?元宇宙是指與物理世界分離的平行數字世界，由人創造并以數字形式對其進行操作。每個進入元界的人都會形成一個數據文件，隨著社會活動的產生，數據會不斷增長，從而形成一個大數據網絡。

可以肯定的是，元宇宙一旦開發應用，將產生海量數據，給現實世界帶來巨大的數據處理壓力。因此，大數據處理技術是順利實現元宇宙的關鍵技術之一。

1.元宇宙中的大數據

大數據是組織收集的結構化數據（例如交易和財務數據）、半結構化數據（例如Web服務器日志和來自傳感器的流數據）和非結構化數據（例如文本、文檔和多媒體數據）的組合，可以利用大數據挖掘信息并用于機器學習項目及構建預測建模（見圖2.7）。

▲圖2.7 大數據類型

大數據是信息技術和計算機技術持續發展的產物。它為人們提供了一種可量化的認知世界的方式，稱得上是一次重大的科技進步。

2009 年，谷歌公司的工程師根據用戶的搜索數據成功預測了甲型 H1N1 流感在全球范圍的流行，該預測結果甚至早于美國公共衛生官員的判斷。谷歌公司對流行病的預測并不需要大規模實地檢測，而是利用每天數十億次用戶的網絡搜索數據得出了上述預測結果。這便是谷歌公司基于大數據的分析技術為社會生活提供支持的一個典型應用案例。

根據實際操作流程和技術的演進，大數據分析可大致分為四部分。首先是對數據的預處理，包括收集、存儲、清洗和整合。之后，可以使用統計學方法得到一些數據特征的描述。為了發掘數據隱含的更深層次的價值，可進一步采用數據挖掘技術（初級的機器學習技術），以及人工智能技術（高級的機器學習技術）。

可以預見的是，在元宇宙世界中，會有更多高質量的數據用于機器學習，并促進大數據技術繼續發展和革新。

在現實世界中，人的時間、勞動力和成本的問題很容易被元宇宙中的人工智能所取代。例如在現實世界中，人們必須經過很多流程才可以播放新聞，例如招聘播音員，在工作室拍攝，以及剪輯視頻，最后在電視上播放。

然而在元宇宙中，利用人工智能播音員，可以快速、持續、長時間地傳遞緊急和重要的新聞。為了在元宇宙中播放新聞，真實播音員的面部表情、肌肉運動、聲音、細微差別和手勢都是可以被用來學習的有效數據。存儲在區塊鏈塊中的元數據就可以選擇性地提供必要的高質量數據。

元宇宙中的創意活動往往是用人工智能而非真人來開發的。人工智能藝術家在創作作品時，會了解作品的趨勢和風格，然后使用所學來進行創作。過去，大量的數據被用于風格分析。現在，人工智能藝術家將數據存儲在分布式賬本中，以便可以輕松選擇和重復使用。獲取更多數據并反復練習，可以減少選擇錯誤數據的概率。

2.元宇宙中的數據存儲

元宇宙是一個需要大量數據和服務器容量的虛擬 3D 環境。但是通過中央服務器進行控制會產生昂貴的成本，目前最適合元界的數據存儲工具無疑是分布式存儲。

與傳統應用平臺的集中管理相比，元宇宙網絡部署在區塊鏈上，采用分布式存儲處理數據。所有數據由各個節點維護和管理，可以降低集中存儲帶來的數據丟失、篡改或數據泄露的風險，且可以滿足元宇宙對海量數據存儲的高要求。

例如，基于分布式存儲的GDFS（GoodData File System）將區塊鏈技術與IPFS相結合（見圖2.8），通過多次數據備份，就近分配存儲資源，保證數據存儲的可靠性、可用性和永續性。

▲圖2.8 區塊鏈技術與IPFS結合

GDFS作為一個社區驅動的去中心化系統，建立了完善的激勵機制，對存儲提供者進行獎勵，對造假者進行懲戒，有效地協調了存儲用戶、存儲資源提供者、元數據管理者和協調者之間的關系。

此外，在元宇宙中，數據也將作為個人資產返回給數據生產者。在數據隱私保護中，這一步往往需要隱私計算技術的支持。目前，常見的隱私計算技術包括安全多方計算、聯邦學習、差分隱私等。一些隱私計算項目已經實現，例如GoodData區塊鏈。GoodData是一個關于數據安全、數據共享、數據資本化的區塊鏈平臺。

目前GoodData的主要功能是鼓勵用戶在平臺上分享元宇宙中的數據（如睡眠數據），以協助醫療等研究機構通過數據研究失眠等健康問題。用戶可以共享個人的睡眠數據，而作為數據所有者，用戶可以持續獲得代幣收益。

在當今技術飽和的世界中，有數百萬臺設備通過互聯網收集和共享信息。大多數信息在大型數據存儲中心進行處理。大多數公司的云服務器位于遙遠的地方，導致效率極低。為了處理更大體量的數據，邊緣計算應運而生。該技術可以解決企業在傳統云計算平臺上存在的問題。

3.邊緣計算

邊緣計算（edge computing）是一種計算策略，它使計算能力和存儲更靠近數據源，而不是將數據傳輸到遙遠的中央服務器（見圖2.9）。如今，許多企業將數據作為其運營的命脈，同時也面臨著數據量不斷增加的挑戰。傳統的基于云的平臺是計算數據的標準途徑。

▲圖2.9 云計算和邊緣計算

邊緣計算是一種分散式運算的架構，將應用模式、數據資料與服務的運算由網絡中心節點移到網絡邏輯上的邊緣節點來處理。邊緣計算將原本完全由中心節點處理的大型服務加以分解，切割成更小及更容易管理的部分，分散到邊緣節點去處理。

邊緣節點更接近于用戶的終端裝置，可以加快資料的處理與傳送速度，減少延遲。在這種架構下，資料的分析與知識的產生更接近于數據資料的來源，因此更適合處理大數據。

顧名思義，邊緣計算在邊緣上工作。一切都發生在大部分數據傳輸發生的網絡邊緣，而不是將原始數據傳輸到數據中心進行處理和分析。邊緣計算將存儲和計算資源轉移到產生大量數據的地方。不同類型的設備可以在邊緣附近執行數據分析。

在這個“邊緣”，數據被排序、分析和修改。這種技術將有助于提高業務效率并減少不必要的成本，它還可以減少網絡延遲。

在處理大量數據方面，邊緣計算被視為云計算的一種更有效的替代方案。傳統的云計算能夠非常有效地處理單個數據單元，但是它無法容納跨數據中心的大量數據，并且中央服務器產生有意義且實時結果的能力很差。未來，更多的人工智能設備將使用邊緣計算而不是云計算。

人工智能和云計算都是IT界的熱詞，兩種技術相得益彰。人工智能傳統上存在于由云計算提供支持的數據中心內，但隨著時間的推移，該技術慢慢進入物聯網領域和互聯智能設備世界。需求的增長使公司每天必須處理的數據增加了一倍或三倍以上。

科技公司意識到需要升級計算能力并使數據中心更接近最終用戶，以減少延遲和其他網絡效率低下的情況。這一認識促使業界開始將人工智能和邊緣計算結合到設備中，以期減少延遲，同時最大限度地減少帶寬消耗和運營成本。

以在Google Assistant 上運行的智能揚聲器為例。該設備通常配備了邊緣計算和人工智能功能的組合，這使獨立的處理和分析呈現出幾乎即時的結果。它還使設備能夠運行離線命令。

關于作者：成生輝，博士，西湖大學西湖學者，現任智能可視化實驗室負責人。他于紐約州立大學石溪分校獲得計算機科學博士學位，并在德國萊比錫大學醫學研究所、布魯克海文國家實驗室和美國哈佛醫學院進行研究，曾任世界銀行（總部）數字經濟組顧問。他的主要研究方向為數據可視化、可視分析和元宇宙等。

本文摘編自《元宇宙：概念、技術及生態》（ISBN：978-7-111-70354-9），經出版方授權發布。?