通过超融合基础设施将人工智能推向边缘

存储技术的破坏是持续不断的，超融合基础设施(HCI)市场也不例外。根据市场分析机构MarketsAndMarkets公司的报告，超融合基础设施(HCI)市场预计在2018年至2023年之间增长32.9%，达到171亿美元。

这一增长的主要原因可能是由于超融合基础设施(HCI)为公司提供的优势，包括单一控制面板管理，通过减少机架空间和所需电源来实现绿色数据中心以及改进的灾难恢复能力等。

超融合基础设施(HCI)继续加速其发展的下一个逻辑步骤是移至网络边缘。随着对诸如人工智能(AI)之类的数据使用实例的需求不断增长，难怪企业正在寻求边缘计算和超融合基础设施(HCI)，以使他们能够从项目的一开始就捕获数据。通过将边缘计算与HCI融合在一起，人工智能工具可以做出更明智的决策。

为什么边缘计算很重要?

人们用纸和笔所做的一切的日子已经一去不复返了。人们现在面临着跨行业的数字化，这意味着人们正在创建大量的数据，当然这些数据需要存储在某个地方。通常，这些数据存储在网络边缘的现场，而不是传统的数据中心架构。

边缘计算的关键在于它比传统的硬件存储占用更少的硬件空间。通过在网络边缘部署这一基础设施，它不仅能够处理和编译数据，还能够压缩大量数据，以便轻松地将其传输到云中或另一个站点的集中数据中心。

此方法授予访问权限，以便更接近创建数据的位置来处理和审阅数据，而不是试图将数据传输到更远的位置。这就是为什么边缘计算经常被各种分布式企业(如快餐店、超市、加油站)以及工业环境(如矿山和太阳能工厂)使用。

应当指出的是，在网络边缘整理的数据往往没有得到充分利用。以人工智能为例，尽管它还处于发展之初，需要大量的资源来开发和训练它的模型。然而，有了边缘计算，数据可以自由地移动到云中。从那里可以分析数据，并训练人工智能模型，然后再将其扩展回边缘。人工智能生成这些模型的合理方式是利用数据中心或云计算。

芯片厂商Cerebras公司就是这样的一个例子，该公司致力于加速深度学习。它最近推出了新的“晶圆级引擎”，该引擎专门为深度学习而构建。这款新芯片的速度非常快，比最大的图形处理单元大56倍。然而，尽管它的尺寸很大，但这确实意味着它的功耗很高，以至于大多数边缘部署都无法处理它。

但是仍然有希望，因为企业能够使用超融合基础设施合并边缘计算任务，从而使他们能够构建和充分利用数据湖。通过将数据放置在数据湖中，企业可以使用它对所有应用程序进行分析。机器学习方面还可以通过针对各种应用程序和设备使用其共享数据来揭示新见解。

与边缘计算相比，超融合基础设施(HCI)将服务器、存储和网络结合在一起，使其更易于使用。更不用说，它没有面临以前的配置或网络问题。除此之外，该平台还可以对分布在全国各地、具有多种网络形式和接口的大量边缘设备进行综合管理，无疑降低了运营成本。

把人工智能提升到一个新的水平

智能家居设备，自动驾驶汽车和可穿戴技术的推出意味着人工智能已经在人们的日常生活中普遍存在。据调研机构Gartner公司称，到2022年，人工智能将继续蓬勃发展，其中80%的智能设备将包含设备上的人工智能功能。

然而，人工智能的数据收集问题在于，为其提供动力的大多数技术都严重依赖于云，因此只能根据其在云中访问的数据得出结论。这将导致延迟响应，因为在返回设备之前，数据首先必须传输到云平台。对于像自动驾驶汽车这样需要即时决策的技术来说，任何滞后都可能导致巨大的复杂性。

这就是边缘计算在云计算中占上风的地方，它可以将人工智能提升到下一个层次。人工智能应用所需的任何数据都能够驻留在设备的附近，因此增加了它能够访问和处理数据的速度。依赖于数据转换的人工智能设备从这个应用程序中受益最大，因为它们并不总是能够连接到云平台，因为云计算需要访问带宽和网络可用性。

使用用于超融合基础设施(HCI)的人工智能合并边缘计算的另一个优势是，它需要更少量的存储空间。关于超融合基础设施(HCI)的最佳操作功能是，该技术能够在规模较小的硬件设计中起作用。很快就会发现公司推出高度可用的超融合基础设施(HCI)边缘计算集群。