盡管如此，還有另一種不那么廣受關(guān)注但又同樣重要的AI復(fù)興趨勢(shì)，即AI技術(shù)被應(yīng)用于物聯(lián)網(wǎng)與邊緣計(jì)算場(chǎng)景當(dāng)中。根據(jù)StorCentric公司CEO Mihir Shah所言，這樣的趨勢(shì)代表著大數(shù)據(jù)的工作“對(duì)速度有著嚴(yán)格的要求，同時(shí)又必須配合良好的穩(wěn)定性。”

而所有這一切，都必須通過(guò)存儲(chǔ)底層來(lái)支撐——換言之，除了計(jì)算能力之外，存儲(chǔ)已經(jīng)成為AI在數(shù)據(jù)生態(tài)系統(tǒng)當(dāng)中發(fā)揮重要作用的另一支柱。存儲(chǔ)對(duì)于AI技術(shù)之所以不可或缺，是因?yàn)锳I巨大的計(jì)算量需要對(duì)數(shù)據(jù)進(jìn)行大規(guī)模快速訪問(wèn)，而這方面要求在邊緣計(jì)算與備份等實(shí)際場(chǎng)景中又顯得更加現(xiàn)實(shí)且突出。

當(dāng)配合理想的存儲(chǔ)容量時(shí)，AI的計(jì)算速度才能夠?yàn)橹T多有利于智能物聯(lián)網(wǎng)（IIoT）的前沿邊緣計(jì)算用例提供助力。

>>> 人臉識(shí)別

智能物聯(lián)網(wǎng)的存儲(chǔ)要求主要體現(xiàn)在邊緣計(jì)算應(yīng)用當(dāng)中。比如，美國(guó)國(guó)防部目前正在利用人臉識(shí)別等AI技術(shù)對(duì)偏遠(yuǎn)地區(qū)進(jìn)行管理，用以驗(yàn)證進(jìn)出設(shè)施的具體人員。很明顯，涉及高級(jí)機(jī)器學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)以及統(tǒng)計(jì)認(rèn)知計(jì)算等因素的人臉識(shí)別技術(shù)對(duì)存儲(chǔ)設(shè)備提出了特殊的要求，而這，也是確保其正常運(yùn)作的基礎(chǔ)所在。Shah在提到國(guó)防部部署人臉識(shí)別方案時(shí)表示：“他們更傾向于使用直接附加存儲(chǔ)方案，旨在提升數(shù)據(jù)流通速度。這類(lèi)方案具有便攜性、速度性以及易于使用等優(yōu)勢(shì)。”

在這個(gè)特定用例當(dāng)中，人臉識(shí)別的實(shí)現(xiàn)在很大程度上依賴(lài)于存儲(chǔ)對(duì)邊緣計(jì)算的支持。Shah提到，“邊緣位置的這些人臉識(shí)別系統(tǒng)就位于服務(wù)器旁邊。該服務(wù)器直接連接至設(shè)備。當(dāng)有人走進(jìn)來(lái)時(shí)，設(shè)備會(huì)掃描他們的面部并整理出他們的生物識(shí)別指標(biāo)。而服務(wù)器則會(huì)即刻進(jìn)行處理，并與存儲(chǔ)設(shè)備中的信息進(jìn)行比對(duì)。”

>>> AI在邊緣

在之前提到的示例與其它邊緣AI部署方案當(dāng)中，存儲(chǔ)單元往往面臨著一系列特定要求。一般來(lái)講，縮小設(shè)備尺寸對(duì)于實(shí)現(xiàn)物聯(lián)網(wǎng)而言至關(guān)重要。因此，尺寸成為了邊緣位置下，附加存儲(chǔ)設(shè)備的核心設(shè)計(jì)因素，而在這樣的設(shè)計(jì)下，同時(shí)還要保證其在“瘦身”之后仍然有能力處理AI所需要的數(shù)據(jù)規(guī)模。StorCentric公司CTO Rod Harrison觀察到，用于支持邊緣計(jì)算用例的某些尺寸較小的存儲(chǔ)單元能夠容納大約70 TB數(shù)據(jù)。另外，這種存儲(chǔ)設(shè)備必須具備用戶友好特性，從而滿足遠(yuǎn)程環(huán)境當(dāng)中非技術(shù)用戶的操作需要。Shah指出，“在這樣的環(huán)境中，因?yàn)闆](méi)有太多IT專(zhuān)業(yè)人員，所以對(duì)設(shè)備的易用性及速度都提出了要求，為此，我們?cè)谠O(shè)備上配備了Thunderbolt連接端口。”

>>> 移動(dòng)邊緣計(jì)算

此外，便攜性的重要性同樣在不斷攀升，除了邊緣存儲(chǔ)之外，包括邊緣計(jì)算本身也在強(qiáng)調(diào)便攜性。目前最典型的案例，就是大量智能手機(jī)正在持續(xù)生成傳感器數(shù)據(jù)。盡管與智能物聯(lián)網(wǎng)中的IT資產(chǎn)相比，智能手機(jī)可能并沒(méi)有那么大的存儲(chǔ)需求，但它也從另一個(gè)方面強(qiáng)調(diào)了便攜性的優(yōu)勢(shì)。另一個(gè)典型例子是部署在偏遠(yuǎn)地區(qū)的軍用戰(zhàn)斗車(chē)輛上的存儲(chǔ)單元。“這是一種本地存儲(chǔ)，操作人員可以將設(shè)備帶回基地，并下載至中央服務(wù)器。”此外，在發(fā)生故障的情況下，操作者也能夠輕松更換這種存儲(chǔ)單元以實(shí)現(xiàn)業(yè)務(wù)連續(xù)性。Shah強(qiáng)調(diào)，“因?yàn)檎紫到y(tǒng)非常易于使用，所以即使沒(méi)有IT工作小組，一旦某塊驅(qū)動(dòng)器發(fā)生故障或者出現(xiàn)了其它意外狀況，身在現(xiàn)場(chǎng)的任何士兵都可以彈出這塊損壞的驅(qū)動(dòng)器并立刻插入新的驅(qū)動(dòng)器。”

>>> 智能邊緣

存儲(chǔ)對(duì)于智能物聯(lián)網(wǎng)的提升至關(guān)重要，它使得相關(guān)設(shè)備能夠根據(jù)需要卸下數(shù)據(jù)、按需訪問(wèn)數(shù)據(jù)，并支持由部署在云端的AI提出的計(jì)算要求。如此一來(lái)，AI技術(shù)的可行性將不僅延伸至認(rèn)知計(jì)算，現(xiàn)時(shí)也將延伸至物聯(lián)網(wǎng)領(lǐng)域。此外，便捷而可靠的存儲(chǔ)對(duì)于集中部署的AI方案同樣必不可少，并直接為我們帶來(lái)了當(dāng)前各類(lèi)常見(jiàn)的AI實(shí)現(xiàn)成果。“在我看來(lái)，AI與物聯(lián)網(wǎng)技術(shù)的融合首先將在一系列大型企業(yè)當(dāng)中實(shí)現(xiàn)；但隨著時(shí)間的推移，這方面成果最終將滲透到更多中小型企業(yè)之內(nèi)。”Shah表示。