边缘AI的崛起
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。
该应用程序可以存储，进一步分析（例如，帧中对象的子类型是什么以及其属性是什么），以及与人类主管共享分析结果。
这种方法通常可以胜过跨平台编译器方法。但是，它还需要在培训期间以及预处理和后期处理中进行一些手工操作。
边缘和云AI之间的常见折衷
开发人员需要在云和边缘AI之间进行权衡的一些最常见的折衷方案包括：
，而价格可低至其1/4。通过DataWorks数据集成，企业可以进行高效、低成本、稳定的实时数据同步。
DataWorks数据集成可以追溯到2011年的DataX1.0和2.0版本，随后3.0版本正式对外提供服务，
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）、
数据集成将数据同步过来以后，我们需要实时的数据仓库将这些数据更好地应用起来。刚才简单介绍了实时数仓的解决方案，接下来我们向大家详细介绍基于Hologres和Flink的实时数据分析方案。
Lambda架构的问题也就逐步凸显，主要包括几个方面：
1）数据在不同的系统中存储多份，空间浪费，数据一致性的问题难以解决；
2）整个数据链路由多种引擎和系统组合而成，开发和维护成本高，学习成本高；
Hologres在全链路实时数仓建设场景，与Flink做了深度的融合，同时支持Flink的sink表、source表、维表。业务上可以基于Flink进行实时ETL清洗、转换，将明细数据、
2）菜鸟智能物流引擎原来采用Flink+HBase+OLAP的方案，该架构数据导入时间长、资源浪费、数据孤岛等问题严重严重困扰了业务同学，采用Hologres后，整个链路2亿记录数据处理速度端到端优化到3分钟，开发效率大幅提升，整体硬件成本下降60%。
01 数据驱动，在国内企业的落地中很“骨感”
在国外，有一个名为Instagram的照片分享软件，这个软件早期并没有火起来，后来他们通过数据分析发现了一个非常强硬的用户需求点，即“纯粹拍照并分享”。
