WatchStor.com — 领先的中文存储网络媒体 | 51CTO旗下网站

新闻资讯 > 公有云 > 正文
采用雾计算将是人工智能初创公司的明智之举
作者: DJ编辑 2018-03-28 17:23 【企业网D1Net】

迄今为止,加密货币一直是行业中的一个热门话题,因为它们的采用已经威胁到金融行业的运营和发展。然而,加密货币的真正力量是其底层的区块链技术,而在实施过程采用的金融科技只是冰山一角。区块链技术提供的分权水平承诺会颠覆金融行业以外的其他一些行业,其中包括网络安全、选举投票,以及当前的云计算。

最近发表的一篇“云计算即将终结”的文章指出,人们正面临着云计算的终结。一些专家对这个观点表示认同。在追求加密货币的数字黄金的过程中,很多人为了挖矿获得了大量强大的计算资源。然而,随着越来越多的加密货币被开采,挖矿活动的利润越来越低。而浏览网上论坛时人们会发现,在过去的两到四年内购买价格昂贵GPU的挖矿者正在试图出售这些设备。

然而,出售GPU并不是这些个人获得投资回报的唯一目的。为了寻求利润,采用SonM和Golem等平台的IaaS“Uber drivers”已经开始出现,租用其计算资源的价格比亚马逊和微软等主要云计算基础设施提供商的还要低。

这种利用分布式计算机网络资源的新模式被称为“雾计算”,它可以为各地的人工智能初创公司打开成功之门。这是为什么?

雾计算更具成本效益

对于初创公司来说,控制成本是最重要的事项。对于人工智能初创公司来说,这可能是非常困难的,因为要运行深入学习计算机算法所需的高计算资源。在通常情况下,计算资源是人工智能初创公司预算中最高的成本。

因此,雾计算为这些初创企业提供了一种经济高效的替代方案,可以从亚马逊和微软等云提供商巨头那里获得更多资源。粗略的估计表明,雾计算基础设施的成本要比基于云计算的解决方案(AWS,Azure等)的成本低几倍。

为了进行说明,在这里对AWS公共云和以太坊(Ethereum )进行了粗略的比较。在某种情况下,如果客户为AWS的摄像机服务支付10美元,而向以太坊(Ethereum )采矿支付5美元,拥有Nvidia 1080 TI GPU(11 Tflops)的矿工可以每秒处理500张面孔。而用户采用AWS的云服务,将采用满负荷的33台摄像机(每秒15帧,每帧一张面孔)进行处理。这意味着用户将每月向该矿工支付165美元的费用,而如果以相同的表现需要为AWS公共云每月支付约544美元的费用。

尽管可能节省成本,但这种转换不应该以牺牲质量为代价。人工智能初创公司还必须考虑分散式基础设施应该满足某些标准,其中包括灵活性和可扩展性、集中和分散元素的平衡、数据保护和简单的支付基础设施。

雾计算是灵活的和可扩展的,也可能是可靠的

对于人工智能初创公司来说,在SaaS解决方案需求突然增加时,灵活性和可扩展性至关重要。如果客户的营销活动将很多顾客带到他们的商店或餐厅,使用相应的面部识别软件,就会发生这种情况。这种情况也会发生在聚会、音乐会和体育赛事上,其中被识别的脸部数量增加了10倍,100倍甚至1000倍。这种应用的剧增将技术基础设施的能力推向了极限。

雾计算与云计算一样,为人工智能初创公司的运营提供了极大的可扩展性。但是,为了确保这一点,分散式网络必须安装一个软件,允许每个网络参与者接收任务,并将结果发送回去。该软件还必须能够检测每个节点上安装的硬件和性能。这样做可以让创业公司恰当地构建自己的IT基础设施,以满足其需求,就像在传统的云计算模式下一样。

但是,企业这样做时必须慎重考虑。雾计算的好处在于节点可以在世界任何地方使用,但相应的挑战是需要确保高质量的宽带通道和连接速度。通常,免费计算资源可以在非洲或拉丁美洲的某个地方找到,但他们很有可能遇到不良的网络连接。从理论上讲,随着更多的节点加入分散式网络,风险会降低,但目前人工智能初创公司应该专注于高性能节点,以确保足够的灵活性、可扩展性和可靠性。

为了进一步防止出现服务故障,人工智能初创公司可以选择使用混合分布式计算环境,其中一部分仍然是集中式的。分布式部分可以用于耗费资源的任务,而集中部分用于协调节点以控制分布式网络的工作,并根据需要通过连接和断开其他资源来平衡负载。

雾计算提供所需级别的数据和欺诈保护

此外,IT基础设施的集中部分可用于管理敏感数据。企业使用云计算的共同关注点是用户数据将被传递给第三方。考虑到人工智能初创公司经常管理和下载高度敏感的数据,这就成为一个更大的问题。在雾计算中,像云计算一样,客户数据可能首先在受保护的、可信的,以及集中的环境中被混淆,然后完全绕过第三方所依托的分散式网络。这反过来又使得更高级别的数据保护成为可能。

另外,雾计算可以提供更好的防欺诈保护。人工智能初创公司的另一个担忧是在雾计算模式下,分散网络的成员可能会尝试通过编写一个简单的脚本来欺骗系统,该脚本允许他们继续挖掘加密货币,同时执行计算任务。但是,有很多方法可以轻松防范这种欺骗,并检测不可信的节点。

还有一个例子是使用工作证明方法,将复杂任务加载到高性能节点,并将相同任务的片段发送到性能较低的节点,以检查结果的准确性。如果来自两个节点的结果不匹配,则可以从系统断开连接,并将其置于黑名单中,禁止其在将来使用。这确保了分散的雾计算网络的成员只有在系统得到了一些证明工作完成后才收到付款,并且结果是真实的。

目前,在雾计算环境之上没有简单的支付和计费系统,然而,使用加密货币向分布式网络支付费用是未来三年可能实施的解决方案。一旦解决了这些问题,雾计算带来的诸多好处将为实施机器学习和神经网络等资源密集型任务的人工智能初创公司敞开大门。


标签:公有云 

LecVideo