4种最安全的生物识别类型

数据中心的角色在不断演变。随着c加大对5G和物联网的支持力度，IT经理将注意力集中在边缘，并且将更多的容量和处理能力转移到更接近最终用户的地方。与此同时，他们也在重新评估数据中心的作用。

调研机构Gartner公司在2018年预测，到2025年，75%的企业生成的数据将在边缘创建和处理，而2018年这一比例只有10%。与此同时，数据量将会进一步提高。例如，一辆自动驾驶汽车每小时平均能输出4000 GB的数据。

网络服务提供商需要确定如何在不影响现有数据中心投资的情况下，更好地支持基于边缘的流量的巨大增长以及对数字延迟性能的需求。答案之一就是对东西向流量网络链路和对等冗余节点的大量投资，以及在创建数据时增强处理能力的问题。但是数据中心将扮演什么角色?

人工智能/ 机器学习反馈回路

超大规模和云计算规模的数据中心的未来业务案例在于其庞大的处理和存储能力。随着边缘活动逐渐升温，将需要数据中心的力量来创建使数据能够被处理的算法。在拥有物联网的世界中，人工智能(AI)和机器学习(ML)的重要性不可低估。数据中心在实现它方面所扮演的角色也不尽相同。

产生驱动人工智能(AI)和机器学习(ML)所需的算法需要大量的数据处理。核心数据中心已开始部署与张量处理单元(TPU)或其他专用硬件结合在一起的功能更强大的CPU。此外，人工智能(AI)和机器学习(ML)应用程序通常需要更加快速、更大容量的网络，而先进的交换层则为所有正在解决同一问题的服务器提供电源。人工智能(AI)和机器学习(ML)模型就是这种努力的产物。

在流程的另一端，需要将人工智能(AI)和机器学习(ML)模型放置在对业务影响最大的位置。例如，对于诸如面部识别之类的企业人工智能(AI)应用程序，超低延迟要求它们在本地部署，而不是在核心部署。但模型也必须定期调整，因此在边缘收集的数据随后会反馈到数据中心以更新和改进算法。

更加分散的协作环境

人工智能(AI)/机器学习(ML)反馈回路是数据中心将需要如何支持更加广泛和多样化的网络生态系统的一个示例。对于超大规模数据中心领域的参与者来说，这意味着要适应更加分散的协作环境。他们希望使客户能够在其平台的边缘上部署人工智能(AI)或机器学习(ML)，但不一定要部署在他们自己的数据中心设施中。

像AWS、微软和谷歌公司这样的云计算提供商现在正在将他们的云计算硬件部署到更靠近客户的位置，包括中心办公室和企业内部部署数据中心。这使客户能够使用超大规模数据中心和多种边缘设施在构建和运行基于云计算的应用程序。由于这些平台也嵌入到了许多运营商的系统中，因此客户也可以在运营商存在的任何位置运行其应用程序。该模型仍处于起步阶段，但为客户提供了更大的灵活性，同时使云计算提供商可以更好地支持边缘。

另一种由Vapor IO公司实现的生态系统方法提供了一种商业模式，其特点是具有标准化计算、存储和网络资源的托管数据中心。规模较小的客户(例如游戏公司)可以在客户附近找到虚拟机，并使用Vapor IO公司的生态系统运行其应用程序。像这样的服务可能在收入共享模式下运行，对于试图开发边缘服务生态系统的小企业来说，这可能是一个有吸引力的范例。
 

服务商的综合服务能力不断延伸。在云基础设施建设完成后，服务商除了帮助客户实现常规运维外，服务内容逐渐从IaaS层基础设施上升到PaaS层的容器、数据平台，深入研究客户的业务现状和需求，引导客户后续的上云、用云甚至是业务创新。

多云管理平台及服务需求增加。更多政府行业和国有大型集团倾向于选择一家服务商的多云管理平台及服务来统一管理已有的多云以及混合云，以期实现云资源的有机整合和跨云调度。随着未来更多的企业选择多云、混合云甚至边缘云，更多企业尤其是中小企业对中小规模的云管平台的需求会增加，实现公有云、私有云或者虚拟化数据中心的统一管理。

该机构分析师认为，疫情之下的云运营市场机遇与危机共存，泛政府行业需求的增加以及服务模式的不断完善、综合服务能力的不断延伸使得整个云运营市场朝更优化的方向发展。未来泛政府行业、制造、金融、能源、电信对云运营服务的需求会稳步攀升，这无疑给云运营服务商带来更多发展机会，但是定制化需求的增加、“云﹢AI﹢大数据”使能的智慧项目的增加以及远程运维、智能化运维、运维到端等需求的增加，为云运营服务商提出新的挑战。云运营服务商在积极扩展生态系统的同时，更应注重提高生态系统技术水平，实现生态系统与市场双赢的发展局面。

（编辑：伊春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!