计算的未来将变得更大、更小、更智能，并在边缘脱颖而出
预测计算的未来有点像在一个平静无云的早晨预测一下午的大风和降雨，看起来似乎并不明显，但变革即将到来。它总是如此。
计算世界的变化将取决于主要云提供商现在所采取的策略以及不断扩大的技术公司生态系统如何被企业更广泛地采用。
计算公司在扩展云功能方面大胆思考，但这也意味着将更多处理能力投入更小的设备，人工智能和机器学习的大规模应用以及在边缘部署可行、高效的解决方案。
“在Microsoft，我们将云视为世界的计算机。”Microsoft Azure首席技术官Mark Russinovich在本周的一次亮相中说，这是MIT Technology Review的“计算未来”虚拟活动的一部分。
“我们如何定义统一的计算环境？理想情况下，开发人员应该编写一次代码并将其部署到整个范围。这是我们面临的重大挑战之一，仍有大量工作要做和创新。”
万亿级计算的兴起
如果云确实将成为世界的计算机，那么计算本身必须变得更大、更好和更快。
不受控制的数据增长以及对AI、仿真和建模工作负载的日益增长的需求共同创建了最终的关键任务工作流。
这将需要通过企业供应商引入的技术进行百亿亿次运算或高性能计算，例如惠普企业有限公司和Cray Inc.的组合资源。
百亿分之一秒（Exascale）被定义为每秒能够生成超过五百亿倍的双精度浮点计算的能力，现已扩展为现实，现在世界上有最快的超级计算机进入了“TOP500列表”。
百亿亿次计算领域的一项重要发展将是能够利用计算能力在计算机内外移动大量数据和应用程序的能力。
在HPE的Slingshot互连中可以找到一个例子，该互连可以通过在全球数据中心中运行的以太网通信来管理数据密集型工作流。
HPE高性能计算和关键任务解决方案总经理Peter Ungaro在MIT活动上的演讲中说：“我们正在构建这些系统，使其像超级计算机一样运行，但却像云一样运行。这是真正基础的新一代技术。”
建立互联网计算机
尽管高性能计算代表着扩展计算能力的主要趋势，但人们也在努力聚集力量来改变谁来控制服务器本身。
由加密代币销售和Andreessen Horowitz等投资者资助的Dfinity基金会正在寻求创造技术领域的最大变革之一：使互联网本身成为世界上最大的计算机。
Dfinity的互联网计算机概念是建立在分散的技术基础上的，而分散的技术由独立的数据中心推动。
在这些数据中心中，软件可以在互联网上的任何地方运行，而不是在由Microsoft、Amazon Web Services等主要云提供商控制的服务器上运行。
通过将计算网络的控制权从广告或收费服务提供商手中夺走，Dfinity设想将互联网回归其根基，成为自由市场，创新可以蓬勃发展。
Dfinity于去年向开发人员开放，并于9月公布了其治理系统和代币经济学。12月，它启动了其互联网计算机的主网。
Dfinity总裁兼首席科学家Dominic Williams说：“互联网计算机是互联网的扩展，使互联网从开放的无权限网络扩展为开放的无权限计算平台。它将不仅改变我们的工作方式，而且使我们能够以全新的方式进行创新。从现在开始的十年后，将非常清楚，互联网计算机将获得胜利。”
如果Williams的愿景确实变为现实，则可能对那些将专有云与本地数据中心架构结合在一起的公司产生重大影响。IBM公司是完全属于这种混合模式的一家公司。
通过在2018年以340亿美元的价格收购Red Hat Inc.及其OpenShift平台，IBM公司积极采取行动来占领混合云市场。
在本周的MIT活动中，IBM首席执行官Arvind Krishna明确表示，他的公司无意偏离该策略。
Krishna说：“混合动力是金钱所在，下一代架构正在发展。在公共工作量仅为20％的情况下，它应该移动得更快，而且事实并不能说明您对公共和私有基础结构都有大量需求。是阶段还是目的地？历史将证明谁是对的。”
将深度学习转移到设备
但是，计算的未来并不仅仅涉及大量的计算能力或全球分布式系统。
人们正在努力从传统上已处理过的大型系统中进行深度学习，并直接在设备级别将其小型化。
麻省理工学院的研究人员开发了一个名为MCUNet的系统，该系统设计了紧凑的神经网络，用于在“物联网”设备上进行深度学习。
在谷歌的学者和博士在AI先锋Song Han的主持下工作的一名学生Ji Lin提供了证据，显示了如何使用微控制器进行深度学习。
使用Lin所说的“微型NAS”或神经结构搜索和“微型引擎”来生成运行NAS所需的代码，研究人员能够在微控制器上对ImageNet数据库中70％以上的新颖图像进行分类。
诸如此类的进步将对人工智能和机器学习在企业计算以及将智能技术部署到边缘中产生影响。
机器学习加速可能会产生重大影响的一个领域是工业机器人技术。
Amazon.com Inc.开发了许多产品来支持这一领域，这家零售业巨头指出了自己的庞大的自动履行中心网络，这是使用模拟如何对机器人技术的训练数据产生重大影响的主要示例。
“我们的目标是从订购商品到将其放置在卡车上再运送到您的途中，需要20分钟的时间。”
AWS工程部副总裁Bill Vass说：“那些履行中心是根据仿真设计的，机器人制造商需要拥抱仿真和机器学习。到目前为止，他们这样做的速度很慢。”
基于云的平台即服务提供商ServiceNow Inc是一家全力投入使用AI和机器学习的公司。
该公司在过去一年中进行了四项与分析相关的收购，最近的一次收购是在12月购买了Element AI。
ServiceNow首席信息官Chris Bedi说：“我们已经看到了机器学习在整个企业中的广泛采用。作为技术人员，我们确实有机会将机器学习带入我们所做的一切。我坚信，它将为每家使用它的公司带来下一个指数级的生产力提升。”
在整个计算的未来中，贯穿整个讨论的一个共同主题是，人们普遍认为许多企业行为正在走向边缘。尚待确定的技术将使主要参与者在该领域具有竞争优势。
雷达的趋势之一是雾计算的概念，雾计算是一种位于云和边缘之间的分散式计算环境，可以在不限制设备或大型服务器基础设施的情况下操纵数据和应用程序。
思科系统公司（Cisco Systems Inc.）曾因在2014年创造了这个名词而声名鹊起，并一直在积极地围绕该术语建立解决方案。
有许多科技公司被认为是该领域的主要参与者，包括微软。
但是，在麻省理工学院活动期间的讨论中，微软的CTO表示了对雾的未来的怀疑态度。
Russinovich说：“我怀疑雾将成为边缘计算的通用架构，我们仍在弄清楚这些边缘拓扑将是什么样。”
无论如何挑选边缘技术，毫无疑问，新的5G无线标准的到来将在未来几年内影响计算的未来。
IBM的Krishna说：“5G将推动比我们以往更多的边缘计算，接下来的两到四年才能发挥出来。用Arthur C. Clarke的话来解释，技术在头三到四年内就使我们目瞪口呆，而在下一部分中，我们将完全不知所措。”
作者：Mark Albertson（SiliconANGLE）
翻译：Catherine
进Dfinity交流社群，请添加小助手微信：
comiocn
长按关注
Dfinity微信公众号
给你第一手资讯和项目信息
更可随时答疑解惑