新规实施：申请手机号码将全面实行人脸比对
06-18
作者：马跃辰山资本投资经理在当前通信不断演进和新兴应用的发展趋势下，网络与终端逐渐脱离与传统的二维网络相比。在元系统中，一些网络功能正在下沉，而一些终端功能正在逐渐上移。
我们可以看到，在一些特定场景下，终端侧拥有丰富强大的计算和存储能力，对网络功能的需求相应减弱。在其他场景下，网络侧也拥有高效的计算能力和出色的灵活性，对终端特定功能的要求实际上降低了。
随着5G网络的推出和边缘计算的发展，我们预计网络和终端的功能和边界将不断交互和融合。本文主要讨论胖终端和瘦终端服务形态的演进，以了解边缘网络未来可能的发展趋势。
胖终端和瘦终端的定义。典型的计算机通信系统一般采用服务器-客户端(Server-Client)架构。
在传统PC时代，计算机往往作为客户端存在。这种客户端有很多本地功能。
具有存储和计算能力的设备通常被称为胖客户端（Rich/Thick Client）；相应地，如果设备配置比较瘦，主要是具有显示和低计算能力功能的客户端实体，则称为瘦客户端。事实上，目前“终端”的含义已经远远超出了传统的客户端，而已经扩展到任何“近场”实体，包括常见的消费电子产品、视频监控设备、物联网系统设备、车联系统等。
各种形式的通信或功能实体，例如模块。 ▲ Pixabay “终端”没有标准定义。
回到本质，区别主要来自硬件和应用两部分： 胖终端：举个更极端的例子，胖终端设备有自己的硬盘、RAM、控制计算单元，可以运行计算和存储通过安装成熟的操作系统。程序，甚至近场AI算力，都具备完整的计算能力。
这类设备需要从网络获取连接、数据和服务，并且按需请求即可。瘦终端：另一个极端的例子是终端只有最基本的硬件设施和轻量级的轻操作系统。
它的所有功能都必须通过互联网/云端来实现。终端本身通常只具有基本的显示或基本的计算存储能力。
简单对比如下： 胖瘦终端与边缘的融合场景 乔布斯首先提出了胖网络（云服务）+胖终端（Rich Client）的概念：通过引入云服务，将部分算力上移，而功能实体会被拆分成更小的服务，通过多个服务器强大的搜索和分析能力，将最终需要的结果推送到终端，比如Siri服务。另一方面，苹果也在通过芯片迭代和强大的端侧应用不断提升机器的计算和通信能力。
▲ 史蒂夫·乔布斯和比尔·盖茨在 D5 峰会上的对话截图。随着云的强大和网速的提升，瘦终端被越来越多的应用所采用。
事实上，瘦终端和胖终端都有大量的用例。比如最近火热的云游戏，将AR/VR渲染放在云端，大大降低了终端的复杂度。
另一个例子是家用盒子。本地低成本终端仅保留必要的硬件，所有计算和存储服务均移至云端。
这些典型的瘦终端通过算力上移，降低了硬件购买门槛，释放出强大的终端购买力。在一些To B场景中，比如智能监控，摄像头叠加额外的AI算力，形成“胖终端”，图像识别通过外设放置在本地。
一方面，它减少了延迟，另一方面，它减轻了对网络连接的需求。和容量要求。
另一个有趣的例子是家庭NAS（网络附加存储）服务器，它可以提供文件服务器同步、数据备份、多媒体中心等功能。从家庭角度来看，相当于家庭私有边缘云。
但另一方面，在对外连接方面，家庭NAS服务器相当于一个胖终端，完成与外界的网络连接，但存储和计算却在本地完成。事实上，胖终端和瘦终端的应用场景非常通用，可以根据需要部署介于两种极端情况之间的中间状态。
随着边缘计算在传统CDN服务基础上不断泛化和衍生，传统云服务与终端之间将建立缓冲通道，同时提供连接能力，成为终端与网络灵活融合的重要组成部分功能。一环。
这就形成了胖/瘦终端、胖/瘦网络和边缘层，其本质是计算能力、存储和应用能力在整个通信链路上的灵活重新分配。越来越多的应用场景模糊了终端、边缘、网络的概念和边界。
从实用价值来看，未来适合各个场景的集成解决方案将会不断涌现。边缘AI现状：实施因素复杂多样。
胖瘦终端的应用很大程度上跟随了AI技术的应用并逐渐普及。但边缘（网络边缘和设备边缘）AI在实施过程中也有很多现实因素需要考虑：云端AI成本高、前端设备复杂多样。
AI计算需要运营商拥有极高的计算能力，而往往云设备本身的成本就是一个问题。在终端侧，如果要对现有设备进行AI改造，也会面临设备类型不同、现有解决方案架构不同等各种问题，很难有统一的框架来解决。
云训练和设备端推理之间需要密切交互。 AI训练的过程往往需要大量的数据计算，因此主要在云端完成。
随着终端能力变得更强，部分算力被降低，让终端推理能够快速反馈本地得到的结果，进一步优化模型。不同的AI解决方案需要针对不同的现有网络和云提供一定的适配和迁移能力。
无论是胖终端还是瘦终端，还是边缘网络，连接能力都是至关重要的。这个“连接”的含义很广泛，可以是无线连接，也可以是有线接入。
不同的场景有非常不同的连接要求。比如工业场景要求高可靠性、低时延，而传统WiFi很难实现，所以5G就成了唯一的选择。
因此，在为客户提供解决方案时，如何将连接与计算融为一体，匹配终端、连接、边缘网络和AI本身的算力需求也是一个关键点。行业趋势：计算能力在网络中无处不在、灵活部署想象一个可能的场景：一个被屏幕、摄像头和传感器包围的世界。
信息流渗透到生活的各个方面。计算能力的普及也分布在无处不在的连接。
到每个功能实体。当你去餐厅时，桌面就是菜单屏幕。
它会自动连接到互联网并通知厨师您的需求。后台通过基于附近摄像头的人脸识别追踪，检索过去的喜好，自动推送当天的折扣……当你走进图书馆需要查资料时，数字图书会在AR中打开，并根据你的喜好自动分类过去的学习和工作经历……机械臂在工厂飞翔，装配线实时分析整合各种传感器采集的数据，及时根据需求优化流程和产量，分层决策各方面实时做出……上述高科技、高智能场景的背后，是无数分布在云端、边缘和终端的复杂操作和交互，涉及各种肥瘦终端、连接和云端解决方案。
这些方案的设计本质上是为了解决一个问题——分配终端和云端需要完成的任务。这种分配不仅会影响各个相关方的利益（比如手机厂商肯定不希望被云化），还会影响应用、AI等的安全性和鲁棒性，以及后期升级的灵活性并且必须考虑移植。
，解决方案的多样性和复杂性是必然趋势。 AI算力分布于全链路。
无论AI应用在消费场景还是行业场景，其未来的算力都将是多点协同。这就需要针对不同的问题场景有不同的解决方案，而这些解决方案需要能够解决异构适配和迁移能力，以便将来更好地利用旧的并实现向前兼容。
计算和存储比连接更有价值。连接始终是终端与网络之间的桥梁。
当连接越来越多，并且连接越来越长时间在线，同时大量连接提供数据传输通道时，其附加价值的重点就是计算。往往在边缘侧，重点是计算，因此如何整合廉价的连接和强大的计算是解决方案的关键。
无处不在的神经元提供网络与终端之间的连接的另一个必要条件是这种连接必须“触及全身”，这在实践中对边缘网络的可访问性提出了更高的要求。网络和终端的规模可以根据场景进行扩展，因此中间边缘层也应该有各个层次的触角，完成整个链路的资源合理分配。
新的服务方式 新的服务方式有两层含义。一是多功能终端的集合，二是新网络模式的探索。
例如，在终端侧集成摄像头和毫米波雷达，通过两方面的数据融合，可以在大规模运动物体的成像和监控方面取得更好的效果。对于网络设施而言，设备通用化浪潮的到来促使边缘网络尝试更灵活的运营方式，例如带宽扩展、租赁服务等。
总结：胖/瘦终端的变化其实与网络能力密不可分，根据业务场景不同，需要解决的关键环节也不同。未来，终端、边缘云、云的网络架构和计算资源配置将适应场景的需求，呈现出复杂多变、弹性灵活的特点。
虽然目前各个层面的区分还有些模糊，但未来这个庞大网络的建设和运营肯定需要多方的参与，而这个网络中是否会涌现出具有领导能力的创新企业，我们也将拭目以待。过程。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
最新文章
【玩转GPU】ControlNet初学者生存指南
【实战】获取小程序中用户的城市信息（附源码）
包雪雪简单介绍Vue.js：开学
Go进阶：使用Gin框架简单实现服务端渲染
线程池介绍及实际案例分享
JMeter 注释 18 - JMeter 常用配置组件介绍
基于Sentry的大数据权限解决方案
【云+社区年度征文集】GPE监控介绍及使用