gydtep

人工智能、深度学习浪潮直观的反映出行业往深度智能阶段发展的趋势走向，这并非偶然现象，几大应用市场需求的驱动，上游深度学习芯片和算法的开源，行业所具备的天然的海量数据训练集特征等多维因素一起推动了安防走向深度智能化。

gydtep

AI视频监控系统的海量数据会占据很大带宽容量，如果与客户的其他业务共用网络通道，将影响其他业务网络通信质量。边缘计算等新一代技术的应用将在一定程度上减少数据流量，但视频取证等功能仍然会占据较大的带宽，因此服务器等全部基础设施将会进一步提高。

gydtep

边缘的AI允许通过本地化处理进行实时机器学习，从而实现即时数据处理，详细的安全性和增强的客户体验。同时，许多企业正在寻求将AI推入云端，这可以减少实施障碍，改善知识共享并支持更大的模型。前进的道路在于找到一种利用云和边缘优势的平衡。

gydtep

使边缘AI和云AI协同工作的主要挑战是程序和体系结构。需要对应用程序进行设计，以便有目的地拆分和协调它们之间的工作量。

gydtep

数据集成的实时同步技术自带脏数据收集机制，在整个ETL的链路中，无论是读取端还是写入端不支持的数据，都可以通过插件中心的能力收集并输出到用户配置的目标端，包括本地日志、Loghub、MaxCompute等，为数据的再处理提供支持。

gydtep

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。

gydtep

上世纪五十年代的大型机时代。在这个时代，大型机可能不到100台，基本上用在科学研究和国防等领域，当时主要是层次和网状数据库，比较典型的产品是IBM的IMS，IMS已经很少能够见到，在一些金融领域还有应用。

gydtep

因此当时阿里巴巴做了CloudDBA产品，其集成了很多自动驾驶的概念，最终希望能够让数据库不需要通过人工干预，就能够对于出现的问题进行自动优化、修复，甚至在容量不足的时候进行自动扩容，在双11的时候能够实现智能压测，而且面对黑客攻击或者大促意外产生的SQL高峰也能够实现自动限流。

gydtep

并且，存储管理员应该决定应该为哪些存储分配什么资源。因此，在组织中运行着成千上万的服务时，对基础存储的管理超过了人们进行明智更改的能力。而且，这就是AI算法派上用场的地方。

gydtep

例如，假设一家企业正在向流程中添加电子邮件服务器。在这种情况下，人工智能系统可以帮助预测存储阵列将能够满足该服务器的存储需求还是将其最大化。借助此类技术，存储管理员可以主动获取有关如何将不同的工作负载分配给不同的存储堆栈并最大程度地减少延迟的信息。因此，将AI集成到存储阵列，存储供应商和组织中可以优化存储堆栈。