古人云“天下大事合久必分”,这句话用在IT基础架构的演进似乎也适用。过去10年来,云计算大行其道,逐渐成为各种系统的主流基础平台。云计算本质上是一种集中式的部署模式,它把所有数据(或者绝大部分数据)都汇集到数据中心进行集中处理,然后将处理结果反馈给各个应用。云计算调度灵活、管理方便、运营效率高,很受欢迎,但和所有技术一样,集中部署的云计算并非适合所有应用。比如,面对一些现场有海量数据处理需求的场合,云计算模式就有所不足,这也正是边缘计算兴起的原因。
边缘计算作为一种新的计算架构,强调让数据在产生地进行处理与分析,从而减少延迟,降低对带宽的需求。相对集中部署的云计算,边缘计算天然地就是一种分布式的架构。如今,边缘计算已经在各行各业中掀起一波浪潮,成为一股新的技术潮流,随着5G、AI 等新技术在工业领域的深入应用,边缘计算市场将高速成长。当然,边缘计算并不是要替代云,而是作为云计算的一部分。同时,边缘计算不是新的孤岛,云边协同才能更好地助力企业的数字化转型进程。
边是混合云的下沉
边缘计算流行的主要原因包括时延、带宽、弹性和安全等。以视频监控为例,视频监控每天会产生大量数据,每天可以高达100GB,有的网络条件并不好,在偏远的地方可能只有通过移动信号或者卫星(例如海上石油平台,海上船舶)来通信,将这些数据传送出来成本高昂。同样还有自动驾驶这类对实时性要求非常高的应用,将数据传送到云端在返回处理结果,根本就不现实,这些场景采用边缘计算技术,在靠近数据源的地方进行处理无疑是最合适的。
边缘计算的存在并不能否定云计算。当今世界绝对孤立的系统并不多,很多业务系统是彼此相互联系的,因此,边缘计算更为常见的场景是:绝大多数数据在本地处理,很小的一些数据会被发送到后端系统,这个后端就是云。
实际上,大多数边缘计算都是整个云环境的一部分,或者更确切地说,是作为混合云的一部分。应用程序中的功能或模块会被分别部署在本地、云及边缘基础设施中,它们共同满足业务系统的需求。在企业应用程序开发中,开发人员可以选择在边缘位置上运行一部分代码,这样来减少数据在网络上移动带来的带宽消耗与延迟;而在数据中心服务器上会运行其他代码,相互配合,从而克服了单一部署模式的固有局限性。
因为边缘计算和云之间需要协同,边缘计算最好是和云(或者说集中部署的云)采用同样的架构,至少都应该是开放的架构。同时,边缘设备可能是连接到数据中心的成千上万个微型传感器、各种智能设备,这些部署没有通过自动化、管理和编排能力共享更安全的控制面,根本无法管理这些部署,这就需要通过混合云架构来对此进行管理。因此,混合云对于边缘计算是非常必要的。正如红帽全球CEO Paul Cormier在谈到边缘计算所说。他认为边缘计算有两个基本要素:第一,如果没有混合云,它根本无法存在。第二,边缘计算的基础必须是开放的,否则就会失败。
将云原生能力扩展到边缘
由于边缘计算作为混合云的一部分,是云的拓展,因此云原生方法也同样适用于边缘位置。IDC最近的一项调查发现,95%的新兴边缘部署方案会使用云原生技术。实际上,众多云计算供应商也纷纷将云向对边缘扩展,将云原生能力带到了边缘。红帽正是其中之一。
红帽传统业务是数据中心内,随着边缘计算的兴起,红帽开始加大对边缘计算需求的支持。根据IDC的全球前沿消费指南,到2024年,全球边缘计算市场预计将达到2506亿美元,而与边缘相关的软件预计将占其中的21%。显然,红帽公司希望在这个市场占有一席之地。
红帽是开放混合云的坚定支持者,认为未来属于基于RHEL和基于Kubernetes的混合云。红帽的边缘布局也以RHEL和OpenShift为基础。早在红帽的RHEL 8.3中就针对边缘做了增强,包括使其更容易地针对边缘计算创建专门的映像;在重启时进行远程设备的镜像更新,以减少宕机时间;在推送必要的代码的同时尽可能使得传输的数据更少,降低对带宽需求。而在今年发布的最新8.4版Red Hat Enterprise Linux(RHEL)又再进一步,其中包含有新的Linux容器、部署和管理功能,这些功能是为边缘计算场景的需要而设计的,有助于帮助红帽将开放混合云的能力推向边缘。而在OpenShift方面,通过支持3节点集群(即将管理节点和工作节点组合在一起),以占用较小的空间来支撑网络边缘。同时,OpenShift来通过支持远程工作节点,进一步扩展了对边缘体系结构的支持等,可以进一步方便将OpenShift部署到边缘。
另外,红帽在今年推出的用于红帽OpenShift和红帽Ansible自动化平台的红帽智能分析(Red Hat Insights),通过扩展红帽企业Linux(RHEL)的能力,进一步增强了红帽智能分析在开放式混合环境中的功能。
作为边缘计算一个重要场景汽车,红帽也有重大举措,今年联手exida打造连续认证、更安全的汽车行业版Linux。同时,红帽还致力于将红帽的边缘能力推广到5G领域。比如,红帽基于同构化网络基础实现网元的虚拟化、云化分布,目前红帽已经帮助很多的电信运营商客户,实现边缘网络能力的容器化,通过搭建稳固的容器基础平台,帮助客户实现边缘网络的无操作自动化。
很显然,红帽正在将其在传统云计算市场所沉淀下来的丰富的容器平台建设与管理能力带到边缘计算市场,并通过混合云这个纽带,将云与边结合起来,通过云边系统推动产业和行业创新成长。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。