新的计算模型需要在速度和效率显著提高。
未来的技术都是关于信息不只是数据我们的指尖,在任何地方,任何时间。但是所有这一切正常工作需要很大的改进性能和功率效率。
这张照片有几种不同的碎片。一个是架构,这可能是最简单的理解,技术上最具有挑战性的实现,最直接的解决。在最简单的术语中,瓶颈需要确认和固定,需要缩短信号通道和扩大,处理速度需要增加未来几十年。
这是什么变化不再是单芯片的或一个厂商的问题。这里的解决方案似乎是人口密度较高的cpu、gpu和fpga,更多的处理元素设计的非常具体的任务(dsp、eFPGAs和新的加速器设计)和更严格的硬件和软件之间的交互。让所有这些工作可能需要芯片的各种包,其中一些的组件都是现成的,另一些是定制,通过可编程性或定制的硅。
这不再仅仅是收缩的特性,虽然这很可能将继续为少数大型处理器供应商。是关于整理碎片的方式服务于一个特定的终端市场或一个应用程序在一个终端市场。
这张照片是与业务相关的第二个。在这一点上,它变得明显,边缘设备将更加繁重的处理来自传感器的数据。还不清楚是什么设备的层次结构最终的样子。智能手机将中央指挥中心,还是会被更多的功能被边缘化在个别边缘设备比如买一辆汽车或一个家庭网络吗?
苹果,谷歌,微软和亚马逊等,竞相提供选择在每一个空间,因为在这一点上它并不明显设备(s)将堆的顶部。这场游戏的赌注是巨大的,这就是为什么这些公司正在建设大规模基础设施落后这些设备支持哪个排在第一位。问题是,这种很难设计设备的最大效率和性能,因为移动大量数据需要一种不同的方法比在本地处理。这也使得它更容易获得数据,进一步减少了开销。
这幅画的第三个最好被描述为道德。能够更快地从数据中提取趋势和模式并将其转化为有用的东西开门滥用数据,。如果你觉得烦人的电话留言,想象一下当公司可以决定你在哪里在任何时间点,哪个方向你开车(或完全你朝着自主车辆),你穿什么,你一直在看电视。这种情况正在发生,但如果这些数据相结合将成为更多的入侵。
提供给营销人员的数据量在未来将是天文数字。数以万亿计的连接意味着数以万亿计的数据来源,所有这些可以开采利用现有的工具。技术总是领先于监管,但科技发展的速度在机器学习领域,深度学习和AI进一步扩大了这一差距。目前还不清楚如果将继续扩大,或压力是否构建减缓技术变革的步伐。
综上所述,这三块创建一个有趣的技术将如何发展在未来十年左右,当自动汽车开始接管道路,5 g开始主导无线频谱,人工智能和机器学习几乎是无处不在。但是这种转变的中心仍然是相同的常数,低权力和更高的性能,随时可能改变在这个过渡。
|
|
|
|
|
|
|
|
|
|
留下一个回复