而隨著的發(fā)展，對當今世界的70多億人來說，平均每個人都將擁有5個物聯(lián)網設備。全世界有數十億臺機器來保障這些設備的運行。坦率地說，這些機器需要全天候運行以滿足需求。

顯然，物聯(lián)網設備的數量已經超過人類。當所有這些設備和計算機開始相互通信時，這會對任何網絡造成極大的壓力。人們今后將會更加深刻地感到這種壓力。不僅如此，它還是一個日益增長的全球市場。調研機構IDC公司預測，2020年物聯(lián)網的市場規(guī)?？赡軙_到7萬億美元。

展望不久的將來，人們看到數據中心在機器之間通信方面受到以下三種影響：

1． 為5G奠定基礎

這些技術進步和發(fā)展也發(fā)生在數據中心。所有需要相互通信的設備和人類將會采用大量的光纖通信的應用，特別是當人們期待5G在未來5到10年內上市時。為此，人們還有很多事情要做。無線網絡需要大量“有線”網絡資產有效地將數據通過光纖傳送到核心數據中心和邊緣數據中心。

為了實現(xiàn)5G應用，還需要通信基站的密集化（例如小型基站）。此外，適用于這種通信技術的多種供電解決方案涌入市場，允許通信運營商以經濟高效的方式為網絡邊緣的許多設備供電。

2． 更低的延遲

機器處理信息幾乎與接收信息一樣快，人類卻不能。特別是在數據中心中，決策是即時做出的，并且需要有強大的骨干網絡來支持。這是數據中心面臨的一個變化，需要實時計算、分析和處理信息。IDC公司認為數據中心的現(xiàn)代化是2018年的重要預測之一，數據中心需要“大量使用預測分析來提高準確性并減少停機時間”。

3． 更高的密度和速度

部署大量的光纖是最好的解決方案。但這并不總是可行的。最有效的方案是從一開始就部署高密度光纖，以允許機器間對話快速發(fā)生。而采用可支持多代設備的模塊化高速平臺是最佳選擇。

這是一個重復使用的機器學習示例，但它是一個很好的例子。在匹茲堡的試點項目中，自動駕駛汽車正在成為現(xiàn)實。而在理想情況下，采用強大的網絡和大量傳感器，可以使汽車處理數據的速度比人類都要快。

然而，無論機器多么復雜，都是基于算法和編程。他們很容易被人類或甚至其他機器操縱（黑客攻擊）。Gartner公司預測，到2022年，成熟經濟體中的大多數人將消耗比真實信息更多的虛假信息。甚至可以說，虛假信息將助長金融詐騙事件的發(fā)生。人們比以往更容易受到遭遇黑客和數據盜竊。當然還存在數據隱私問題。甚至有一種思想流派認為機器可能將接管人類的工作。

然而，Gartner公司的這個調查報告表明，到2020年，機器學習在消除180萬個就業(yè)機會的同時，將創(chuàng)造230萬個就業(yè)機會。而對于人類來說，仍然有很多工作要做，盡管這些工作崗位肯定與現(xiàn)在所從事的工作不同。

人類不會很快讓機器人自己來決定和處理。機器對機器的技術要求改變思維方式，而如果人類放棄控制，將會出現(xiàn)更多的問題，當然這也不會是完美的。但這是“第四次工業(yè)革命”向前邁出的巨大一步。

http://m.mingxiangpen.cn/ask/152.html

http://m.mingxiangpen.cn/ask/144.html

http://m.mingxiangpen.cn/ask/143.html