1月2日最新消息,我么都知道,2020年,除了基礎科研方面的突破,物聯網、AI、云計算等新興技術發展新動向,也同樣值得關注,我們一起來看看2020年將會由哪些技術發展新趨勢。
1.物聯網+工業的迎來爆發
隨著5G的落地、IoT設備數量的爆發、邊緣計算概念的提出,使得工業生產的各個要素,得以深度整合。
這將促進制造效率提高、產品質量改善、產品成本和資源消耗的降低,并將傳統工業提升到智能工業的新階段。
從當前技術發展和應用前景來看,物聯網在工業領域的供應鏈管理、生產過程工藝優化、產品設備監控管理、環保監測及能源管理、工業安全生產管理等方面,都發揮了巨大作用,其幫助人類實現了工控系統、通信系統和信息化系統的智能化融合。
通過物聯網+方案,制造企業將實現設備自動化、搬送自動化和排產自動化,進而實現柔性制造。同時,工廠上下游制造產線能實時調整和協同。這將大幅提升工廠的生產效率、及企業的盈利能力。
對產值數十萬億、乃至數百萬億的工業產業而言,提高5%-10%的效率,就會產生數萬億人民幣的價值。所以,物聯網+工業,必將在2020年迎來爆發。
2.AI+物聯網,使機器間大規模協作成為可能
傳統單體智能,無法滿足協調大規模智能設備共同完成實時感知和決策等工作。但隨著物聯網協同感知技術、5G高速通信技術的發展,多智能體之間的協同合作,將會成為可能。
多智能體協同,將使物聯網進一步智能化,并進一步強化智能系統的價值。比如,大規模智能交通燈調度,將實現動態實時調整;倉儲機器人協作,將完成貨物分揀的高效協作;無人駕駛車可以感知全局路況;群體無人機協同,將高效打通最后一公里配送,超大規模的智能終端合作成為可能。
3.計算存儲一體化,突破AI算力瓶頸
目前,深度學習需要采用規模非常龐大的網絡、存儲很多參數以及完成大量計算。同時,在這些計算過程中,會生成大量數據。
為完成這些計算,芯片設計中,會增加很多運算單元,如幾千到幾萬個運算單元。隨著運算單元數目的增加,每個運算單元能夠使用的存儲器的帶寬和大小都在減小。因此,存儲器會成為計算瓶頸。
由于深度學習并不屬于通用計算的范疇,馮·諾伊曼(John von Neuman)架構的存儲和計算分離,已經不適合數據驅動的人工智能應用需求。
頻繁的數據搬運,導致的算力瓶頸以及功耗瓶頸,已經成為更先進算法探索的限制因素。類似于腦神經結構的存內計算架構,將數據存儲單元和計算單元融合為一體,這樣能顯著減少數據搬運,提高計算并行度和能效。而計算存儲一體化,在硬件架構方面的革新,也將突破AI算力瓶頸。
4.云服務下沉,成為新十年的基礎設施
筆者在《神龍飛天,國士王堅》中,曾經介紹過在阿里神龍服務器和飛天操作系統的加持下,阿里、乃至整個云服務中的虛擬化層,所帶來的損耗,正在被不斷降低。
云服務憑借其標準化、彈性化的優勢,使得用戶只需專注應用開發,無需關注基礎設施及基礎服務。
而且,通過云原生的資源交付方式,計算效率、易用性、用戶的計算和運維成本都會得到優化。可以說,云服務變得像電力和自來水一樣無處不在,它還會成為數字經濟時代基礎設施。
最后,大家對這些2020年技術發展新趨勢有什么看法嗎?歡迎留言。
此文由 網站目錄_網站網址收錄與提交入口 編輯,未經允許不得轉載!: