存储技术颠覆仍在继续，超融合基础设施(HCI)市场也不例外。根据市场分析公司MarketsAndMarkets的一份报告，超融合基础设施(HCI)市场预计将在2018年至2023年间增长32.9%，达到171亿美元。这种增长的主要原因可能是由于超融合基础设施(HCI)为公司提供的优势，包括单一控制平面管理、通过减少机架空间和所需电力来实现绿色数据中心，以及提高灾难恢复能力等。超融合基础设施(HCI)继续加速其演进的下一个合乎逻辑的步骤是移动到网络边缘。随着对人工智能(AI)等数据用例的需求不断增长，难怪企业正在寻求边缘计算和超融合基础设施(HCI)以允许他们从项目一开始就捕获数据。通过将边缘计算与HCI融合，AI工具可以做出更明智的决策。为什么边缘计算很重要？人们可以用笔和纸做任何事情的日子已经一去不复返了。人们现在面临着跨行业的数字化，这意味着人们正在创造大量的数据，这些数据当然需要存储在某个地方。通常，这些数据存储在网络边缘的现场，而不是传统的数据中心架构中。边缘计算的关键在于它比传统的硬件存储占用更少的硬件空间。通过在网络边缘部署这种基础设施，它不仅可以处理和编译数据，还可以压缩大量数据，以便轻松将其传输到云端或另一个站点的集中式数据中心。此方法允许访问更接近数据创建位置的处理和审查数据，而不是试图将数据传输到更远的地方。这就是为什么边缘计算经常被各种分布式企业（如快餐店、超市、加油站）以及工业环境（如矿山和太阳能工厂）使用。应该注意的是，在网络边缘整理的数据通常未得到充分利用。以人工智能为例，虽然它仍处于起步阶段，需要大量资源来开发和训练其模型。但是，通过边缘计算，数据可以自由移动到云端。从那里，可以分析数据，训练AI模型，然后再缩小到边缘。人工智能生成这些模型的一种合乎逻辑的方法是利用数据中心或云计算。一个这样的例子是芯片制造商Cerebras，它正在努力加速深度学习。它最近推出了一种专为深度学习打造的新型“晶圆级引擎”。新芯片速度惊人，比最大的图形处理单元大56倍。然而，尽管它很大，但这确实意味着它消耗的功率如此之大，以至于大多数边缘部署都无法处理它。但仍有希望，因为企业将能够使用超融合基础设施整合边缘计算任务，从而使他们能够构建和充分利用数据湖。通过将数据放在数据湖中，企业可以将其用于所有应用程序的分析。机器学习方面还可以通过将其共享数据用于各种应用程序和设备来揭示新的见解。与边缘计算相比，超融合基础设施(HCI)结合了服务器、存储和网络，使其更易于使用。更不用说，它没有遇到过以前的配置或网络问题。此外，该平台还可以对分布在全国各地、网络形态、接口多样的大量边缘设备进行综合管理，这无疑降低了运营成本。将人工智能提升到一个新的水平智能家居设备、自动驾驶汽车和可穿戴技术的引入意味着人工智能已经在人们的日常生活中无处不在。根据研究公司Gartner的数据，到2022年，人工智能将继续蓬勃发展，80%的智能设备都包含设备上的人工智能功能。然而，AI数据收集的问题在于，大多数为其提供支持的技术都严重依赖云端，因此只能根据它在云端访问的数据得出结论。这会导致响应延迟，因为数据必须首先传输到云平台，然后才能返回到设备。对于像自动驾驶汽车这样需要即时决策的技术，任何滞后都会导致巨大的复杂性。这就是边缘计算在云计算中的优势所在，它可以将人工智能提升到一个新的水平。人工智能应用程序所需的任何数据都可以靠近设备，从而提高设备访问和处理数据的速度。依赖数据转换的AI设备从该应用程序中获益最多，因为它们并不总是能够连接到云平台，这需要访问带宽和网络可用性。将边缘计算与AI结合用于超融合基础设施(HCI)的另一个优势是它需要更小的存储量。超融合基础设施(HCI)的最佳操作特性是该技术能够在较小的硬件设计上运行。用不了多久，您就会发现公司推出了高度可用的超融合基础设施(HCI)边缘计算集群。人工智能要真正蓬勃发展，完全依赖于超融合基础设施（HCI）和边缘计算的协同工作，协同工作，因为这将意味着人工智能可以在最少的支持下发挥自己的优势。人工智能将能够充分利用其深度学习资产并提高其做出更好决策的能力。云计算技术的进步使人工智能可以在绝大多数技术设备（如智能电视）上使用。但正是超融合基础设施(HCI)和边缘计算的结合为AI提供了进入未知领域所需的手段，从而为所有公司提供更智能、更高效的解决方案。
