互联网云计算技术，联网计算云技术有哪些，云计算互联网

hwyzw

    在 4×100 的接力赛里，教练会对每位队员的特点进行分析。然后，让每位队员去完成不同的赛段。这样做的目的是充分发挥每位队员各自的优势。最终，通过协同合作来打赢比赛。

    在万物互联的这个“赛道”当中，云计算以及雾计算等这些计算方面的“选手”，它们各自都有自己的长处。可是，有的时候单个的“选手”并不能够满足那些需求各不相同的应用场景，那该怎么办呢？

    “混合计算”起到了协调每位“队员”的“教练”作用。在 2019 年中国（北京）国际服务贸易交易会日前举办期间，关于《“混合计算”赋能金融科技》的演讲引发了热议。

    “混合计算”到底是什么呢？它又有哪些应用呢？记者针对这些问题采访了相关领域的专家。

    万物互联时代需要更强算力

    据测算，在 2020 年的时候，全球联网设备的数量能够达到 500 亿台；到了 2025 年，万物互联的销售收入会达到 1.6 万亿美元；到 2030 年，物联网所产生的数据量将会达到 4.4ZB（泽字节）。

    当前数据从消费端流向生产端，从设备延伸至数据本身，万物互联市场呈现出爆发式增长的态势。同时，大数据和物联网技术对数据处理能力有着很高的要求，这就需要将算力充分挖掘出来。复旦大学大数据试验场研究院以及上海市数据科学重点实验室的副研究员张帆在接受记者采访时如是说道。

    福建工程学院科研处处长、福建省北斗导航与智慧交通协同创新中心主任邹复民教授介绍说，“混合计算”的目的是借助 5G 的万物互联能力，将云计算、雾计算、边缘计算等计算方式综合运用起来，以达成高效协同计算的效果。“混合计算”这一概念最早是由蒋志祥在 WMIC 2018 世界移动互联网大会上提出的。这一概念的形成，历经了多年的发展。

   

    谈到技术原理时，张帆表示，“混合计算”借鉴了异构计算的思想，即利用不同的计算资源来处理适合该结构的任务。异构计算这个概念提出的时间较为早，然而由于受到实现条件的限制，直到近些年才取得了巨大的发展。

    随着万物互联市场不断发展，产业界慢慢意识到单一的计算方式无法解决所有问题。基于此，各大厂商针对不同计算方法展开了积极的探索：英特尔公司在 2015 年完成了对阿尔特拉公司的收购，并且开始着手开发芯片内可重构技术；赛灵思公司在 2015 年使编程环境实现了统一；百度在 2016 年开始推动“百度大脑项目”，试图在一个计算体系内让多种算力进行混合……

    2018 年 1 月 4 日，工业互联网产业联盟正式发布了《工业互联网平台白皮书（2017）》。此白皮书当中关于工业互联网平台功能架构图的内容，已经初步阐述了边缘计算和云计算进行协同计算的理念。并且，华为、西门子等公司也在针对“边云协同”持续地展开探索。

    将各类计算方法进行排列组合

    在不同的应用场景中，云计算展现出的优势与雾计算、边缘计算等不同。云计算在某些应用场景有其独特优势，雾计算在另外一些应用场景有其优势，边缘计算在又一些应用场景有其优势，它们各自的优势在不同的应用场景中有所差异。

    邹复民以智慧交通应用场景为示例进行介绍。车辆处于自动驾驶状态时，若要启动防碰撞紧急制动装置，那么计算平台必须在毫秒级别内做出判断，此过程需应用边缘计算技术；而对于交通拥堵分析以及智能诱导功能，是应用了云计算技术，即通过云计算中心对交通大数据进行综合分析与挖掘，从而得出最终的诱导方案。

    张帆认为，早前的单个计算方法是不同的。“混合计算”把各类计算方法进行排列组合，构建出某领域专用的高效应用组件，这样就能更好地满足无线互联、视频处理、图像识别、智能制造等多领域的高效处理需求。

    张帆举例说，在网络视频业务的场景里，工作人员能够协同地使用边缘计算这种计算方式，同时也能使用云计算这种计算方式。比如，在进行直播推流的时候，第一步是利用云计算技术来对数据进行处理。先把数据存储起来，接着再收集数据。之后，能够利用边缘计算在就近的节点进行转码和分发操作。这样做减少了对云计算中心的压力，节省了中心的带宽成本。并且同时实现了网络的低时延，从而提高了直播的质量以及用户的观看体验。

    再如，在无人驾驶领域，能够综合运用边缘计算、云计算以及人工智能（AI）技术。具体而言，利用边缘计算的传感器来收集数据，接着把这些数据发送到云端，同时在云端实现传感器的融合以及虚拟世界模型的更新。而人工智能（AI）则在“云”中确定相应的行动计划，并且通过云端向汽车发布控制命令。

   

    邹复民称，“混合计算”的技术平台能够部署在各类应用中，包括消费级的各类应用，也包括智慧城市级的各类应用，还包括农业溯源区块链的各类应用，以及未来增长最为显著的工业互联网各类应用。

    在技术和应用层面存在诸多挑战

    邹复民表示，“混合计算”目前主要还处于概念阶段，尚未见到成熟的技术方案和框架。并且，要真正达成各种计算协同的“混合计算”，在技术以及应用层面，都面临着许多挑战。

    连接设备数量急剧增加，网络管理、灵活扩展以及可靠性保障等方面都遭遇着极大的挑战。张帆举例称，拿工业互联网来说，其中有大量的异构总线以及多种制式的网络，这些网络在兼容多种连接的同时，还得确保连接的实时性与可靠性。在此情形下，若要实现数据协同，就需要进行跨厂商、跨平台的集成与操作。

    面对海量且复杂的应用环境，要将任务准确且完整地下达给各计算节点；在计算节点计算之后，要将有效信息整合到任务中进行反馈……这些方面都是对“混合计算”协同能力的重要考验指标。

    在万物互联的场景下，涉及访问控制与威胁防护等安全问题的挑战大幅增多。安全和隐私如何得到保证呢？如何抵御攻击呢？这些都是安全领域需要关注的重点内容。张帆说。

    张帆认为，针对应用层面存在的障碍，在“混合计算”中，各种计算协同工作后，其应用场景会越来越多且越来越复杂。例如在车联网应用中，多种传感器和采集器会协同，汽车之间会协同，汽车端与云端之间也会协同，这些场景会越来越复杂。

    张帆指出，在万物互联时代，“混合计算”要实现在不同应用场景落地，仅靠 5G 的高速率和低延时是远远不行的。在未来，随着网络通信能力提升，“混合计算”各种协同问题得以解决，产业链也逐渐完善，“混合计算”的能力才能得以充分发挥，从而为各类应用场景赋能。