相關(guān)預(yù)兆信號(hào)包括：

? 有計(jì)算能力的設(shè)備的激增，如可穿戴設(shè)備、自動(dòng)駕駛汽車/智能汽車或智能家居

? 專門用于神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)的專用集成電路（ASIC）得到廣泛應(yīng)用，如 Google 的 TPU（張量處理單元）

? 移動(dòng)設(shè)備的處理器進(jìn)步顯著，例如蘋(píng)果的 M1 等低功耗芯片

? 本地混合云產(chǎn)品（例如亞馬遜的 Amazon Outposts）激增，提供具有一致云 API 的低延遲解決方案

? 量子計(jì)算機(jī)實(shí)際應(yīng)用進(jìn)入開(kāi)發(fā)階段。如密碼學(xué)、醫(yī)學(xué)研究、在金融和供應(yīng)鏈管理中發(fā)現(xiàn)的復(fù)雜優(yōu)化問(wèn)題等

機(jī)會(huì)

企業(yè)可以通過(guò)做出明智的計(jì)算選擇，來(lái)優(yōu)化 IT 成本，并且為消費(fèi)者提供更快響應(yīng)服務(wù)。在企業(yè)環(huán)境中，并非所有部署方案都能達(dá)到相同效果。

盡管云計(jì)算容易實(shí)現(xiàn)高可用，但數(shù)據(jù)的實(shí)際位置和處理方式依然重要。創(chuàng)新的網(wǎng)絡(luò)技術(shù)無(wú)法克服基礎(chǔ)的物理問(wèn)題；與部署在本地甚至部署在家庭或工作場(chǎng)所的數(shù)據(jù)中心相比，部署在地球另一邊的數(shù)據(jù)中心延遲總是會(huì)更高。

這意味著，根據(jù)您選擇在何處放置數(shù)據(jù)、如何移動(dòng)數(shù)據(jù)以及如何使用數(shù)據(jù)進(jìn)行計(jì)算，成本和客戶體驗(yàn)將會(huì)千差萬(wàn)別。選擇最合適的硬件（包括芯片類型、大小和內(nèi)存）將直接影響所需的實(shí)例或虛擬機(jī)的數(shù)量。一些應(yīng)用領(lǐng)域（醫(yī)療保健、金融服務(wù)、電信和工業(yè)物聯(lián)網(wǎng)）要求延遲更低，集中式平臺(tái)無(wú)法滿足這種要求，因此就需要配置更多的本地計(jì)算資源。

無(wú)論采用何種資源架構(gòu)，務(wù)必牢記，最終客戶將會(huì)認(rèn)為這些都是您的責(zé)任。消費(fèi)者希望他們的聯(lián)網(wǎng)設(shè)備能正常工作，如果由于云提供商宕機(jī)，他們無(wú)法按響門鈴或是解鎖聯(lián)網(wǎng)汽車，他們會(huì)責(zé)怪門鈴供應(yīng)商或汽車供應(yīng)商，而不會(huì)歸咎于提供底層計(jì)算的公司。

我們所看到的當(dāng)前形勢(shì)

工業(yè)機(jī)械往往擁有很長(zhǎng)的使用壽命，而老式設(shè)備很少能及時(shí)提供其狀態(tài)和運(yùn)行狀況信息。由于缺少這些實(shí)時(shí)信息，操作員就無(wú)法快速應(yīng)對(duì)工況變化。我們的一個(gè)客戶就希望改變這種現(xiàn)狀。為此，我們?yōu)樵摽蛻舸蛟炝艘粋€(gè)物聯(lián)網(wǎng)和公共云平臺(tái)，用以實(shí)現(xiàn)智能數(shù)據(jù)收集和分析，從而讓他們的客戶能夠?qū)崟r(shí)洞悉其機(jī)械運(yùn)行狀況。利用這個(gè)解決方案，我們得以將機(jī)械的使用壽命延長(zhǎng)了 70% 并且將以往那種情況導(dǎo)致的停產(chǎn)時(shí)間削減了一半。

采納：當(dāng)下存在的技術(shù)，正在業(yè)界得到充分利用。

——邊緣計(jì)算：自動(dòng)駕駛汽車、醫(yī)療監(jiān)控、智能家居和智慧城市以及增強(qiáng)現(xiàn)實(shí)都依賴于基于云的強(qiáng)大計(jì)算和數(shù)據(jù)存儲(chǔ)，但需要低延遲才能保持安全高效。邊緣計(jì)算使數(shù)據(jù)存儲(chǔ)和處理更接近設(shè)備位置，而不是依賴可能部署在數(shù)千公里外的數(shù)據(jù)中心。對(duì)于更多樣化和更復(fù)雜的部署場(chǎng)景，請(qǐng)進(jìn)行謹(jǐn)慎規(guī)劃。仔細(xì)考慮與復(fù)雜體系結(jié)構(gòu)和遠(yuǎn)程體系結(jié)構(gòu)相關(guān)的管理、監(jiān)控和測(cè)試挑戰(zhàn)。

分析：受到關(guān)注的技術(shù)，但依賴不同行業(yè)和應(yīng)用場(chǎng)景。

——數(shù)字孿生：數(shù)字孿生模型是一種過(guò)程、產(chǎn)品或服務(wù)的虛擬模型，可同時(shí)進(jìn)行仿真和數(shù)據(jù)分析。您可以將 3D 可視化與實(shí)時(shí)數(shù)據(jù)相結(jié)合，從而了解那些您無(wú)法看到的設(shè)備的情況。例如，通用電氣公司的噴氣發(fā)動(dòng)機(jī)包含大約 24 個(gè)物理傳感器，但其數(shù)字孿生模型可以對(duì)幾百個(gè)虛擬傳感器進(jìn)行計(jì)算，從而改進(jìn)了維護(hù)，提高了安全性和效率。如果數(shù)字孿生適用于您，您的效率將得到巨大的提高。

預(yù)測(cè)：成熟度欠缺的技術(shù)，可能在未來(lái)幾年產(chǎn)生重大影響。

——神經(jīng)形態(tài)芯片：神經(jīng)形態(tài)芯片由人工神經(jīng)元和突觸組成，可以復(fù)制大腦的工作方式，整個(gè)處理過(guò)程完全在芯片中進(jìn)行。與其他芯片相比，這種芯片使用的能源要少得多，因?yàn)榕c人腦一樣，它們不需要處理器在數(shù)據(jù)進(jìn)出內(nèi)存時(shí)處于空閑狀態(tài)。此外，其并行性利用程度更高，甚至高于 GPU 和其他專用系統(tǒng)。這種計(jì)算策略既可以加快處理速度，又能顯著
節(jié)約能源。

對(duì)采納者的建議

評(píng)估用于部署軟件的所有硬件選項(xiàng)：評(píng)估用于部署軟件的所有硬件選項(xiàng)，放開(kāi)心態(tài)使用非顯而易見(jiàn)的選項(xiàng)。盡管使用云平臺(tái)可以輕松地調(diào)配服務(wù)器，但這些服務(wù)器的硬件配置可以而且應(yīng)該根據(jù)在其上運(yùn)行的應(yīng)用程序進(jìn)行調(diào)整。

投資允許組件獨(dú)立部署的軟件架構(gòu)模式：投資允許組件獨(dú)立部署的軟件架構(gòu)模式，即使您一開(kāi)始并不會(huì)在單獨(dú)的集群或數(shù)據(jù)中心進(jìn)行部署。這意味著采用去中心化的身份驗(yàn)證、授權(quán)和數(shù)據(jù)。這樣一來(lái)，您就可以根據(jù)需要將服務(wù)移至邊緣計(jì)算中，以支持系統(tǒng)的發(fā)展。

在使用分布式計(jì)算時(shí)，請(qǐng)仔細(xì)衡量您的網(wǎng)絡(luò)成本：在使用分布式計(jì)算時(shí)，請(qǐng)仔細(xì)衡量您的網(wǎng)絡(luò)成本，以確定從距離用戶更近的位置提供哪些服務(wù)會(huì)更為有利。在這個(gè)衡量過(guò)程中，一定要考慮增加的維護(hù)成本。

投資改善您的分布式系統(tǒng)構(gòu)建能力：大多數(shù)企業(yè)默認(rèn)使用集中式或單體式應(yīng)用程序，有時(shí)會(huì)缺乏構(gòu)建現(xiàn)代系
統(tǒng)的技能。

Dave Elliman，全球技術(shù)主管：到 2022 年，企業(yè)將認(rèn)識(shí)到計(jì)算不再局限于某些機(jī)器或地點(diǎn)，也不會(huì)受到集中式或老舊模式的約束。由于有了更多選擇，在搭建系統(tǒng)和設(shè)備時(shí)，企業(yè)就能直接加強(qiáng)響應(yīng)能力，并使服務(wù)位置更接近客戶，從而服務(wù)可以被快速分發(fā)。

【下期預(yù)告：ThoughtWorks《科技棱鏡》報(bào)告之五： 競(jìng)合促使平臺(tái)走向生態(tài)系統(tǒng) ； 報(bào)告全文下載地址： https://app.ma.scrmtech.com/resources/ResourcePc/ResourcePcInfo?pf_uid=7019_1254&id=19017&source=1&pf_type=3&channel_id=800&channel_name=pr&tag_id=77cab6c968c1ce6f 】

xiesc