获取知识使我们更聪明。但是应用这些知识可以进一步提高我们的智力。
许多教育机构未能给学生提供应用所学知识的机会。他们通常只有在找到工作后才能这样做。但是没有任何经验，他们怎么能做好工作呢?
强大算力：集中化的数据也意味着数据量的急剧膨胀，无论哪家自动驾驶背后都有强大的芯片支撑，只有足够的算力才能保证在最短的时间内可以进行足够的计算。
云原生友好：OpenTelemetry诞生在CNCF，对于各类的云原生下的系统支持更加友好，此外目前众多云厂商已经宣布支持OpenTelemetry，未来云上的使用会更加便捷
智能视频分析（IV，IntelligentVideo）源自计算机视觉（CV，ComputerVision）技术，计算机视觉技术是人工智能（AI，ArtificialIntelligent）研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。而视频监控中所提到的智能视频技术主要指的是“自动的分析和抽取视频源中的关键信息”。
更好的网络基础架构和新的边缘计算架构的兴起，正在打破集中式云AI与分布式边缘AI工作负载之间的障碍。
其优势是基础架构的巨大新兴变化，它通过增加分布在世界每个角落的信息技术层来补充云。我们相信边缘AI会引发一场革命，就像云技术获得牵引力一样大。
通用计算平台（如在云服务器中找到的平台）可以运行任何网络体系结构。在边缘AI中这变得更加困难。架构和训练有素的模型必须经过修改才能在边缘的AI芯片组上运行。
在大数据上云解决方案中，通过数据集成将离线和实时的数据分别通过离线引擎（EMR、MaxCompute）和实时引擎（MaxCompute交互式分析（Hologres）、Flink）去做数据处理，然后汇聚到DataWorks中做数据开发和数据服务，包括机器学习PAI平台去做模型开发等，最后开放给数据应用去使用，包括QuickBI、DataV、Tableau等。
因此架构简化、成本优化、数据统一、学习门槛低、适应业务敏捷、自助式分析趋势成为了迫切的需求，企业期望有一款全新的大数据产品，可以满足实时写入、实时计算、实时洞察需求；能做到实时离线一体化，减少数据移动，业务技术解耦支持自助式分析，从而简化整个业务系统架构。
）高稳定性保证：基于分布式架构，保证集群的基础吞吐和性能，跨机房部署、同城容灾、场景化内核优化等
前面的部分主要是进行回顾，接下来对数据库的未来进行畅想。如今我们正在迎接新的数据时代，上图中展示的数据来自IDC的报告，IDC统计预测，去年全球有45ZB数据，而到了2025年数据量将会达到175ZB。而作为新数据代表的物联网，去年大约具有4.4ZB数据，而在2025年将会达到90ZB，也就是说仅物联网将会占据未来一半的数据量。
