现在的专属集群里具备了所有的云数据库的安全能力，同时在这些能力基础上集成了物理隔离能力，面对行业的合规性问题。
本身的云数据库专属集群，因为拥有主机级别的操作权限，可以把企业已经采购的安全的插件也安装到云上的数据库里面。比如已经买好一套审计系统，也可以选择直接把这套审计系统部署在云数据库专属集群里面，从而把专属集群的安全能力跟本地系统的安全能力做一个全面结合，形成更好的双方都可以认可的安全等级防护。
第二点是因为：在上云时，肯定要选择比较大的云厂商，能够被国际或者国内大客户认可的云厂商，比如阿里云，已经合作了很多金融、政府、各个行业的领头羊企业。如果一家云厂商已经大到可以容纳很多行业的企业进来，安全问题已经被开始进来的头部企业的要求完全满足过了。
整体上看，云厂商的可信度建议大家上云时，从两个方向去看，
第一，是看云厂商本身有没有足够多的第三方可信度认证。
第二，是否有很多比较大的行业企业已经选择这家云厂商，作为上面的基石标准。如果满足这两条，是可以放心上云的。
环境动态性增强：无论是微服务的架构还是容器化的部署模式，带来的一个特性是环境的动态性会增强，每个实例的生命周期会更短，出现问题后往往现场已经被破坏，登录机器排查问题的方式已经不复存在。
上下游依赖更多：问题的定位最终都会从上下游来排查，在微服务、云、K8s的环境中，上下游将更加多，包括各类其他业务应用、云上使用的各类产品、各种中间件、K8s自身、容器运行时、虚拟机等等。
兼容性：OpenTelemetry得到了CNCF下各种可观察性方案的支持，未来对于OpenTracing类、OpenCensus、Prometheus、Fluntd等都会有非常好的兼容性，可以方便大家无缝迁移到OpenTelemetry方案上。
随着人工智能技术深度应用，视频分析技术智能化发展，视频监控已从被动识别过渡到了主动获取、分析、预测的阶段。视频监控与视频分析、深度学习、云计算等领域资源不断整合，摄像头的功能不断深化、使用场景不断丰富，成本、算法、带宽容量不断优化，产业边界不断拓宽。
安防行业作为人工智能技术天然的训练场和应用场，对于人工智能的落地应用有着迫切的需求，基于安防行业的天然属性，未来安防行业的人工智能化必将迎来巨大的发展。而当前人工智能技术的迅猛发展，积极推动着安防领域向着一个更智能化、更人性化的方向前进。
一种策略在于创建一种在模型和数据的大小与数据传输成本之间取得平衡的体系结构。对于大型模型，留在云中更有意义。有多种方法可以减小模型大小以帮助解决问题，但是，如果要处理非常大的模型，则可能需要在云中运行它。
边缘AI补充了云AI，可在需要时提供对即时决策的访问，并利用云获得更深入的见解或需要更广泛或更纵向的数据集来推动解决方案的见解。
