《 新华三人工智能发展报告白皮书 》全文

　　这几个问题就如同过去的绿皮车时代，车次少，乘客少，停车时间还长，那么上下车就没什么特别要求，大家慢慢上，慢慢下，反正时间很充裕。而现代高铁时代，车次多，有的地方甚至十五分钟左右一班车，车厢长了，乘客还都满员，每站停车时间几分钟，有些甚至1分钟，这样就要求有合理的上下车次序和分流等手段进行优化。

　　针对AI对存储访问的特殊应用需求，同样需要针对性的进行优化。如将单点MDS(Metadata server，元数据服务器)进行横向扩展，形成MDS集群。MDS集群可以缓解CPU、内存压力，同时存储更多的元数据信息，并提高海量文件并发访问性能。

　　这点像火车乘车进站以前的一个两个检票口，现在扩充到十个左右，减轻一两个检票口的压力，同时能够一起进出更多的乘客。针对小文件，可进行小文件内联、聚合，客户端读缓存等优化手段。这点可以理解为，老人小孩的，一家人一起提前检票进站。

　　而“热点”访问问题，可采用目录镜像扩展或增加虚拟子目录的方式。同样映射到坐火车场景，可以理解为乘车时点餐服务。以前是大家都到餐车排队购买，现在是将二维码都贴到每个座位上，自己使用手机扫码就可以点餐，到时乘务员会按照座位把餐送来。

　　综上，我们可以看到，真正的AI时代，不仅仅是其三要素数据、算法、算力技术发展就能满足的，同时对AI的运行环境也提出了更多挑战。当前是把AI效能发挥最大的一系列技术共同发展的时代，而非仅AI技术本身，相关技术要合力前行。无论是网络还是存储技术应走到更前面，在全球产业智能化转型中充当开路者的重要角色，为AI提供更顺畅的运行环境。

　　3、 云边端协同，满足多样化的AI应用场景

　　云计算的核心依靠云端超强的计算能力来完成计算要求很高的任务。进入云计算时代，由于云计算在成本、效益、规模、自动化和集中性等方面给企业带来的好处，大量人工智能服务完全部署在云上或者在很大程度上依赖于云。与此同时，随着物联网等技术的不断发展、数据的不断增加，如何在数据从生成到决策再到执行的整个过程中，保持尽可能小的延迟，就显得尤为关键。在一个只有“云”的世界中，数据可能要传输几千甚至上万公里，较大的延迟是在所难免的。

　　对于一些时延敏感的人工智能应用场景，如自动驾驶汽车，对实时性要求极高，纯粹依靠云端的能力是难以满足的。另外，一些数据敏感的场景中，将数据上传到云端进行智能计算，也会面临一定程度的风险。云端服务在这些人工智能场景中的应用效果大打折扣，而边缘计算则可以有效解决这一问题。

　　边缘计算作为云计算的延伸拓展，是一种分布式处理和存储的体系结构，它更接近数据的源头。它是将计算任务从数据中心迁移到靠近数据源的边缘设备上，因此它更擅长处理实时性、安全性要求较高的计算任务。基于边缘计算的方式，大大降低了网络延迟，处理数据更加快速，支持企业更快更好的做出决策。

▲边缘计算模型在人工智能应用场景中，将一些重量级的AI训练任务，或者对时延不敏感的任务，放置在云上进行，而将一些轻量级、或者对时延敏感、或者对数据安全有要求的AI计算任务，下沉到边缘设备或者终端设备中执行，通过边缘、终端和云端协同来实现快速决策、实时响应。在万物智联时代，只有云、边、端紧密协同工作，才能更好地满足各种AI应用场景的需求，从而最大化AI的价值。

　　云边端协同工作将成为人工智能应用部署的重要方式，可以满足云端AI短板，即时延或数据安全等方面，为支持更多有严苛要求的AI应用场景铺平道路，提升应用效果。

▲云边协同的智能安防应用在智慧安防场景中，传统方式下需要将大量摄像终端采集到的视频数据，通过网络直接传输至云端或服务器进行存储和处理，不仅加重了网络的负载，也难以满足业务低时延快速响应的需求。通过增加边缘计算节点，将摄像采集终端采集的数据汇聚到边缘节点，从而有效降低网络传输压力和业务端到端时延。

　　此外，智慧安防与人工智能相结合，在边缘计算节点上搭载AI人工智能视频分析模块，面向智能安防、智慧安防、轨迹跟踪、多维特征识别等AI典型业务场景，以低时延、大带宽、快速响应等特性弥补当前基于云端AI的视频分析中产生的时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。

▲云边协同的智能水利应用在智慧水利场景中，5G、智慧安防、边缘云和AI分析紧密结合，可以智能的识别出水利业务中的异常场景(河道漂浮物、钓鱼、游泳、非法采砂等)，做到无人值守，实时告警。采用边缘计算(MEC)的网络结构在河道附近部署无线摄像头，在运营商本地机房部署MEC平台。

　　实时性要求高的业务部署在边缘云，其他业务部署在中心云，实现云边协同。视频流经MEC分流后，将流量进行本地化分流，在本地完成AI智能分析，实施将告警信息上送中心云。在本地进行业务流量的分流和处理，不仅提高了响应速度，而且减轻对运营商核心网络的数据传输压力。

　　在智能家庭场景中，边缘计算节点通过各种异构接口就近汇聚、存储和处理边缘节点上的各类异构数据，执行AI任务，对敏感数据就地处理，不出本地，有力地保护数据隐私，同时将处理后的非敏感数据统一上传到云平台。用户不仅仅可以通过网络连接边缘计算节点，对家庭终端进行智能控制，还可以通过访问云端，对过往非敏感数据进行访问。

　　在智慧交通场景中，汽车作为边缘计算节点，通过集成的采集装置采集实时数据，并与路侧边缘节点进行交互。边缘计算节点进行视频的就地处理和识别，将识别的车辆和位置信息通过5G等通信手段回传到云计算中心。云计算中心通过大数据和人工智能算法，为边缘节点、交通信号系统和车辆下发合理的调度指令，从而提高交通系统的运行效率，最大限度的减少道路拥堵。

　　4、人工智能应用普及，安全备受关注

（编辑：好传媒网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!