存儲技術的破壞是持續不斷的，超融合基礎設施(HCI)市場也不例外。根據市場分析機構MarketsAndMarkets公司的報告，超融合基礎設施(HCI)市場預計在2018年至2023年之間增長32.9%，達到171億美元。

[[312839]]

這一增長的主要原因可能是由于超融合基礎設施(HCI)為公司提供的優勢，包括單一控制面板管理，通過減少機架空間和所需電源來實現綠色數據中心以及改進的災難恢復能力等。

超融合基礎設施(HCI)繼續加速其發展的下一個邏輯步驟是移至網絡邊緣。隨著對諸如人工智能(AI)之類的數據使用實例的需求不斷增長，難怪企業正在尋求邊緣計算和超融合基礎設施(HCI)，以使他們能夠從項目的一開始就捕獲數據。通過將邊緣計算與HCI融合在一起，人工智能工具可以做出更明智的決策。

為什么邊緣計算很重要?

人們用紙和筆所做的一切的日子已經一去不復返了。人們現在面臨著跨行業的數字化，這意味著人們正在創建大量的數據，當然這些數據需要存儲在某個地方。通常，這些數據存儲在網絡邊緣的現場，而不是傳統的數據中心架構。

邊緣計算的關鍵在于它比傳統的硬件存儲占用更少的硬件空間。通過在網絡邊緣部署這一基礎設施，它不僅能夠處理和編譯數據，還能夠壓縮大量數據，以便輕松地將其傳輸到云中或另一個站點的集中數據中心。

此方法授予訪問權限，以便更接近創建數據的位置來處理和審閱數據，而不是試圖將數據傳輸到更遠的位置。這就是為什么邊緣計算經常被各種分布式企業(如快餐店、超市、加油站)以及工業環境(如礦山和太陽能工廠)使用。

應當指出的是，在網絡邊緣整理的數據往往沒有得到充分利用。以人工智能為例，盡管它還處于發展之初，需要大量的資源來開發和訓練它的模型。然而，有了邊緣計算，數據可以自由地移動到云中。從那里可以分析數據，并訓練人工智能模型，然后再將其擴展回邊緣。人工智能生成這些模型的合理方式是利用數據中心或云計算。

芯片廠商Cerebras公司就是這樣的一個例子，該公司致力于加速深度學習。它最近推出了新的“晶圓級引擎”，該引擎專門為深度學習而構建。這款新芯片的速度非常快，比最大的圖形處理單元大56倍。然而，盡管它的尺寸很大，但這確實意味著它的功耗很高，以至于大多數邊緣部署都無法處理它。

但是仍然有希望，因為企業能夠使用超融合基礎設施合并邊緣計算任務，從而使他們能夠構建和充分利用數據湖。通過將數據放置在數據湖中，企業可以使用它對所有應用程序進行分析。機器學習方面還可以通過針對各種應用程序和設備使用其共享數據來揭示新見解。

與邊緣計算相比，超融合基礎設施(HCI)將服務器、存儲和網絡結合在一起，使其更易于使用。更不用說，它沒有面臨以前的配置或網絡問題。除此之外，該平臺還可以對分布在全國各地、具有多種網絡形式和接口的大量邊緣設備進行綜合管理，無疑降低了運營成本。

把人工智能提升到一個新的水平

智能家居設備，自動駕駛汽車和可穿戴技術的推出意味著人工智能已經在人們的日常生活中普遍存在。據調研機構Gartner公司稱，到2022年，人工智能將繼續蓬勃發展，其中80%的智能設備將包含設備上的人工智能功能。

然而，人工智能的數據收集問題在于，為其提供動力的大多數技術都嚴重依賴于云，因此只能根據其在云中訪問的數據得出結論。這將導致延遲響應，因為在返回設備之前，數據首先必須傳輸到云平臺。對于像自動駕駛汽車這樣需要即時決策的技術來說，任何滯后都可能導致巨大的復雜性。

這就是邊緣計算在云計算中占上風的地方，它可以將人工智能提升到下一個層次。人工智能應用所需的任何數據都能夠駐留在設備的附近，因此增加了它能夠訪問和處理數據的速度。依賴于數據轉換的人工智能設備從這個應用程序中受益最大，因為它們并不總是能夠連接到云平臺，因為云計算需要訪問帶寬和網絡可用性。

使用用于超融合基礎設施(HCI)的人工智能合并邊緣計算的另一個優勢是，它需要更少量的存儲空間。關于超融合基礎設施(HCI)的最佳操作功能是，該技術能夠在規模較小的硬件設計中起作用。很快就會發現公司推出高度可用的超融合基礎設施(HCI)邊緣計算集群。

為了使人工智能真正蓬勃發展，它完全依賴于超融合基礎設施(HCI)和邊緣計算來相互配合和協同工作，因為這將意味著人工智能可以發揮自己的優點，而只需要很少的支持。人工智能將能夠充分利用其深度學習資產，并提高其做出更好決策的能力。

云計算技術的進步已經使人工智能能夠在諸如智能電視之類的絕大多數技術設備上進行訪問。但是，正是超融合基礎設施(HCI)和邊緣計算的結合為人工智能提供了進入未知領域所需的手段，為所有公司提供更智能、更高效的解決方案。