云、边缘还是本地？AI基础设施新范式

毫无疑问，企业数据基础设施正在随着技术创新而不断转型——如今，最显著的推动因素是数据和资源密集型生成式人工智能。

随着生成式人工智能改变企业本身，领导者们仍在努力解决云/边缘/本地部署的问题。一方面，他们需要近乎即时的访问数据；另一方面，他们需要确保数据的安全。

面对这种困境，越来越多的企业将混合模型视为前进的方向，因为他们可以利用云、边缘和本地模型各自的优势。以 IDC 的数据为例：85% 的云购买者已经部署或正在部署混合云。

“过去十年，边缘和云以及两者之间的各种混合模式一直在不断变化，”运行时应用程序安全公司 Operant 的联合创始人兼首席技术官 Priyanka Tembey 告诉 VentureBeat。“现在出现了很多用例，计算可以在更靠近边缘的地方运行，或者以混合方式结合边缘和云来运行。”

IDC 云和边缘服务全球研究主管兼研究副总裁 Dave McCarthy 解释说，长期以来，云与超大规模数据中心联系在一起——但现在情况已经不再如此。“企业正在意识到，云是一种可以在任何地方部署的操作模型，”他说。

“云已经存在足够长的时间了，现在是客户重新思考其架构的时候了，”他说。“这为利用混合云和边缘计算来最大化人工智能价值的新方法打开了大门。”

值得注意的是，人工智能正在推动向混合云和边缘的转变，因为模型需要越来越多的计算能力以及对大型数据集的访问，”应用程序现代化公司 WinWire 的高级总监 Miguel Leon 指出。

“混合云、边缘计算和人工智能的结合正在以一种重大的方式改变科技格局，”他告诉 VentureBeat。“随着人工智能不断发展并成为所有企业的默认嵌入式技术，它与混合云和边缘计算的联系只会越来越紧密。”

根据 IDC 的研究，今年边缘支出预计将达到 2320 亿美元。McCarthy 指出，这种增长可以归因于几个因素——每个因素都解决了云计算无法单独解决的问题。

其中最重要的是对延迟敏感的应用程序。“无论是网络引入的延迟，还是端点和服务器之间跳跃次数造成的延迟，延迟都代表着一种延误，”McCarthy 解释说。例如，制造业中使用的基于视觉的质量检测系统需要对生产线上的活动做出实时响应。“在这种情况下，毫秒很重要，因此需要一个本地、基于边缘的系统，”他说。

“边缘计算在数据生成的地方处理数据，从而减少延迟，使企业更加敏捷，”Leon 同意道。它还支持需要快速数据处理的 AI 应用程序，例如图像识别和预测性维护。

McCarthy 指出，边缘对于连接有限的环境也很有益，例如可能移动并在覆盖区域内外移动或带宽有限的物联网 (IoT) 设备。在某些情况下——例如自动驾驶汽车——即使网络不可用，人工智能也必须能够运行。

另一个跨越所有计算环境的问题是数据——而且是大量数据。根据最新的估计，每天大约生成 328.77 亿 TB 的数据。到 2025 年，数据量预计将增加到超过 170 ZB，这意味着 15 年内将增长 145 倍以上。

McCarthy 指出，随着远程位置的数据量不断增加，将数据传输到中央数据存储的成本也在不断上升。然而，在预测性人工智能的情况下，大多数推理数据不需要长期存储。“边缘计算系统可以确定哪些数据需要保留，”他说。

此外，无论是由于政府法规还是企业治理，数据存储位置也可能受到限制，McCarthy 指出。随着各国政府继续推动数据主权立法，企业在合规方面面临着越来越大的挑战。当云或数据中心基础设施位于当地管辖范围之外时，就会出现这种情况。边缘在这里也能派上用场。

随着人工智能计划迅速从概念验证试验过渡到生产部署，可扩展性已成为另一个重大问题。

“数据涌入可能会压垮核心基础设施，”McCarthy 说。他解释说，在互联网早期，内容分发网络 (CDN) 被创建出来，以便将内容缓存到更靠近用户的服务器上。“边缘计算将对人工智能做同样的事情，”他说。

当然，不同的云环境具有不同的优势。例如，McCarthy 指出，自动扩展以满足峰值使用需求对于公有云来说是“完美”的。同时，本地数据中心和私有云环境可以帮助保护专有数据并提供更好的控制。边缘则在现场提供弹性和性能。每个部分都在企业的整体架构中发挥着作用。

“混合云的优势在于它允许您为工作选择合适的工具，”McCarthy 说。

他指出了混合模型的众多用例：例如，在金融服务领域，大型机系统可以与云环境集成，以便机构可以维护自己的数据中心以进行银行业务运营，同时利用云来提供基于网络和移动的客户访问。同时，在零售领域，即使发生故障，本地店内系统也可以继续独立于云处理销售点交易和库存管理。

“随着这些零售商推出人工智能系统来跟踪客户行为并防止收缩，这一点将变得更加重要，”McCarthy 说。

Tembey 还指出，混合方法结合了在设备上本地运行的人工智能、边缘人工智能以及使用严格隔离技术的更大规模的私有或公有模型，可以保护敏感数据。

这并不是说没有缺点——McCarthy 指出，例如，混合模型可能会增加管理复杂性，尤其是在混合供应商环境中。

“这就是云提供商一直在将平台扩展到本地和边缘位置的原因之一，”他说，并补充说，原始设备制造商 (OEM) 和独立软件供应商 (ISV) 也越来越多地与云提供商集成。

有趣的是，与此同时，80% 的 IDC 调查受访者表示，他们已经或计划将一些公有云资源迁移回本地。

“有一段时间，云提供商试图说服客户，本地数据中心将消失，所有内容都将在超大规模云中运行，”McCarthy 指出。“事实证明并非如此。”