計算系統(tǒng)在過去幾十年中推動了計算機(jī)科學(xué)的發(fā)展，現(xiàn)在已成為企業(yè)世界的核心，提供基于云計算、霧計算、邊緣計算、無服務(wù)器計算和量子計算的服務(wù)。現(xiàn)代計算系統(tǒng)解決了現(xiàn)實世界中許多需要低延遲和低響應(yīng)時間的問題。這有助于全球各地的青年才俊創(chuàng)辦初創(chuàng)企業(yè)，利用大計算能力解決具有挑戰(zhàn)性的問題，加快科學(xué)進(jìn)步。

近年來，人工智能（AI）、機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）越來越受歡迎，因為它們在計算機(jī)視覺、自然語言處理和其他相關(guān)應(yīng)用領(lǐng)域率先提高了準(zhǔn)確性。為了訓(xùn)練這些模型，前幾年收集了大量數(shù)據(jù)，此外，圖形處理器（GPU）、谷歌的張量處理單元（TPU）和人工智能特斯拉的道場處理單元（DPU）等最先進(jìn)的計算硬件也得到了發(fā)展。這意味著雙方都能從中獲益。許多人工智能/ML/DL 技術(shù)都需要大規(guī)模的計算能力和外部數(shù)據(jù)源，而這些通過計算系統(tǒng)可能更容易獲得?，F(xiàn)在，訓(xùn)練復(fù)雜的人工智能、ML 和 DL 模型的方法可以并行、大量地實施，這一點尤為重要。為此，可以預(yù)見的是，對人工智能/ML/DL 應(yīng)用的持續(xù)興趣將推動對包括虛擬機(jī)調(diào)配、整合和負(fù)載平衡在內(nèi)的成熟數(shù)據(jù)中心資源管理問題的新研究，同時也會使應(yīng)對擴(kuò)展挑戰(zhàn)變得更加容易；這可能會為人工智能在現(xiàn)代計算機(jī)系統(tǒng)中的更廣泛應(yīng)用鋪平道路。

人工智能和 ML 在未來幾年將為計算系統(tǒng)帶來重要的必要需求，從大規(guī)模異構(gòu)物聯(lián)網(wǎng)和傳感器網(wǎng)絡(luò)產(chǎn)生的極其龐大的數(shù)據(jù)流的存儲、維護(hù)和研究，到 Qos 感知（延遲、能耗、成本、響應(yīng)時間）的定制計算服務(wù)，這些服務(wù)既要適應(yīng)一系列硬件設(shè)備，又要最大限度地滿足包括軟件級 Qos 約束和財務(wù)約束在內(nèi)的多重標(biāo)準(zhǔn)。下一代/未來計算可以借助人工智能/ML 技術(shù)來建立，這些技術(shù)可以快速、有效地處理這些問題。

在這篇文章中，我們總結(jié)了云計算、人工智能/ML和量子計算領(lǐng)域的領(lǐng)先學(xué)者、研究人員、從業(yè)人員、工程師和科學(xué)家共同討論的相關(guān)領(lǐng)域的當(dāng)前研究和潛在的未來方向。

新興計算模式

集成下一代計算的周期

云計算的興起與人工智能的興起相輔相成，這一點越來越明顯。因此，在云中使用人工智能可以提高云的性能、效率和數(shù)字化轉(zhuǎn)型。云計算環(huán)境中的人工智能是使組織變得更加智能、更具戰(zhàn)略性和更有洞察力的關(guān)鍵所在，同時還能提供更高的靈活性、敏捷性和成本節(jié)約。

人工智能和云計算可以通過多種方式結(jié)合起來，以增強(qiáng)云計算的功能。人工智能工具和軟件與云計算的強(qiáng)大功能同步，從而為現(xiàn)有的云計算環(huán)境提供更高的價值。這種結(jié)合使企業(yè)變得更加智慧、更具戰(zhàn)略性和洞察力；云上托管的數(shù)據(jù)和應(yīng)用程序使企業(yè)的反應(yīng)速度和適應(yīng)能力更強(qiáng)，同時也為整個公司節(jié)省了成本。

由于增加了人工智能層，有助于從數(shù)據(jù)中產(chǎn)生洞察力，現(xiàn)有能力獲得了智能化，客戶也獲得了極佳的體驗。因此，企業(yè)可以從一個非常獨特的組合中獲益。云就像一個電子游戲，會發(fā)出大量的運行數(shù)據(jù)和遙測數(shù)據(jù)，就像特斯拉電動汽車一樣。因此，基于人工智能的云計算基本上就是人工智能運營，它使用算法來理解所有這些數(shù)據(jù)，而不是依賴人類。

在新冠之后，2020年第一季度的云計算投資比2019年第一季度增長37%，達(dá)到290億美元；整合人工智能和云計算可以幫助企業(yè)更貼近消費者，同時提高運營效率。

云計算環(huán)境和解決方案正在幫助企業(yè)變得更加靈活、適應(yīng)性更強(qiáng)、成本效益更高，因為這大大降低了企業(yè)的基礎(chǔ)設(shè)施管理費用。人工智能可以處理龐大的數(shù)據(jù)存儲庫、簡化數(shù)據(jù)、改進(jìn)工作流程，并為日常運營提供實時見解，從而為企業(yè)帶來更多自由。運營的重?fù)?dān)可能會從流程和人員轉(zhuǎn)移到工程和數(shù)據(jù)上。這就是為什么人工智能正以各種方式促進(jìn)云計算的發(fā)展。軟件即服務(wù)（saas）模式目前正被用于成功應(yīng)用基于云的人工智能。saas 公司正在將人工智能融入其解決方案，從而為客戶和最終用戶提供更強(qiáng)的能力。企業(yè)采用人工智能增強(qiáng)現(xiàn)有云基礎(chǔ)設(shè)施的另一種方法是將人工智能作為一種服務(wù)：人工智能的使用使應(yīng)用程序更具可讀性和智能性，減少了錯誤、提高了產(chǎn)量。

云計算衍生出的云原生范式將傳統(tǒng)的單體云應(yīng)用轉(zhuǎn)變?yōu)檩p量級、松耦合和內(nèi)粒度的微服務(wù)。這種模式可以支持應(yīng)用程序以更加節(jié)約的方式進(jìn)行更新。然而，由于微服務(wù)的數(shù)量增加且具有時間敏感性，對其進(jìn)行高效管理可能具有挑戰(zhàn)性?；谌斯ぶ悄?ML 的解決方案可以應(yīng)對部分挑戰(zhàn)，例如，基于神經(jīng)網(wǎng)絡(luò)的方法可用于預(yù)測微服務(wù)的工作負(fù)載，基于 ML 的技術(shù)可用于分析微服務(wù)的依賴性。

以下是在云中部署人工智能的各種優(yōu)勢：

- 增強(qiáng)數(shù)據(jù)管理：在當(dāng)今數(shù)據(jù)驅(qū)動的世界中，數(shù)據(jù)是王道，因此需要更好的方法來處理數(shù)據(jù)。企業(yè)跟蹤數(shù)據(jù)的能力是一大障礙?；谠频娜斯ぶ悄芄ぞ吆蛻?yīng)用程序可識別、更新、編目并向客戶提供實時數(shù)據(jù)見解。人工智能技術(shù)還可用于檢測欺詐活動和識別異常系統(tǒng)趨勢。在當(dāng)今高風(fēng)險的環(huán)境下，銀行和其他金融機(jī)構(gòu)要保持競爭力和安全，在很大程度上要依賴這項技術(shù)。

- 自動化：由于人工智能和云技術(shù)的結(jié)合，智能自動化現(xiàn)在可以在整個業(yè)務(wù)中實現(xiàn)，從而消除了障礙。人工智能提高了預(yù)測能力，因為算法模型利用歷史數(shù)據(jù)和其他模式提供即時見解。人工智能和云計算解決方案可以幫助企業(yè)實現(xiàn)從半結(jié)構(gòu)化文件到非結(jié)構(gòu)化文件的認(rèn)知自動化，同時還能推動有效基礎(chǔ)設(shè)施管理的發(fā)展，從而減少停機(jī)時間和影響。因此，業(yè)務(wù)成本發(fā)生了變化，客戶體驗也發(fā)生了變化。

- 節(jié)約成本：云計算使企業(yè)只需為其使用的資源付費。與建設(shè)和維護(hù)大規(guī)模數(shù)據(jù)中心的典型基礎(chǔ)設(shè)施支出相比，這可以節(jié)省大量資金。節(jié)省下來的資金可用于構(gòu)建更具戰(zhàn)略性的人工智能工具和加速器，然后用于增加收入，并從根本上為公司節(jié)省資金。這將帶來更好的運營質(zhì)量和更低的成本。

當(dāng)這兩種技術(shù)相結(jié)合時，也可能會出現(xiàn)以下問題：

- 集成：要實現(xiàn)兩種不同技術(shù)的無縫集成絕非易事。為了實現(xiàn)整合，公司必須首先將所有應(yīng)用程序和技術(shù)轉(zhuǎn)移到云中。這對許多公司來說并非易事。

- 數(shù)據(jù)不足：擁有高質(zhì)量數(shù)據(jù)的大型數(shù)據(jù)集是人工智能技術(shù)的理想選擇。企業(yè)必須確保其數(shù)據(jù)既可訪問又干凈整潔，這樣人工智能才能發(fā)揮作用。但由于數(shù)據(jù)往往是無序的或缺失的，這是一個很大的難題；解決方案的價值必須來自高質(zhì)量的數(shù)據(jù)。

- 安全和隱私問題：為防止數(shù)據(jù)外泄，企業(yè)必須提高警惕，保護(hù)敏感信息和財務(wù)信息不被對手竊取，因為對手很可能會將這些信息作為攻擊目標(biāo)。

要想讓人工智能與云同步，企業(yè)就必須投入大量的知識、資源和資金。只有當(dāng)云計算和人工智能系統(tǒng)適當(dāng)整合時，企業(yè)才能利用各種強(qiáng)大的機(jī)器學(xué)習(xí)能力，如圖像識別和自然語言處理。因此，未來會有更多企業(yè)效仿。企業(yè)需要人工智能云，以跟上云計算的快速發(fā)展。在成功實施后，人工智能操作最終將成為云管理的標(biāo)準(zhǔn)方法。

如今，云已經(jīng)是一項強(qiáng)大的技術(shù)，但科學(xué)家們認(rèn)為人工智能將使其更加強(qiáng)大。有了這種結(jié)合，數(shù)據(jù)分析和管理將發(fā)生根本性的轉(zhuǎn)變。人工智能與云的結(jié)合將改變游戲規(guī)則，并將在這個充斥著海量數(shù)據(jù)的世界中為終端用戶帶來無與倫比的價值?，F(xiàn)在，云計算和人工智能的應(yīng)用范圍更加廣泛，它們正在全球各行各業(yè)掀起軒然大波；顯然，人工智能有望幫助公司應(yīng)對新的、更明顯的挑戰(zhàn)，并為其潛在客戶開辟一片新天地。

霧計算的建立是為了補(bǔ)充云計算服務(wù)，因為物聯(lián)網(wǎng)的使用越來越多，而且有必要處理和存儲產(chǎn)生的海量數(shù)據(jù)。對反應(yīng)時間要求極低的物聯(lián)網(wǎng)應(yīng)用可由提供基本網(wǎng)絡(luò)服務(wù)的霧計算來支持。

由于霧的分散性、異構(gòu)性和資源限制性，要在霧節(jié)點內(nèi)有效地分配物聯(lián)網(wǎng)應(yīng)用活動以滿足 Qos 和體驗質(zhì)量（QoE）限制是非常困難的。車對物（v2x）、健康監(jiān)測和工業(yè)自動化采用霧計算，因為它能提供靠近用戶的計算能力，以滿足這些應(yīng)用對反應(yīng)時間的期望。因此，這些應(yīng)用從物聯(lián)網(wǎng)設(shè)備的廣泛使用中獲取了大量信息。

由于長距離數(shù)據(jù)傳輸延遲和網(wǎng)絡(luò)擁塞，云計算無法滿足延遲要求。它在數(shù)據(jù)源和云計算中心之間提供了一個由網(wǎng)關(guān)、路由器和計算節(jié)點組成的網(wǎng)絡(luò)。由于低延遲、低能耗以及減少了數(shù)據(jù)傳輸所需的帶寬，霧計算擴(kuò)展了云計算。霧節(jié)點可用于處理敏感數(shù)據(jù)，而不是將其發(fā)送到云端，從而提高了安全性。利用各種物聯(lián)網(wǎng)設(shè)備生成的數(shù)據(jù)，這些應(yīng)用旨在提供有用信息，同時解決延遲問題。

近年來，研究人員越來越多地轉(zhuǎn)向人工智能，以幫助他們分析大量數(shù)據(jù)，實現(xiàn)上述用途。人工智能的機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）子領(lǐng)域提供了有用的數(shù)據(jù)洞察力和決策幫助。

對于物聯(lián)網(wǎng)來說，5G 不僅僅意味著一個無線創(chuàng)新的新時代。從數(shù)據(jù)中心到網(wǎng)絡(luò)邊緣，超過萬億個傳感器、小工具和機(jī)器都由人工智能驅(qū)動并自主運行。就加快數(shù)據(jù)分析和決策制定而言，霧計算和邊緣計算是兩項最佳技術(shù)。許多 “霧設(shè)備”將聯(lián)網(wǎng)并共用位置，作為分布式計算系統(tǒng)的一部分，即霧計算。邊緣管理、數(shù)據(jù)收集、監(jiān)控、分析和流式傳輸都是在網(wǎng)絡(luò)邊緣的霧計算節(jié)點上進(jìn)行的。雖然霧計算能夠連接數(shù)量有限的設(shè)備，但該技術(shù)在處理實時請求和匯總來自更多來源的數(shù)據(jù)方面的能力要強(qiáng)得多。

自亞馬遜云計算于 2006 年推出以來，我們只需按一下按鈕，就能訪問各種類型的資源，擁有可擴(kuò)展的架構(gòu)，并在任何地方使用這些資源。思科在 2008 年宣稱，物聯(lián)網(wǎng)是將從云計算中受益的技術(shù)之一，但其根源可追溯到 1999 年。例如，我們可以保存?zhèn)鞲衅鲾?shù)據(jù)并對其采取行動，使用人工智能實現(xiàn)流程自動化，并對以前需要直接參與的情況做出實時反應(yīng)。物聯(lián)網(wǎng)剛推出時，它承諾將擴(kuò)展到專業(yè)和個人領(lǐng)域，而且必須改變傳感器化和通信協(xié)議以滿足這些新需求。傳感器數(shù)據(jù)的整合和人工智能的應(yīng)用催生了新的模式。

在更廣泛的范圍內(nèi)，“智能城市”一詞被用來描述城市，而 “智能工廠”則被用來描述制造和加工設(shè)施。它們的一個共同點是利用數(shù)據(jù)和自動化決策與自動化相結(jié)合，而這可以通過人工智能和 ML 技術(shù)輕松實現(xiàn)。

例如，改變計算機(jī)或鐵路的配置，為自動駕駛汽車踩剎車，或發(fā)出預(yù)防性維護(hù)警告。從這些例子中可以看出，決策和行動不能在云端完成，而是要在更接近收集數(shù)據(jù)的傳感器的設(shè)備上進(jìn)行。

關(guān)于應(yīng)用部署的研究已經(jīng)在工業(yè)和制造業(yè)等多個領(lǐng)域展開，但仍有許多問題需要解決：

- 執(zhí)行時間：對于服務(wù)提供商和客戶來說，時間都是最緊迫的問題。將軟件置于霧中的主要動機(jī)之一是加快用戶的反應(yīng)時間。在應(yīng)用安置問題上，應(yīng)用了深度學(xué)習(xí)算法類的時間性能指標(biāo)優(yōu)化技術(shù)。如果我們使用不同的機(jī)器學(xué)習(xí)算法和進(jìn)化算法或新型組合技術(shù)，或許能取得更好的結(jié)果。

- 移動感知：我們需要能夠處理各種移動活動的遷移方法和架構(gòu)。

- 資源調(diào)度：在像霧這樣的動態(tài)環(huán)境中管理資源是一個問題，因為這種環(huán)境的資源量有限，用戶的反應(yīng)時間很短。在資源共享方面，霧環(huán)境比云環(huán)境的可變性更差。因此，仍然必須解決資源利用率低的問題。資源分配是基于對現(xiàn)有研究的調(diào)查以及對神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和 k-近鄰（KNN）的使用。

- 能源效率：如果改進(jìn)供應(yīng)策略和算法，閑置的霧節(jié)點可能會被關(guān)閉，由于應(yīng)用模塊位于分散的霧節(jié)點中，因此可以結(jié)合 Qos 和 QoE 避免能源消耗。能耗和成本受內(nèi)存、CPu 和帶寬使用的影響，可通過 K-means、KNNs、邏輯回歸、分支與邊界、深度 Q 網(wǎng)絡(luò) (DQN) 和 sARsA 等機(jī)器學(xué)習(xí)方法進(jìn)行預(yù)測。

- 安全和隱私：由于存在信息退化、身份泄露、重放和拒絕服務(wù)攻擊等安全問題，霧基礎(chǔ)設(shè)施對于確定應(yīng)用程序的安全性至關(guān)重要。由于用戶對自己的信息缺乏控制，因此需要在動態(tài)計算環(huán)境中實施身份驗證、加密和數(shù)據(jù)整合。

- 容錯性和可用性：開發(fā)霧計算的主要原因之一是提高可靠性。在霧計算中，傳感器故障、特定區(qū)域或整個網(wǎng)絡(luò)缺乏接入網(wǎng)絡(luò)覆蓋、服務(wù)平臺故障以及用戶界面系統(tǒng)連接中斷等問題都是等式的一部分。霧環(huán)境中的另一個挑戰(zhàn)是提高應(yīng)用程序的可用性。提高服務(wù)可用性和 Qosisto 的啟發(fā)式方法是將應(yīng)用程序映射到霧社區(qū)，然后根據(jù)服務(wù)放置問題將其服務(wù)臨時放到霧設(shè)備、社區(qū)上。

圖像、視頻、自然語言處理（NLP）和機(jī)器人技術(shù)是最近才開始出現(xiàn)的霧計算應(yīng)用。霧計算的圖片放置和處理是人工智能在研究和行業(yè)中應(yīng)用最廣泛的領(lǐng)域之一，其目標(biāo)是將物體或人物彼此區(qū)分開來，并能根據(jù)圖像處理算法對照片進(jìn)行分類和鑒別。在基于圖像處理的應(yīng)用中使用霧計算可縮短響應(yīng)時間并改善服務(wù)質(zhì)量。在與要求圖像處理精度和快速處理醫(yī)療數(shù)據(jù)的醫(yī)療應(yīng)用相關(guān)的情況下，使用有效的調(diào)度算法在霧環(huán)境中進(jìn)行部署可能是有益的。根據(jù)文獻(xiàn)，深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）和生成對抗網(wǎng)絡(luò)（GAN），可用于霧中的圖像處理領(lǐng)域。

該領(lǐng)域另一個值得關(guān)注的領(lǐng)域是 NLP 。聲音處理和識別需要云和霧環(huán)境來存儲數(shù)據(jù)。出于安全考慮，具有聲音模仿功能的深度學(xué)習(xí)方法可能很有用。例如，在智能家居的應(yīng)用場景中，處理和識別房主與外人的對話應(yīng)謹(jǐn)慎而迅速，因此將提出在霧中放置 NLP 應(yīng)用的有效調(diào)度方法。深度學(xué)習(xí)領(lǐng)域的技術(shù)在這方面可能會有所幫助。工業(yè)、貿(mào)易、農(nóng)業(yè)和健康領(lǐng)域都能從機(jī)器人技術(shù)中受益匪淺，因此機(jī)器人技術(shù)是一個值得討論的重要問題。在必須快速做出判斷的情況下，使用采用機(jī)器學(xué)習(xí)處理和決策的霧環(huán)境可能是可以接受的。為了讓機(jī)器人進(jìn)行數(shù)據(jù)交流，它們需要一個能快速響應(yīng)其指令的霧環(huán)境。物聯(lián)網(wǎng)將每個機(jī)器人定義為能夠與其他物聯(lián)網(wǎng)事物和其他機(jī)器人互動的物品 。

因此，科學(xué)家們可以利用人工智能提高 Qos 和 QoE。

分布式計算已從內(nèi)容交付網(wǎng)絡(luò)發(fā)展成為一種普遍接受和常用的邊緣計算模式，它使處理和數(shù)據(jù)存儲更接近終端用戶的位置。由用戶創(chuàng)建且僅為用戶創(chuàng)建的即時數(shù)據(jù)需要邊緣計算和存儲，但大數(shù)據(jù)始終需要基于云的存儲。隨著客戶在移動設(shè)備上花費的時間越來越多，企業(yè)認(rèn)識到他們需要將關(guān)鍵計算轉(zhuǎn)移到設(shè)備上，以便為更多客戶提供服務(wù)。

邊緣計算市場因此迎來了發(fā)展機(jī)遇。到 2023 年，預(yù)計市場規(guī)模將達(dá)到 1.12 萬億美元。根據(jù) Gartner 的數(shù)據(jù)， 2022 年74% 的數(shù)據(jù)將需要在邊緣處理，而目前 91% 的數(shù)據(jù)是在集中式系統(tǒng)中處理的。

客戶更加關(guān)注自己的隱私，并希望知道他們的數(shù)據(jù)是如何以及在哪里獲取和維護(hù)的。在完成應(yīng)用程序的認(rèn)證程序后，許多企業(yè)通過提供具有人工智能定制功能的應(yīng)用程序來服務(wù)客戶。客戶通常會使用揚聲器、手機(jī)、平板電腦和機(jī)器人訪問支持人工智能的小工具。由于數(shù)據(jù)的敏感性和個人性質(zhì)，需要多級加密和動態(tài)加密過程。邊緣節(jié)點有助于構(gòu)建高度分布式架構(gòu)，并幫助為每臺設(shè)備建立適當(dāng)?shù)陌踩呗?。由于服?wù)分散在網(wǎng)絡(luò)和設(shè)備兩個層面，因此在跨網(wǎng)絡(luò)和設(shè)備發(fā)送數(shù)據(jù)時存在延遲問題。由于這種延遲，工作必須在網(wǎng)絡(luò)上完成。當(dāng)應(yīng)用程序必須具有端到端彈性和廣泛分布的架構(gòu)時，就需要多個負(fù)載平衡端點。數(shù)據(jù)計算服務(wù)更接近移動設(shè)備或邊緣（被稱為“云小站”），從而提高了設(shè)備級的彈性。

我們必須思考，如何利用人工智能克服這些挑戰(zhàn)？

邊緣計算是人工智能的主要推動力，它能以低成本提供高質(zhì)量的性能。這是理解人工智能與邊緣計算之間聯(lián)系的最佳方式。我們可以從人工智能與尖端計算機(jī)的結(jié)合中獲益。由于人工智能的數(shù)據(jù)和計算密集特性，邊緣計算有助于人工智能應(yīng)用克服人工智能應(yīng)用的技術(shù)問題。人工智能和機(jī)器學(xué)習(xí)系統(tǒng)需要吸收大量數(shù)據(jù)才能發(fā)現(xiàn)模式并提供可靠的建議。在需要進(jìn)行視頻分析的人工智能使用案例中，基于云的高清視頻數(shù)據(jù)流會導(dǎo)致延遲問題和成本增加，因為需要使用巨大的帶寬。當(dāng)人工智能觸發(fā)、決策和行動必須實時進(jìn)行時，延遲和對云中中央處理的依賴是不利的。處理和決策可以在數(shù)據(jù)源進(jìn)行，這意味著可以在邊緣采取行動，避免回程費用，使邊緣成為數(shù)據(jù)處理的理想地點。將數(shù)據(jù)流傳輸?shù)皆贫酥话ㄗ钪匾男畔⒑蛿?shù)據(jù)集，而將其余數(shù)據(jù)留在云端。

由于邊緣計算網(wǎng)絡(luò)的分散性和復(fù)雜性，在基礎(chǔ)設(shè)施管理方面帶來了一些問題。為了有效管理資源，必須完成一系列活動。這些活動包括工作負(fù)載估計、任務(wù)調(diào)度以及虛擬機(jī)整合、資源優(yōu)化和節(jié)能。在動態(tài)、快速變化的環(huán)境和實時場景中，傳統(tǒng)的預(yù)設(shè)規(guī)則（主要基于運籌學(xué)方法）過去一直被用于資源管理。基于人工智能的技術(shù)正被越來越多地用于解決這些問題，尤其是在必須做出決策時。近年來，包括人工智能、ML 和 DL 在內(nèi)的各種方法已得到廣泛應(yīng)用。為了進(jìn)一步提高用戶的移動性，高速緩存必須能夠預(yù)測用戶的去向。為了減少開支和能耗，緩存應(yīng)位于適當(dāng)?shù)倪吘壏?wù)器上。強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)模型和遺傳算法是其中的一些方法。

在商業(yè)和工業(yè)領(lǐng)域，邊緣技術(shù)的優(yōu)勢已迅速傳播開來，特別是減少了 IT 設(shè)備在云和網(wǎng)絡(luò)帶寬上不斷增長的開支。公司的所有活動都在世界各地進(jìn)行。盡管云和大數(shù)據(jù)中心的數(shù)據(jù)量巨大，但估計只有 1%的監(jiān)控數(shù)據(jù)與異常識別或未來事件預(yù)測等業(yè)務(wù)洞察相關(guān)。邊緣通過本地處理、分析和本地設(shè)備提供高質(zhì)量的業(yè)務(wù)服務(wù)。這就是邊緣的運行效率和意義所在，因為它可以避免向云/數(shù)據(jù)中心傳輸數(shù) TB 的不必要數(shù)據(jù)，而只向終端用戶傳送相關(guān)的可操作數(shù)據(jù)。邊緣計算能力的創(chuàng)新應(yīng)用層出不窮。邊緣計算在向分散網(wǎng)絡(luò)的“最后一英里”遷移方面仍然存在問題，但工業(yè)應(yīng)用中的新用例顯示出與人工智能的緊密融合，特別是為企業(yè)帶來巨大價值。在汽車、建筑、加工和制造行業(yè)，增強(qiáng)現(xiàn)實、虛擬現(xiàn)實和混合現(xiàn)實正變得越來越流行。這就需要一個可擴(kuò)展、適應(yīng)性強(qiáng)、快速響應(yīng)且始終可用的計算基礎(chǔ)設(shè)施。在邊緣計算中，人工智能和機(jī)器學(xué)習(xí)有大量用途。智能零售、聯(lián)絡(luò)中心、安全和法律助理都能從 NLP 的能力中獲益，如解析人聲、識別筆跡和對文本進(jìn)行分類等。

與云、霧或無服務(wù)器計算相比，邊緣計算環(huán)境的問題明顯不同。因此，邊緣環(huán)境受到可擴(kuò)展性和性能相關(guān)問題的困擾，尤其是在處理關(guān)鍵任務(wù)數(shù)據(jù)和應(yīng)用時。考慮到規(guī)模問題，要跟蹤每個 IT 組件的健康狀況和狀態(tài)是非常困難的，尤其是當(dāng)有如此多的遠(yuǎn)程邊緣位置需要跟蹤時，更不用說可視化和分析它們對其他鏈接設(shè)備的影響了。高度分散和多樣化的網(wǎng)絡(luò)邊緣設(shè)置。由于基礎(chǔ)設(shè)施各組成部分的性質(zhì)各不相同，而且獲取所需的各種技能和資源的成本很高，這就形成了“邊緣孤島”，使問題變得更加復(fù)雜。要處理極其分散和異構(gòu)的邊緣環(huán)境，基于人工智能的智能軟件至關(guān)重要。通過自動安全和響應(yīng)，還可以在客戶不參與的情況下保障整個客戶的安全。

此外，消費者和云/數(shù)據(jù)中心等端點之間的實時性能管理也是一個關(guān)鍵問題。所有站點的端到端視圖和數(shù)據(jù)存儲庫都由持續(xù)監(jiān)控性能指標(biāo)和低數(shù)據(jù)量的技術(shù)工具提供支持。對于邊緣設(shè)備發(fā)生故障或不可用的情況，邊緣基礎(chǔ)設(shè)施具有內(nèi)置冗余，可隔離、修復(fù)和維持可接受的運行水平。如果運行的邊緣數(shù)據(jù)中心有多個團(tuán)隊負(fù)責(zé)基礎(chǔ)設(shè)施的不同部分，將會遇到某些不確定性。在這種情況下，以人工智能為基礎(chǔ)的高級關(guān)聯(lián)和分析非常有用，可以檢查、整合和統(tǒng)一來自多個來源的數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為信息，并將信息傳達(dá)給團(tuán)隊中的相關(guān)角色。提供的信息可用于幫助自動化流程。

現(xiàn)在，包括spacex和亞馬遜在內(nèi)的私營公司正在建造低地軌道（LEO）衛(wèi)星，以提供全球?qū)拵Щヂ?lián)網(wǎng)接入。隨著低地球軌道衛(wèi)星接入網(wǎng)絡(luò)用戶的增加，確定邊緣計算原則是否可以以及如何在低地球軌道衛(wèi)星網(wǎng)絡(luò)中實施至關(guān)重要。

現(xiàn)代計算系統(tǒng)將邊緣設(shè)備作為數(shù)據(jù)中心的組成部分，因此需要創(chuàng)建基于物聯(lián)網(wǎng)的特定應(yīng)用程序，以提供更多加密傳輸并保護(hù)數(shù)據(jù)隱私。我們可以從以下方面提高邊緣計算的相關(guān)能力：

- 由于物聯(lián)網(wǎng)邊緣設(shè)備的資源限制，它們無法運行為臺式電腦構(gòu)建的強(qiáng)大安全軟件和防火墻，因此必須使用區(qū)塊鏈技術(shù)，利用人工智能/ML 增強(qiáng)安全性。此外，創(chuàng)新的軟件架構(gòu)，如促進(jìn)物聯(lián)網(wǎng)設(shè)備修補(bǔ)和維護(hù)的軟件架構(gòu)，可以通過利用人工智能和 ML 得到進(jìn)一步加強(qiáng)。

- 基于人工智能/ML 的自動決策，而不是人類編碼的啟發(fā)式方法，為通過工程速度和效率優(yōu)化擁有海量數(shù)據(jù)的邊緣系統(tǒng)提供了一條有利可圖的道路。

- 需要基于人工智能的大數(shù)據(jù)分析方法，以便在運行時處理物聯(lián)網(wǎng)應(yīng)用中的邊緣設(shè)備數(shù)據(jù)。

在設(shè)計云原生應(yīng)用程序時，無服務(wù)器計算正變得越來越流行。

無服務(wù)器計算是一種云計算范式，它抽象了操作方面的管理。由于開發(fā)人員不再需要擔(dān)心基礎(chǔ)設(shè)施的維護(hù)問題，無服務(wù)器計算可能會以相當(dāng)快的速度擴(kuò)展。正因為如此，云服務(wù)提供商可以利用無服務(wù)器計算更輕松地管理基礎(chǔ)設(shè)施和自動配置?；A(chǔ)設(shè)施管理所需的時間和資源也會因此減少。

因為人工智能是技術(shù)的未來，所以所有平臺都在擁抱人工智能。另一方面，無服務(wù)器設(shè)計可以解決開發(fā)人員遇到的大部分問題。使用無服務(wù)器架構(gòu)，機(jī)器學(xué)習(xí)模型可以得到妥善處理，資源也能得到有效管理。由于采用了這種設(shè)計，開發(fā)人員可以將更多的時間和資源用于人工智能模型的訓(xùn)練，而不是服務(wù)器基礎(chǔ)設(shè)施的管理。

復(fù)雜的挑戰(zhàn)通常需要開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)。這些系統(tǒng)需要分析和預(yù)處理數(shù)據(jù)、訓(xùn)練模型和調(diào)整人工智能模型等。因此，應(yīng)用程序接口應(yīng)能順利運行。應(yīng)使用無服務(wù)器計算和人工智能來確保數(shù)據(jù)存儲和信息傳遞不中斷。無服務(wù)器架構(gòu)提供了多種選擇和優(yōu)勢，機(jī)器學(xué)習(xí)模型可從中受益匪淺。當(dāng)收到任何數(shù)量的請求時，基礎(chǔ)設(shè)施提供商都會準(zhǔn)確分配自己的計算執(zhí)行能力。

AI/ML 集成無服務(wù)器架構(gòu)具有以下優(yōu)點：

- 公平定價：無服務(wù)器設(shè)計使基于執(zhí)行的定價成為可能，因此您只需為真正使用的服務(wù)付費。因此，定價模式更具可讀性，成本顯著降低。

- 獨立工作：無服務(wù)器計算使開發(fā)團(tuán)隊能夠在很少干預(yù)和延遲的情況下自主運行。因此，模型被視為不同的功能。調(diào)用該功能不會影響系統(tǒng)的其他部分，并且可以隨時進(jìn)行調(diào)用。

- 自動縮放：使用自動縮放功能時，不再需要存儲預(yù)測，因為開發(fā)人員可以隨時進(jìn)行更改。

- 按使用付費：使用一種名為“按使用付費”的新模式，客戶只需在真正使用資源時付費。無服務(wù)器計算不是按服務(wù)器數(shù)量付費，而是按服務(wù)使用付費。結(jié)合無服務(wù)器的“零擴(kuò)展”特性，用戶只需按執(zhí)行次數(shù)和資源使用時長付費。

- 無憂的服務(wù)器管理：無服務(wù)器計算提供的后端服務(wù)只有在需要時才能訪問，從而將用戶從管理服務(wù)器的負(fù)擔(dān)中解放出來。有了無服務(wù)器后端，如果服務(wù)提供商想增加或減少預(yù)留或付費的帶寬，就不必修改設(shè)置。在互聯(lián)網(wǎng)出現(xiàn)之前，網(wǎng)絡(luò)開發(fā)人員要擁有運行服務(wù)器所需的硬件既困難又昂貴。

- 高可用性：無服務(wù)器方案因其內(nèi)置的可用性和容錯性而越來越受歡迎。因此，無需構(gòu)建可為應(yīng)用程序提供這些功能的服務(wù)，因為它們一直都是可用的。

量子計算有望成為一項有可能從根本上改變?nèi)斯ぶ悄艿募夹g(shù)。隨著人工智能在全球范圍內(nèi)產(chǎn)生巨大影響，與量子計算的結(jié)合可能會產(chǎn)生倍增效應(yīng)，引發(fā)人工智能的革命性影響。

量子計算采用了一種新穎的數(shù)據(jù)和信息處理方法：在量子系統(tǒng)的量子態(tài)中編碼的信息會根據(jù)量子力學(xué)定律進(jìn)行處理，從而帶來一些經(jīng)典信息處理方式所不具備的機(jī)會。例如，量子疊加和量子糾纏。量子糾纏是量子系統(tǒng)的一種特性，它限制了觀察者可能獲得的全局量子態(tài)部分信息量，使得僅憑對部分狀態(tài)的了解無法提供完整的描述。

量子系統(tǒng)的上述特征從一個側(cè)面激發(fā)了量子計算的威力（如果能有效屏蔽與環(huán)境的相互作用），但同時也是主要的限制因素，使得目前的計算機(jī)系統(tǒng)無法對量子系統(tǒng)進(jìn)行科學(xué)模擬，即使是人工智能超級計算機(jī)也不例外。事實上，復(fù)合量子系統(tǒng)演化的相空間規(guī)模會隨著組成系統(tǒng)的數(shù)量呈指數(shù)增長。

量子計算機(jī)使用的信息單位是量子比特，它取代了經(jīng)典計算機(jī)中使用的比特。量子比特Ψ的狀態(tài)可以是原子、光子、電路等，在數(shù)學(xué)上可以表示為復(fù)數(shù)希爾伯特空間中的一個矢量。

量子系統(tǒng)的模擬一直是建造量子計算機(jī)的最初動力，但直到發(fā)現(xiàn)了能夠?qū)崿F(xiàn)實際目標(biāo)的量子算法后，人們才開始越來越關(guān)注建造這種設(shè)備。在正式提出量子計算機(jī)概念的開創(chuàng)性工作之后，又有幾種算法可以實現(xiàn)經(jīng)典計算機(jī)難以完成的任務(wù)。shor算法的發(fā)現(xiàn)為大數(shù)因式分解提供了一種簡便的解決方案，對密碼分析具有重要意義，推動了量子計算和量子密碼學(xué)的研究。然而，要在工作的量子硬件上有效運行 shor 算法，需要在實現(xiàn)寄存器初始化、多個量子比特上的量子操作和量子態(tài)存儲方面達(dá)到一定的精度，而目前最先進(jìn)的設(shè)備尚未達(dá)到這一水平。

值得一提的是，量子計算機(jī)也有自身的局限性。例如，預(yù)計量子計算機(jī)無法有效解決 NP 難度的優(yōu)化問題，而在搜索方面，量子計算機(jī)所帶來的速度提升與經(jīng)典計算機(jī)所需的時間（grover算法）呈二次方關(guān)系。

事實上，建造量子計算機(jī)并非易事：實驗人員都很清楚，量子計算由量子疊加和糾纏等特性帶來的優(yōu)勢，往往會隨著硬件的大小和復(fù)雜程度（即所涉及的量子系統(tǒng)數(shù)量）的增加而以指數(shù)級的速度消失。盡管如此，近年來，主要高科技公司（IBM、微軟、谷歌、亞馬遜、英特爾、霍尼韋爾）對量子計算的興趣與日俱增，許多年輕公司也紛紛提出量子計算解決方案，并采用了各種核心技術(shù)，包括超導(dǎo)設(shè)備、捕獲離子和集成光路。這些只是目前正在資助量子計劃并有意開發(fā)這項技術(shù)的眾多公司中的一部分。

然而，正如前文所述，要保持復(fù)合量子態(tài)的微妙特性，所面臨的挑戰(zhàn)取決于能否將這些器件與外部環(huán)境隔絕開來，以便在即使是極小量噪聲的情況下也能實現(xiàn)相干量子演化。因此，這些器件需要零點幾開爾文的超低溫，這也給設(shè)計能夠在如此低溫下良好運行的適當(dāng)材料帶來了挑戰(zhàn)。

雖然通用量子計算機(jī)仍是量子計算的長期挑戰(zhàn)，但含噪聲的中尺度量子（NISQ）器件是未來幾年可預(yù)見的目標(biāo)。物理學(xué)家可以利用這類器件開始有效地模擬復(fù)雜的復(fù)合量子系統(tǒng)，并研究物理實驗室尚未接觸到的奇異量子態(tài)。

下一步，NISQ 設(shè)備一旦可靠并得到充分發(fā)展，我們就需要用有效的量子糾錯（QEC）電路來支持主計算單元，從而克服計算過程中存在的噪聲所帶來的限制。這可能會為容錯量子計算開辟道路——而容錯量子計算需要涉及成千上萬甚至更多的量子比特。事實上，QEC需要大量的量子比特和邏輯門來實現(xiàn)。雖然研究重點是提高量子設(shè)備的性能和優(yōu)化量子運算，但許多企業(yè)家也對生產(chǎn)量子軟件解決方案感興趣。因此，預(yù)計許多投資者將投資于圍繞量子計算技術(shù)的初創(chuàng)公司，從這個角度看，人們對量子計算的興趣可能會增加。

醫(yī)藥投資者對量子計算的興趣已經(jīng)燃起。許多行業(yè)都可以從量子計算機(jī)和商業(yè)解決方案中受益：金融業(yè)、醫(yī)療保健、遺傳學(xué)、藥理學(xué)、交通運輸、可持續(xù)發(fā)展和網(wǎng)絡(luò)安全都是量子計算的直接受益者。量子計算的潛力已被銀行業(yè)所認(rèn)識。金融分析師經(jīng)常使用量子計算模型，這些模型包含了市場和投資組合運作的概率和假設(shè)。為此，量子計算機(jī)可以更快地處理數(shù)據(jù)，運行更好的前瞻性模型，并更準(zhǔn)確地平衡共軛期權(quán)。它們還可以幫助解決復(fù)雜的優(yōu)化問題，如投資組合風(fēng)險優(yōu)化和欺詐檢測。

根據(jù) IBM 公布的一項研究，該公司云計算平臺中的量子算法優(yōu)于經(jīng)典的蒙特卡羅模擬；量子解決方案在醫(yī)療保健領(lǐng)域大有可為；量子計算可以更快地進(jìn)行基因組分析，為每位患者制定個性化的治療策略，從而改進(jìn)個性化醫(yī)療方法 ?；蜓芯繒a(chǎn)生大量數(shù)據(jù)。因此，分析 DNA 信息需要大量的處理能力。目前，一些公司正在降低人類基因組測序所需的成本和資源；但是，一臺強(qiáng)大的量子計算機(jī)可能會大大加快篩選數(shù)據(jù)的速度，從而使基因組測序變得更加經(jīng)濟(jì)和可擴(kuò)展。

量子計算可能使藥物開發(fā)受益的另一個領(lǐng)域是蛋白質(zhì)折疊。這可能有助于加快藥物發(fā)現(xiàn)工作，使預(yù)測藥理化合物的影響變得更容易。

公鑰密碼系統(tǒng)是當(dāng)今通信的基礎(chǔ)。Rivest-shamir-Adleman（RSA）加密實際上是確保網(wǎng)絡(luò)數(shù)據(jù)傳輸安全的最常用密碼系統(tǒng)，其工作機(jī)制和安全性要求對大質(zhì)數(shù)進(jìn)行因式分解，這超出了當(dāng)前經(jīng)典計算的能力極限。然而，如上所述，利用shor因式分解算法的量子計算能力可能會使這種加密模型過時。因此，在過去幾十年中，為在量子計算時代建立安全的密碼系統(tǒng)而進(jìn)行的研究和投資不斷增加，而且對未來幾年的預(yù)測顯示，這種興趣還將增長，例如，東芝公司的量子密碼學(xué)收入目標(biāo)是到 2030 年達(dá)到 30 億美元。與此同時，在努力設(shè)計和實施有效的量子密鑰分發(fā)（QKD）協(xié)議的同時，美國國家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）也發(fā)布了關(guān)于后量子加密標(biāo)準(zhǔn)的建議：它已開始申請、評估和標(biāo)準(zhǔn)化一種或多種可抵御量子硬件竊聽的公鑰加密算法。

還有人提出將量子計算機(jī)應(yīng)用于環(huán)境領(lǐng)域，希望量子計算能為應(yīng)對氣候危機(jī)開辟新的途徑，識別和優(yōu)化有助于應(yīng)對全球變暖和其他氣候變化影響的過程。

量子人工智能圖示

在管理大量數(shù)據(jù)方面，量子計算比經(jīng)典計算更有效。量子算法是在量子計算的現(xiàn)實模型上執(zhí)行的數(shù)學(xué)算法；量子計算電路是最常用的模型。量子計算系統(tǒng)的狀態(tài)可視為支持特定實現(xiàn)的物理量子態(tài)中編碼的信息。量子信息論基于這些基本對象：量子比特（信息單位）、量子門（對量子比特進(jìn)行操作的設(shè)備），以及連接門和電路以保持量子疊加和糾纏的量子通道。量子計算機(jī)能夠處理的數(shù)據(jù)量是傳統(tǒng)計算機(jī)的數(shù)倍，因為它們本質(zhì)上包含并管理著復(fù)合量子系統(tǒng)的張量乘積結(jié)構(gòu)。

要為量子優(yōu)勢的發(fā)展提供一個可預(yù)見的未來，并準(zhǔn)確地知道我們將如何以及何時獲得量子優(yōu)勢的完整而深入的應(yīng)用，仍然是一件非常困難的事情；但我們有理由說，量子計算的指數(shù)級加速將涉及所有需要管理大量數(shù)據(jù)的問題，如模式識別或機(jī)器學(xué)習(xí)模型的訓(xùn)練。

機(jī)器學(xué)習(xí)模型的訓(xùn)練，就像強(qiáng)化學(xué)習(xí)一樣，其有效性在很大程度上取決于代理與環(huán)境互動的學(xué)習(xí)速度：它們進(jìn)行互動，獲得一些反饋，然后根據(jù)收到的反饋調(diào)整（學(xué)習(xí)）自己的行為。

生物識別和自動駕駛是可以利用 QAI 處理工作負(fù)載的兩個重要實例。量子計算機(jī)可以在比傳統(tǒng)計算機(jī)更短的時間內(nèi)處理更多數(shù)據(jù)，這一事實揭示了 QAI 的概念。QAI 涉及量子計算與人工智能的結(jié)合，以實現(xiàn)比經(jīng)典人工智能更優(yōu)越的性能。強(qiáng)化學(xué)習(xí)（RL）是人工智能的一個成熟分支，其目的是通過代理的試錯使獎勵最大化；可以肯定的是，將強(qiáng)化學(xué)習(xí)與量子計算相結(jié)合將帶來計算系統(tǒng)的巨大進(jìn)步。隨著量子計算機(jī)加速機(jī)器學(xué)習(xí)，其潛在影響必將是巨大的。

量子計算快速執(zhí)行任務(wù)的能力可能有助于人工智能系統(tǒng)的應(yīng)用，例如在與自動駕駛有關(guān)的問題、自然語言處理（NLP）算法，以及在傳統(tǒng)方法極其耗時和昂貴的任務(wù)中。實現(xiàn)“意義感知”是量子算法的一個目標(biāo)。為了建立實時語音模式，這些算法可以使用短語和段落。值得注意的是，預(yù)測分析是人工智能的關(guān)鍵應(yīng)用和商業(yè)用例。海量數(shù)據(jù)可用來訓(xùn)練擅長機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的人工智能系統(tǒng)。然而，股票市場預(yù)測和氣候變化控制系統(tǒng)等復(fù)雜而模糊的問題需要利用糾纏和疊加的量子原理創(chuàng)建獨特的數(shù)據(jù)。

用于量子計算機(jī)的人工智能算法或量子人工智能（QAI）的新發(fā)現(xiàn)有望帶來推動氣候變化科學(xué)發(fā)展所需的關(guān)鍵突破。預(yù)計這項研究在天氣和氣候預(yù)測方面的改進(jìn)將對廣泛的社會經(jīng)濟(jì)優(yōu)勢產(chǎn)生連帶影響。例如，美國國家航空航天局（NASA）建立了量子人工智能實驗室（QuAIL），致力于研究在 NASA 任務(wù)中使用量子計算機(jī)和算法解決機(jī)器學(xué)習(xí)問題的可能性。

由于量子計算的存在，納米技術(shù)和納米科學(xué)也可能被整合到人工智能中，用于分子、原子和亞原子級別的超小型微觀設(shè)備。量子物理學(xué)在納米技術(shù)中的應(yīng)用。

量子設(shè)備的機(jī)器學(xué)習(xí)應(yīng)用已經(jīng)在開發(fā)中，希望利用量子計算加快機(jī)器學(xué)習(xí)模型的訓(xùn)練，并產(chǎn)生更科學(xué)的學(xué)習(xí)算法。即使在全面的量子計算解決方案準(zhǔn)備就緒之前，機(jī)器學(xué)習(xí)和人工智能也可能從量子計算技術(shù)的改進(jìn)中受益。因此，預(yù)計量子機(jī)器學(xué)習(xí)（QML）領(lǐng)域?qū)⒅饾u興起，緊隨其后的是自適應(yīng)量子機(jī)器學(xué)習(xí)（Adaptive Quantum Machine Learning），它將能夠利用量子計算自適應(yīng)地實現(xiàn)自我學(xué)習(xí)。

盡管量子計算目前仍處于起步階段，但從商業(yè)和經(jīng)濟(jì)角度來看，現(xiàn)在正是初創(chuàng)企業(yè)加入這條道路的絕佳時機(jī)。我們經(jīng)濟(jì)的未來不是由加密貨幣決定的，而是由量子計算解決方案決定的。文章來源地址http://www.zghlxwxcb.cn/news/detail-653119.html

到了這里，關(guān)于下一代計算：嵌入AI的云/霧/邊緣/量子計算的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！