)傳統(tǒng)數(shù)據(jù)中心之外的數(shù)據(jù)的處理，該數(shù)據(jù)是在創(chuàng)建數(shù)據(jù)的現(xiàn)場(chǎng)網(wǎng)絡(luò)邊緣處進(jìn)行的。只需很小的硬件空間，邊緣的基礎(chǔ)架構(gòu)就可以收集，處理和減少大量數(shù)據(jù)，然后可以將這些數(shù)據(jù)移動(dòng)到集中式數(shù)據(jù)中心或云中。這樣做的好處是，在創(chuàng)建數(shù)據(jù)時(shí)就對(duì)數(shù)據(jù)進(jìn)行處理并做出反應(yīng)，而不必在使用數(shù)據(jù)之前就通過(guò)長(zhǎng)途發(fā)送。邊緣計(jì)算在從無(wú)人駕駛汽車，雜貨店和快速服務(wù)餐廳到能源工廠和礦山等工業(yè)環(huán)境的眾多用例中都是關(guān)鍵。

但是，尚未充分利用在邊緣捕獲的所有數(shù)據(jù)。人工智能雖然還處于起步階段，但它仍然是一種相當(dāng)年輕的技術(shù)，需要大量的資源來(lái)訓(xùn)練其模型。出于培訓(xùn)目的，邊緣計(jì)算最適合使信息和遙測(cè)流入云中進(jìn)行深度分析，然后應(yīng)將在云中訓(xùn)練的模型部署回邊緣。用于模型創(chuàng)建的最佳資源將始終在云或數(shù)據(jù)中心中。

一個(gè)很好的例子是下一代硅芯片公司Cerebras，它剛剛推出了創(chuàng)新的“晶圓級(jí)引擎”，該引擎專門(mén)為訓(xùn)練AI模型而設(shè)計(jì)。新芯片速度驚人，擁有1.2萬(wàn)億個(gè)晶體管和40萬(wàn)個(gè)處理內(nèi)核。但是，所有這些都會(huì)消耗數(shù)十千瓦的電量，這使得它無(wú)法用于大多數(shù)邊緣部署。使用HCI整合邊緣計(jì)算工作負(fù)載使組織可以創(chuàng)建和優(yōu)化所謂的數(shù)據(jù)湖。數(shù)據(jù)進(jìn)入數(shù)據(jù)湖后，所有應(yīng)用程序都可以使用它進(jìn)行分析，并且機(jī)器學(xué)習(xí)可以利用來(lái)自各種設(shè)備和應(yīng)用程序的共享數(shù)據(jù)提供新的見(jiàn)解。

HCI通過(guò)將服務(wù)器，存儲(chǔ)和網(wǎng)絡(luò)整合到一個(gè)盒子中而實(shí)現(xiàn)的易用性消除了邊緣計(jì)算所伴隨的許多配置和網(wǎng)絡(luò)難題。此外，為不同地理位置的數(shù)百或數(shù)千個(gè)邊緣設(shè)備(都具有不同類型的網(wǎng)絡(luò)和接口)提供集成管理的平臺(tái)，可以避免很多復(fù)雜性，從而大大降低了運(yùn)營(yíng)成本。

隨著諸如智能家居設(shè)備，可穿戴技術(shù)和自動(dòng)駕駛汽車等消費(fèi)者進(jìn)步的不斷引入，人工智能正在成長(zhǎng)，并在日常生活中變得越來(lái)越普遍，不再僅僅局限于科幻小說(shuō)。因此，它會(huì)經(jīng)歷顯著的增長(zhǎng)并不令人驚訝，到2020年，估計(jì)將有80%的設(shè)備具有某種AI功能。從歷史上看，人工智能技術(shù)一直依賴存儲(chǔ)在云中的數(shù)據(jù)。但是，這可能會(huì)導(dǎo)致延遲，因?yàn)樵摂?shù)據(jù)必須先傳輸?shù)綌?shù)據(jù)中心，然后再傳輸?shù)街悄苓B接的設(shè)備(即，物聯(lián)網(wǎng)或IoT)。在許多用例中，例如無(wú)人駕駛汽車，這可能會(huì)出現(xiàn)問(wèn)題，因?yàn)樗鼈儫o(wú)法等待數(shù)據(jù)的往返來(lái)知道何時(shí)剎車或行駛多快。

用于AI的邊緣計(jì)算的好處是所需的數(shù)據(jù)將在設(shè)備本地存在，從而減少延遲。將數(shù)據(jù)保留在設(shè)備網(wǎng)絡(luò)的邊緣還可以存儲(chǔ)，訪問(wèn)新數(shù)據(jù)，然后在需要時(shí)將其上傳到云中。此功能極大地有利于AI設(shè)備(例如智能手機(jī)和自動(dòng)駕駛汽車)，由于網(wǎng)絡(luò)可用性或帶寬，它們并不總是可以訪問(wèn)云，但依賴于數(shù)據(jù)處理來(lái)做出決策。

HCI和邊緣計(jì)算的結(jié)合為AI帶來(lái)的另一個(gè)好處是減小了外形尺寸。HCI允許技術(shù)在較小的硬件設(shè)計(jì)中運(yùn)行。實(shí)際上，一些組織已開(kāi)始引入高度可用的HCI邊緣計(jì)算集群，這些集群不超過(guò)一杯咖啡。HCI必須包含并包括邊緣計(jì)算，因?yàn)檫@樣做可以提供對(duì)AI進(jìn)步至關(guān)重要的好處，并且允許該技術(shù)在無(wú)需大量人工干預(yù)的情況下運(yùn)行。這使AI可以最佳地優(yōu)化其機(jī)器學(xué)習(xí)功能并提高其智能決策效率。

盡管云為AI提供了增長(zhǎng)到幾乎所有技術(shù)設(shè)備都可以使用的水平所需的平臺(tái)，但是HCI和邊緣計(jì)算的結(jié)合將為AI提供發(fā)展到下一個(gè)水平所需的工具，從而使決策更加智能，更快。對(duì)于組織。
? ? ? （責(zé)任編輯：fqj）