gydtep

目前的话还没有一个厂商能够非常好的支持OpenTelemetry的统一后端，现在还是需要自己去使用各个厂商的产品来实现。而这个带来的另一个问题是各个数据的关联会更加复杂，还需要去解决每个厂商之间的数据关联性问题。当然这个问题相信在1-2年肯定会解决掉，现在有众多厂商开始在努力实现OpenTelemetry所有类型数据的统一方案。

gydtep

最上层我们会提供一些辅助决策的功能，例如告警通知、数据可视化、Webhook等，此外会提供丰富的外部集成能力，例如对接三方的可视化/分析/告警系统，提供OpenAPI以便不同的应用方集成。

gydtep

关于人工智能的发展，可以追述到60几年前，但因为技术的原因数次沉寂，直到深度学习的出现，让人工智能再次掀起热潮。那，什么是深度智能呢？2021年深度智能的发展趋势又是如何的呢？

gydtep

从这些年智能分析技术的应用来看，其并未实现大面积商用，究其原因主要是过去技术不够成熟、应用效果不够理想，传统的智能分析技术由于算法是人为根据不同的场景和应用需求进行设计，在适应性上需要人为不断的改善和提升，在特定的环境下有良好的性能，但是一旦环境等因素发生变化，传统的智能分析算法在应用上的性能就会降低。

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

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。

gydtep

模型交换格式（例如，开放神经网络交换）也可以增加模型在不同环境中的流动性。Sletten建议探索像LLVM这样的工具，这是一个开源编译器基础结构项目，以使从应用程序所运行的环境中抽象出应用程序变得更加容易。

gydtep

企业在实时数仓建设过程中应用最广泛的当属Labmda架构，它一定程度上解决了大部分企业数字化建设初期的业务问题，但是随着业务的快速发展、数据量的暴涨和业务需求的变化，Lambda架构的问题也就逐步凸显，主要包括几个方面：

gydtep

企业大数据IT运维经历了从单纯的运维工具到运维平台，再到自动化运维和故障预防式运维，到现在朝着智能化运维的方向进化。

gydtep

以前大家认为数据仓库扩展性不好，所以出现了大数据技术，但是今天分布式基础设施的能力已经变得非常强了，所以无论是数据库还是数据仓库，其扩展性都变得越来越好，足以处理PB级别的数据。