如果世界上只有前端和后端开发

当延迟消除了，一些需要极低延迟的操作，从自动驾驶到自然语音处理和翻译，对重要基础设施的主动管理，就不再需要往返于地球的偏远角落和中心服务器之间，可以在最需要结果的地方就地进行。结果是什么呢?无人驾驶汽车成为现实，您可以开始与智能语音助手Alexa进行更自然的对话，工厂、住宅和办公室空间变得更加高效灵活。而且，如果你喜欢玩游戏，无论身在何处，都不必担心延迟影响游戏体验，可以将你的游戏技能发挥到极致。

云的概念从一个中心点延伸出来，进入人们日常的生活、工作环境，将有越来越多原本在云中运行的软件在身边运行，改善人们的生活，从医疗保健到交通运输、娱乐、制造等等。2021年，云向边缘的推进将进一步加速。

2. 机器学习的互联网(机器学习从云端延伸到边缘)

数据正在爆炸式增长。今天，一小时产生的数据，比2000年全年产生的数据还要多。未来三年内产生的数据，将比过去30年的还要多。2020 年，科学研究人员、制药公司、政府和医疗机构将所有资源转向疫苗开发、新的疗法，以及其它帮助我们对抗疫情的手段。无论你是不是数据科学家，都会对数据增长曲线有所认识。我们需要处理海量数据的能力。无论是医疗还是别的什么应用，处理所有这些信息的唯一实际方法，就是使用数据摄取和聚合工具，跟机器学习模型相结合，帮助我们理解这些信息。因此，毋容置疑，机器学习在2020年已经成为主流。

机器学习历来是一个计算量很大的工作负载，只能在最强大的硬件上运行。但是随着软件和芯片技术的进步，情况正在改变。通过组合使用AWS多种技术，软件和硬件在边缘端适配，可以发挥出比以往更大的作用。

云向边缘端不断地推进，明年将有更多行业和政府机构加速采用机器学习。在制造业，机器学习将融入生产线，实时发现生产异常。在农业领域，机器学习可以帮助农民更明智地使用宝贵的资源，例如土壤和水。

在世界上以小农户为主的地区，例如整个东南亚和非洲，将机器学习模型的使用推向新的应用领域，在更边缘的地方收集数据，带来的改变将是革命性的，将有助于农户提高收成，并且帮助他们提高售价。

Werner说他曾在东南亚拜访过一个AWS客户叫HARA。HARA总部位于印度尼西亚雅加达，他们使用机器学习分析东南亚成千上万小农户的数据。通过人员和设备在田间收集数据，包括农场的季节性生长周期，种植作物需要多少投入，从中可以获得多少收入。这种分析有助于农户获得合理的信贷。随着新冠疫情全球爆发，HARA正在使用其平台识别最需要食物的地方和人，与拥有食物的农户相匹配，并找出两者之间最佳的物流方式。新冠疫情为人类带来棘手的问题，但是科技可以帮助解决这些问题。

机器学习不断扩展，机器对机器的连接将呈爆炸式增长。根据思科的年度互联网报告, 2018年，互联网上只有33%的连接是机器对机器的连接。如果你有一个Echo智能家居产品，或者正在关注汽车行业的快速发展，那么你应该已经看到即将发生的事情，连接云的传感器和设备正在激增。Werner预计，到2021年，这一比例将超过50%。

机器对机器的连接不断增加，更多的数据注入机器学习模型，将出现更多针对机器学习的定制芯片。通过AWS Inferentia，可以在电力和计算方面降低机器学习成本。成本不断降低，性能不断提高，越来越多的机器学习应用场景在边缘执行运算，在边缘建立新模型。对于需要低延迟的应用 来说，这是一个颠覆性的创新。

现实的例子是今年席卷澳洲丛林或者美国西海岸的山火。未来，在边缘设备运行的机器学习模型可以帮助人们，根据历史上的火灾情况，在地面逐秒模拟当前的情况，不用回到中央数据中心，就可以预测火灾危险。边缘设备产生的数据，可以帮助救灾机构预防和扑灭火灾，让我们在世界各地可以看到更准、更快版本的 "今日火灾风险"提示。

如上，机器学习应用在医疗保健领域，用于为最需要的人提供食物，应对山火等气候变化的影响，技术、专家与决策者和社区合作，可以对人们身边的世界产生积极的影响。

3. 2021年，图像、视频和音频的表达将超过文字

几年前，《连线》杂志的一篇文章中，Werner谈到了声控计算的迅速崛起，新兴的用户界面，让人类可以用更自然的方式与机器交流、进行人与人之间的交流。这一趋势进入2021年及以后，Werner认为键盘会继续没落，以渐进的方式被淘汰。

 

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!