大数据产业正在用一个超乎我们想象的速度蓬勃发展，在上个月贵阳的数博会上，让全世界感受到了大数据的巨大魅力。借助大数据的风口，云计算和人工智能也同时走进我们的视野，他们三者之间有着不可分割相互影响的关联。

大数据的概念

大数据，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。

大数据时代已经来临，它将在众多领域掀起变革的巨浪。但我们要冷静的看到，大数据的核心在于为客户挖掘数据中蕴藏的价值，而不是软硬件的堆砌。因此，针对不同领域的大数据应用模式、商业模式研究将是大数据产业健康发展的关键。我们相信，在国家的统筹规划与支持下，通过各地方政府因地制宜制定大数据产业发展策略，通过国内外IT龙头企业以及众多创新企业的积极参与，大数据产业未来发展前景十分广阔。进充分利用大数据的价值。

云计算的概念

云计算是基于互联网的相关服务的增加、使用和交付模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

人工智能的概念

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

大数据、云计算、人工智能三者间的关系

物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新是物联网发展的灵魂。

云计算相当于人的大脑，是物联网的神经中枢。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。

大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。

人工智能打个比喻为一个人吸收了人类大量的知识（数据），不断的深度学习、进化成为一方高人。人工智能离不开大数据，更是基于云计算平台完成深度学习进化。

简单总结：通过物联网产生、收集海量的数据存储于云平台，再通过大数据分析，甚至更高形式的人工智能为人类的生产活动，生活所需提供更好的服务。这必将是第四次工业革命进化的方向。

云计算与大数据

从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

人工智能与大数据

如果我们把人工智能看成一个嗷嗷待哺拥有无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉。奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。

与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以外传统的算法相比，这一算法并无多余的假设前提（比如线性建模需要假设数据之间的线性关系），而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据而拥有自优化的能力。

但这一显著的优点带来的便是显著增加的运算量。在计算机运算能力取得突破以前，这样的算法几乎没有实际应用的价值。大概十几年前，我们尝试用神经网络运算一组并不海量的数据，整整等待三天都不一定会有结果。但今天的情况却大大不同了。高速并行运算、海量数据、更优化的算法共同促成了人工智能发展的突破。这一突破，如果我们在三十年以后回头来看，将会是不弱于互联网对人类产生深远影响的另一项技术，它所释放的力量将再次彻底改变我们的生活。

人工智能与云计算

人工智能是程序算法和大数据结合的产物。而云计算是程序的算法部分，物联网是收集大数据的根系的一部分。可以简单的认为：人工智能=云计算+大数据（一部分来自物联网）。随着物联网在生活中的铺开，它将成为大数据最大，最精准的来源。

现在已进入大数据、云计算、人工智能时代，我们必须弄清楚他们的本质，抓住机遇，跟上趋势，创新发展，才能高科技的发展大潮中立于不败之地。

“云计算”是一种新的商业模式，它使用高速互联网的传输能力，数据的处理从个人计算机或服务器到在因特网上的计算机集群。云计算使得能够有通过因特网的超级计算能力成为可能，企业和个人用户不必购买昂贵的硬件购置成本，只需购买或通过互联网租用计算能力。

“云计算”给了中国一个伟大的机会，它可以降低计算成本，让每个中国人可以享受信息革命的成果，可以有效的分享信息和知识。

打个比方来说，如果个人电脑是“纸和笔”，“云计算”便是印刷术的发明。 印刷术的发明是一个伟大的知识的普遍传播途径，人类的文明因此进入全新的阶段。 我们可以想到，当未来不再需要计算终端硬盘和CPU，所有信息可以存储在“云”，通过无线或有线网络在任何时间访问和传播知识将会多么容易和便宜。

1、云计算的定义

云计算是分布式计算技术的一种，其最基本的概念，是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。

云是一个网络，一个互联网比喻。 狭义云计算是指提供资源的网络，这种网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。

广义云计算是指这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务。这种资源池称为“云”。云计算将所有的计算资源集中起来，并由软件实现自动管理，无需人为参与。它意味着计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。最大的不同在于，它是通过互联网进行传输的。

2、云计算的基本原理

“云”实际上是一个计算机集群，其中包括成百上千，甚至成千上万的电脑，它是一个虚拟的、大型计算中心。进入云计算时代后，计算能力也可以像天然气、水和电力作为一种商品流通，容易获得，成本低。它的意义就像从旧的“单发电机模式”到“电厂集中力量”模式。

简单地说，它不是一个产品，而是提供IT服务的一种方式。用户随时使用云计算提供的服务，而不用担心“云”的位置和方式。“云”实际上并不复杂，简单地说，注重结果，并不注重过程。　　

3、“云计算”的发展趋势

云计算的发展趋势：从垂直走向整合；云计算的范畴越来越广，人工智能开始成为重要组成部分。随着公有云公司提供机器学习和人工智能，意味着人工智能的优质基础设施同样会大量普及，促进人工智能产业的发展。毫无疑问，“云计算”已经成为IT行业的主题：无论是国外的巨头亚马逊、谷歌、IBM、微软还是国内巨头百度、阿里、腾讯一致的把“云”当做是未来发展的重点，其市场前景将远远超过计算机、互联网、移动通信和其它市场。　　

2018年或将是中国云计算产业的拐点，2017年中国IaaS（基础设施即服务）第一的厂商阿里云的收入111.68亿元，首次突破百亿，同比增长100%；IaaS排名第三的金山云收入13.33亿元，同比增长81%。在公有云市场的高速增长之下，浪潮信息2017年预计净利润3.87亿-4.74亿元，同比增长35%-65%。金蝶国际2017年云服务实现收入5.68亿元，同比增长66.57%。云计算产业链龙头公司财报的超预期意味着2018年或将是中国云计算产业的拐点。

综上所述，云计算确实给我的生活带来了极大的便利，推动了整个信息产业的发展与进步。但同时云计算技术仍然存在一些尚未解决的技术性问题，以及云安全问题。 我们相信随着科学信息技术的进一步发展，关于云计算的技术性问题可以逐步解决，云计算的应用将会越来越广泛。

文章来源：链闻ChainNews

撰文：Dani Grant，UNION SQUARE VENTURES 分析师

编译：詹涓

自 1990 年代以来，人们一直试图建立分布式计算网络；1996 年，因特网梅森素数大搜索计划 GIMPS 使用分布式计算搜索素数，1999 年，Seti@Home 利用志愿者的计算能力搜寻地外生命。

25 年后的今天，拼图上最后的几个小碎片似乎已经就位。

加密货币一个令我们始终雀跃不已的应用是分布式计算。

在加密货币出现之前，如果有陌生人用闲置的服务器运行了一个机器学习程序，我是没法用自己的笔记本电脑转给对方一点钱聊表谢意的。加密货币最终使我们能够进行机器对机器的支付，以补偿运行任务的参与节点。

加密货币使机器对机器的支付成为可能，而这使得贡献 CPU 的参与者能获得补偿。机器学习、三维仿真和生物计算等领域对计算资源的需求越来越大。

我们一直在关注分布式计算项目，并希望分享不同的项目如何处理连接到网络的计算机数量不断增加的问题，以及如何将任务从它们运行的计算节点中隔离开来的解决方案。

以下是我们的初步发现，分享给大家，供指正。

发展网络的方法

梅特卡夫定律 Metcalfe’s law 适用于计算网络：网络上的机器越多，机器在需要时接受新任务的可能性就越大。

发展计算网络非常困难，在空间越来越拥挤的情况下尤其如此。我得澄清一下，问题不在于人们已经安装了什么，不希望再安装些什么，而是一个项目想要取得突破，自然会面临许多噪音。

以下是我们看到的四种有趣的方法：

方法1：让任何人都能轻松地加入网络。一个例子是 KingsDS pre-beta。想要加入，只要访问浏览器中的 URL 并让选项卡在后台运行即可。

方法2：帮助其他应用程序因共享用户的资源而获得补偿。其中一个例子是 FREEDcoin pre-beta。他们为游戏开发者提供一套软件开发工具包 SDK。当玩家启动运行 FREEDcoin SDK 的游戏时，他们有机会通过贡献自己的 CPU 来换取游戏中的奖励。这会带来三赢的局面：FREEDcoin 可以吸引高性能的游戏 PC 加入其网络，游戏开发者可以在不显示广告的情况下将游戏货币化，而玩家也有机会获得虚拟奖励。

方法3：构建客户机，以使每个节点都可以提交和完成任务。比如 Golem beta 可以在客户端提交任务并进行计算，这意味着他们的每个最终用户都可以简简单单地成为计算节点。这有助于他们在网络的两端均衡成长。

方法4：最后一种方法是为其他计算项目提供计算资源。一个例子是 SONM beta，这是一个试图帮助其他计算网络快速扩展的项目。有了SONM 的开放市场，机器可以通过标准化的格式显示它们可提供多少 RAM、CPU 和 GPU。然后，任何使用 SONM 的项目都可以在整个 SONM 网络中搜索拥有可用资源的机器。

将任务与主机相隔离的方法

一个挑战是确保任务不能读取或修改主机的内存，反之亦然。如果多个任务同时在一台机器上运行，那么它们之间彼此隔离也很重要。

保持数据私密性是一个艰巨的挑战；尽管 SONM 是在 Docker 容器中运行所有任务，但它们也需要运行节点的合作伙伴签署保密协议。大多数项目都依靠像 Docker 这样的现有容器运行时来满足这一需求。这完全说得通——有了现成的轮子后，谁还想再重新发明一个？

不过，在这个领域，有两个项目正在做一些独特的事情，值得单独拎出来说。

Enigma pre-beta 正在设计他们所谓的「秘密合约」——这些是计算节点，很像智能合约，但是因为每一块数据被拆散分配到在同一个计算任务上工作的多个节点，单个节点无法读取任何数据。他们使用 1980 年代开发的一种称为「多方计算 MPC」的加密方法来实现该想法。Enigma 正在搭建自己的链来进行存储和计算。

Keep pre-beta 是另一个采用类似方法的项目。他们还使用多方计算来分割加密数据以执行计算，而计算节点不能读取任何输入的数据。通过 Keep，私有数据在集群中进行存储和计算，输出数据则被发布在区块链上。

最后的想法：窄用例Vs. 宽用例

对于分布式计算项目，可以采用两种手段：构建一个通用的计算工具，它既可以接受任何工作负载，也可只接受少量范围的任务。

Union Square Ventures 所投的大多数公司都是从专心做一件事开始的，专注做一件事使它们得以成长，并围绕着这一件事构建起一个网络和平台。比如我们投资的 Cloudflare、Stash、Carta 等，都是这种情况。

我认为同样的模式对计算网络也很有效：从一个狭窄的用例开始，例如训练机器学习模型、渲染 3D 图形和蛋白质折叠灯，这将帮助项目快速运作，并随着时间的推移扩展到其他计算领域。

我们的一位合伙人 Albert Wenger 曾经以微信的增长来说明这个理论：微信是从聊天开始，聊天应用取得成功，使他们能够扩展其网络，这样就可以构建像支付、电子商务和游戏这类应用程序，现在微信发展成为一个集成式的应用工具。

有人要问，从什么用例开始起步最恰当？

似乎有两条路径：一条是从训练机器学习任务开始，因为机器学习是增加计算资源需求的驱动因素之一。另一条路径则是从像 3D 渲染或学术/科学计算这种用例开始，在这方面不存在保护私有数据的开销。

总体而言，这个领域尚处在早期，但前景令人兴奋。计算供应商之间出现更大的竞争不仅会压低价格并推动创新，而且可能会出现一种新的应用，比如 VR 和自动驾驶汽车，这种应用只有在分布式计算距离终端设备的速度比 us-west-2 区域还要快几百毫秒时，才有可能实现。

以上是我在 6 月份我写的一些总结，概述了我们所看到的计算项目类型。仅仅过去两个月时间，在这个领域里又出现了诸多快速发展，以下是我继续分享的一些观察。

隔离网络vs 开放协议

分布式计算有两种方式。在其中一种模型中，有一个占主导地位的分布式计算协议，它创建了一个共享的计算机网络，任何人都可以在此基础上构建接口和客户机。就像 Heroku 和 EC2 一样：它们都运行在 AWS 服务器上，但是它们提供的接口有着截然不同的体验，可以满足不同的用户。

而在另一种模型中，有一些占主导地位的计算项目，每个项目都有其自己的计算机网络。

这两种模式都允许共存的项目，服务于不同的受众，但其中一种，项目是位于相同共享资源池之上的客户，而另一种，它们都运行各自独立的网络。这两种模式有共存的可能性，但我认为考虑到网络效应，共存实际上并不可行。只要有机会，项目就可能会选择接入现有的计算机网络，而不是构建自己的计算机网络，因为与从头开始相比，在起初就能访问更多的 CPU 可以为客户提供更好的服务质量。

我们看到二者都有尝试的用例。SONM 是一个试图构建共享资源层的项目。此外则是由 Distributed Compute Labs 构建的「分布式计算协议」DCP。大多数其他项目目前都在构建自己的网络，不过有了开放协议，没有什么能阻止任何人为这些项目构建替代接口。我们可能会看到有些项目在开始时是其自身的系统，然后有机地发展成为在它们现在共享的资源层之上的客户之一。我对共享计算层的可能性以及试图构建它的团队和项目感到非常兴奋。

代币的问题

我们一直在考虑的一个问题是，开发人员将使用哪些代币，最终用户又将使用哪些代币。也就是说：如果用户与在分布式计算网络上运行代码的 DApp 进行交互，那么用户向 DApp 支付的费用，是否与 DApp 支付计算服务的费用相当？

现在，计算服务中的占主流的答案是否定的。Akash、Render、Perlin、Enigma 和 SONM 是一些拥有自己交易代币的计算项目。这与 IPFS/Filecoin 的模式相同，用户可能会以任何面向消费者的主要货币 目前看来是 ETH 或 BTC 向 DApp 付费，而 DApp 则在背后换取它们提供服务所需的代币。

另一方面，Hypernet 和 Truebit 是两个有双代币模型的计算项目。

在 Truebit 中，购买者可以用 ETH 为服务付费，而 Truebit TRU 代币仅用于协议特定的下注和争议解决功能。这与我们今年在 The Graph 和 Augur 等基础设施项目中看到的模式相匹配，这些项目使用主流消费货币进行交易，而它们自己的代币仅用于治理、下注和争端解决。

我预计，未来将有更多的项目转移为双代币模型，因为它允许随着网络的增长而增加治理的价格，但不会增加使用其服务的价格。

EC2 模型vs. Lambda 模型

在现有的 web2 世界中，存在两种主要类型的计算服务：在 EC2 模型中，开发人员得到的是一个运行和托管服务的环境，在 Lambda 模型中，开发人员编写可根据需要调用的函数。

分布式计算项目也可以分为两类：一类以 lambda 或 Cloudflare Workers 为代表，用户编写脚本，项目在参与计算机上运行。另一种方法是 EC2 ，也就是「别人的计算机」：用户与网络上的某人匹配，并可以在对方的计算机上运行容器。

注意，Lambda 方法还不完全是 Lambda 在类 Lambda 分布式网络中的机器，不会存储所有曾经推送给它们的函数，并根据需要调用它们。相反，这些网络用来离线运行和异步脚本，以用于科学计算或绘制图形等用例。我预计，随着延迟的问题得到改善，它们会变得更像是无服务器计算。

生态系统同时需要这两种模型：托管 DApp 前端需要持久的主机，而运行一次性计算更适合在类似于服务器的平台上作业。

在托管平台上运作的两个项目是 Akash 和 DADI。从终端用户的角度来看，Akash 实际上很像传统的计算服务，开发人员在 Kubernetes 集群中 Akash 部署的机器上管理容器，这些容器可以在 Akash 网络上的机器之间进行联合。Akash 是由 Greg Osuri 创立的，他也是 Federated Kubernetes 的贡献者，这一点并非巧合。如果你想试试 Akash，他们最近刚推出了一个测试网。

在无服务器平台上运作的两个项目是 Ankr 和 DCP。

如何利用硬件设备

对于基于加密货币的分布式计算网络来说，分布式无服务器计算项目的独特之处在于，它们可以在陌生人的手机和笔记本电脑上运行代码，因为除了一次运行一个小脚本之外，它们不需要持久占用计算环境。

这里的理念是，这些项目可以联合所有未使用的终端用户 CPU，形成一个巨大的超级计算机，而且费用比目前云计算市场上的价格更便宜。

关于定价，我多说两句：目前主流的看法是，分布式网络将更便宜，因为它们不必为物理空间付费，并且硬件资本支出成本已经算进去了。然而，正如风险投资机构 Placeholder 的研究员 Mario Laul 向我指出的那样，云计算定价已经趋近谷底，如果分布式服务出现并削弱主要参与者，那么云服务供应商可能会把价格压到刚刚维持成本，以便保持竞争力。

目前一些项目能够通过将终端用户设备上的可用 CPU 集合起来，提供高性能计算环境，我对这些项目非常感兴趣。

在终端用户的设备上运行代码有三大挑战。第一个，是说服足够多的人参与。前文已经有过讨论。

第二个挑战是，终端用户设备的性能相对较低。为了解决这个问题，我们看到一些项目正在以并行化方式构建，以便同时在多台机器上同时运行代码。Ankr 让用户将其代码打包成块，并分别提交给网络，再由作业调度程序，将其分配给不同的机器。DCP 以在「Web Workers」 中执行的 JavaScript 对象的形式，自动将应用程序的子任务分配到各个机器上。此外，DCP 还有一点同样很聪明：它使用 WebGL 访问终端用户设备的图像处理器，从而进一步提升效率。

第三个挑战是终端用户的设备不是可信硬件。自从我们在 6 月发表该文的上半部分以来，在利用 SGX 方面已经有了很大的进展 SGX 是英特尔芯片中内置的可信硬件环境。

此后，Enigma 发布了一个利用 SGX 进行计算的测试网，Golem 发布了 Graphene-ng 以帮助开发人员编写支持 SGX 的代码，Oasis Labs 则通过 从 a16z 等机构募集了 4,500 万美元，用于构建支持 SGX 的分布式计算平台。

三大笔记本电脑制造商：惠普、联想和戴尔都支持 SGX。MacBook 有了支持 SGX 的芯片，但 BIOS 还没有配置完成，还不能让操作系统支持该功能。等到有一天苹果也加入 SGX 阵营，全球四大笔记本电脑品牌都将内置支持 SGX 的计算。

我自己一直在为 SGX 摇旗呐喊，因为它在消费类笔记本电脑上相当安全并且容易实现。

除了 SGX，分布式计算协议可验证计算的另一种方式是通过解决争议。Truebit 就是一个带有争议解决协议的计算项目，他们称之为「验证游戏」。验证者使用 TRU 代币来挑战计算结果。

在 Truebit 的争议解决机制中，在运行程序的每一个时间步，「解决者」的状态都会被计算哈希值——实际上，任何给定的指令都可能无法在以太坊的 gas 上限内执行，因此 TrueBit 将每条指令分解为 16 个子步骤。然后，验证程序查询哈希状态，以找到出错的指令，...

第286期

分布式云计算来了

文 | 徐鹏 责任编辑 | 张齐

审核 | 姜校春 策划 | 刘克丽

分布式计算架构是云计算的基石，让计算中心成千上万服务器的计算资源最大化，也让云计算成为未来物联网的计算中心。而当数以亿级的边缘计算设备开始大规模接入云计算时，标志着分布式云计算时代正式到来。

物联网让云离散化

物联网的核心在于物与物、人与物的强关联，而多数时候的彼此联系会发生在本地。也就是说，计算、存储、分析等需求响应通常在距离物理位置较近的地方完成，而不是传输到千里之外的数据中心。这种就近处理的方式耗时更短，而且足以应付本地业务交互的轻量化需求，让云计算的分布式计算体系从单纯的计算中心内蔓延到真实世界的每个角落，也就是云计算的离散化。

一直以来，技术的更迭总是伴随着应用场景的变迁，从最初大型机的集中处理到后来的分布式架构，越来越多的需求趋于离散化和碎片化。如今，大型设备会集中处理大规模的核心计算，而低延迟、快响应的计算需求则会交给“边缘设备”——既可以是PC、手机、电视盒子，也可以是摄像头，甚至是ATM机。未来，当嵌入式芯片的性能不再是瓶颈，这种终端计算的方式势必将更加普遍 。

IDC预计，到2020年全球将有超过500亿的终端与设备联网，超过40%的数据要在网络边缘侧进行分析、处理与存储。如此大的数据量传输到云端，对网络带宽和存储能力都是考验，更不要说通讯过程中的安全风险。以往，前端设备会将采集到的信息传回数据中心，由后者运算处理后发送指令，再由设备执行用户的需求。这样一来，无疑加重了数据中心的负担。

重新定义云管端

既然数据产生在本地，为何不能让设备自己解决问题呢？举个例子，工业机器人对处理任务有着实时性的要求，通过云端传到数据中心可能只是不到1秒的延迟，但要是乘以整个生产线上机器人的数量，显然是一次“大面积延误”。相比之下，边缘计算不仅能够做到快速处理，还可以根据现场情况作出判断，结合软件选取最优的操作。

此外，边缘计算削弱了网络和存储环境的影响。当机器人在矿井下作业时，通讯信号偏弱怎么办？没有了云，物联网设备随即罢工，这显然不是人们想看到的。此时，边缘计算可以利用自身的运算和处理能力迅速作出响应。

架构层面，边缘计算物联网解决方案可分为传感控制层、网络层、敏捷控制器和应用层，其中网络层主要实现融合和互联，它的功能除了网络连接和管理，还包括边缘计算，进行现场处理，同时保障业务在本地实现。可以说，边缘计算重新梳理了“云管端”之间的关系，一方面提升了云资源的使用效率，另一方面也让终端有了更高的话语权。

边缘计算前景可期

从商业逻辑来看，消费者的使用感受才是边缘计算的主导，而不是企业，这不仅需要云服务商转变思路，同时也为中小企业提供了机会。云计算市场的平台化趋势加剧，核心资源和份额都掌握在巨头手中，而未来会有40%的IoT流量在边缘处理，这无疑蕴含着弯道超车的可能。

从长期发展来看，无论是中国制造2025还是工业4.0，物联网都将在其中扮演重要角色；同时，融合AI的软硬件加速普及，将带来更多基于终端的处理需求；再者，5G商业化的脚步正在推进，也会进一步强化边缘计算高带宽、低延迟的能力。

目前，一些云服务商已经推出了边缘智能计算解决方案，将边缘IoT与混合云相结合，允许用户自行定制物联网应用，在本地完成数据处理，并且兼顾了大规模云平台的配置、部署和管理功能。

云计算已经越来越为大众所熟知，那么云计算到底是什么呢?有没有云计算通俗解释呢？云计算是由分布式计算、并行处理、网格计算发展来的，是一种新兴的商业计算模型。目前，对于云计算的认识在不断的发展变化，云计算仍没有普遍一致的定义。

云计算（Cloud Computing）是分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、 网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）、热备冗余（High Available）等传统计算机和网络技术发展融合的产物。

云计算早期，就是简单一点的分布式计算，解决任务分发，计算结果合并就好了。也曾经还有一个别名，叫网格计算。很多大企业早期可能也只是想解决自己的效率与计算问题，到后来，这些大佬发现，这个能力也可以提供给外部使用，所以，就出现了公共云（public cloud）计算 ，把计算机的计算能力直接放在网上卖出去。

小编倒是觉得，阿里云提出来的水电煤基础设施能更好的解释云计算是什么，未来的云计算，就像我们使用水电煤气一样，我们从来不会想着去建电厂，也不关心电厂在哪里，只要插上插头，就能用电。所以，真正的云计算一定有这些重要的基础条件：

计算资源的虚拟化，按计算能力购买才是真正的云计算，目前的虚机嘛，嗯，看不到机器心里不踏实。云计算能力的弹性伸缩能力，一定是想用多少就是多少，不用的时候就不要，目前的专有云嘛，嗯，机器不放在我这里心里也不踏实。

狭义的云计算指的是厂商依靠分布式计算和虚拟化技术搭建数据中心或超级计算机，以免费或按需租用方式向技术开发者或者企业客户提供数据存储、分析以及科学计算等服务，比如亚马逊数据仓库出租生意。

广义的云计算指厂商依靠建立网络服务器集群，向各种不同类型客户提供在线软件服务、硬件租借、数据存储、计算分析等不同类型的服务。广义的云计算包括了更多的厂商和服务类型，例如国内用友、金蝶等管理软件厂商推出的在线财务软件，谷歌发布的Google应用程序套装等。

通俗的理解是，云计算的“云“就是存在于互联网上的服务器集群上的资源，它包括硬件资源(服务器、存储器、CPU等)和软件资源(如应用软件、集成开发环境等)，本地计算机只需要从互联网发送一个需求信息，远端就会有成千上万的计算机为你提供需要的资源并将结果返回到本地计算机，这样，本地计算机几乎不需要做什么，所有的处理都在云计算提供商所提供的计算机群来完成。

云计算革新了我们运行应用与存储的方式，但是现在投入使用的大部分SaaS产品依靠的是少量的分布式服务器。

如果将云平台变成分布式，或者使用一种奖励提供者与用户计算能力的分布式计算结构，会如何？自主分布式系统与区块链云计算平台SONM正是实现了这一点，SONM利用雾计算取代了云计算。

2017年底，SONM成功获得4200万美金（约合2亿8千万人民币），同年12月，SONM推出了MVP Testnet测试网络。因此，在今年夏天推出第一款商业版之前，SONM就已经获得了开发者使用SONM雾计算服务测试版提供的反馈与建议。

简单来讲，SONM的作用就是允许用户将个人设备连接到一个虚拟空间，并创造出一个分布式平台，在这个平台上消费者与供应者能够租赁与购买计算能力，价格也会在平台上显示。从平台取得资源后，消费者就能够用来渲染视频，托管应用与网站，进行科学计算，管理数据存储，或者使用机器学习技术。

而计算能力的提供者（供应者），在卖出计算资源后能得到消费者支付的SNM “Token”（通证）。SONM雾计算平台也是完全分布式的，也就是说完全透明，不被任何人所有，SONM还号称这个平台比集中式平台费用要低。

SONM联合创始人Aleksei Antonov在采访中表示：“区块链为我们提供了更可信的交易平台，资源的查阅方式也很安全，这一款平台在分配资源费昂面有着很大优势。利用智能合约（为用户和供应者提供自动交易），两个陌生人也能达成安全交易。智能合约相当于一个公正的仲裁者，在SONM平台上自动管理计算资源的交易。”

Antonov还表示：“消费者与供应者在测试版平台上已经完成了约400笔交易，发布了1万2千次出售请求。”

他还补充道：“继今年6月30日推出的第一版SONM平台后，下一版将会加强Iaas的功能，并推出针对平台消费者的新功能。接着，我们还计划结合软件，为Kubernetes的容器化应用程序提供自动部署，扩展和管理服务。”

参考：VentureBeat

云计算（cloud computing），分布式计算技术的一种，其最基本的概念，是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。透过这项技术，网络服务提供者可以在数秒之内，达成处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大效能的网络服务。

最简单的云计算技术在网络服务中已经随处可见，例如搜寻引擎、网络信箱等，使用者只要输入简单指令即能得到大量信息。

未来如手机、GPS等行动装置都可以透过云计算技术，发展出更多的应用服务。

进一步的云计算不仅只做资料搜寻、分析的功能，未来如分析DNA结构、基因图谱定序、解析癌症细胞等，都可以透过这项技术轻易达成。

稍早之前的大规模分布式计算技术即为“云计算”的概念起源。

云计算基本原理

　　云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

　　　这可是一种革命性的举措，打个比方，这就好比是从古老的单台发电机模式转向了电厂集中供电的模式。它意味着计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。最大的不同在于，它是通过互联网进行传输的。

　　云计算的蓝图已经呼之欲出：在未来，只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。从这个角度而言，最终用户才是云计算的真正拥有者。

　　云计算的应用包含这样的一种思想，把力量联合起来，给其中的每一个成员使用。

云计算时代

　　目前，PC依然是我们日常工作生活中的核心工具——我们用PC处理文档、存储资料，通过电子邮件或U盘与他人分享信息。如果PC硬盘坏了，我们会因为资料丢失而束手无策。

　　而在“云计算”时代，“云”会替我们做存储和计算的工作。“云”就是计算机群，每一群包括了几十万台、甚至上百万台计算机。“云”的好处还在于，其中的计算机可以随时更新，保证“云”长生不老。Google就有好几个这样的“云”，其他IT巨头，如微软、雅虎、亚马逊（Amazon）也有或正在建设这样的“云”。

　　届时，我们只需要一台能上网的电脑，不需关心存储或计算发生在哪朵“云”上，但一旦有需要，我们可以在任何地点用任何设备，如电脑、手机等，快速地计算和找到这些资料。我们再也不用担心资料丢失。

　　在3月17日的新闻发布会上，施密特做了一个形象的比喻。他说，“云计算”就仿佛银行的自动取款机（ATM），我们出门再也不用随身携带大量现钞，可以根据需要随时取用。

　　Google的工程师谷雪梅则认为，PC时代好比每个人要用电，都得自己购买发电机；而“云计算”时代，每个人不必拥有发电机，直接从大型发电厂买电就好。

　　“云计算”其实并不是一个新概念。据谷雪梅介绍，“云计算”之前，还有“网格计算”（Grid Computing）等等，理念都是关于计算机如何协同发挥作用。十多年前，她还在读研究生时，就知道这些概念，但问题是，这些概念从来没有很好地得到实现。

　　在谷雪梅加入Google以后，她发现这一类概念已经得到了实践。Google的技术，可以让几十万台计算机一起发挥作用，组成强大的数据中心。Google中国CEO李开复此前接受《财经》记者专访时说，Google真正的竞争力就在于有这些“云”，他们让Google有了无与伦比的存储和计算全球数据的能力。

　　Google在创立之初，并没有刻意地去追求“云计算”和“网格计算”等概念。但作为一家搜索引擎，Google在客观上需要拥有这些“云”。实际上，雅虎的搜索同样用到了“云计算”。

云计算是一种新兴的共享基础架构的方法，它可以将巨大的系统池连接在一起以提供各种IT服务。很多因素推动了对这类环境的需求，其中包括连接设备、实时数据流、 SOA 的采用以及搜索、开放协作、社会网络和移动商务等这样的 Web 2.0 应用的急剧增长。另外，数字元器件性能的提升也使IT环境的规模大幅度提高，从而进一步加强了对一个由统一的云进行管理的需求。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。

到底什么是云计算， 现阶段广为接受的是美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。

云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。云计算是分布式计算、并行计算、效用计算，网络存储、虚拟化、负载均衡、热备份冗余等传统计算机和网络技术发展融合的产物。

云计算常与网格计算、效用计算、自主计算相混淆。

网格计算：分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机，常用来执行一些大型任务；

效用计算：IT资源的一种打包和计费方式，比如按照计算、存储分别计量费用，像传统的电力等公共设施一样；

自主计算：具有自我管理功能的计算机系统。

云计算是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

云计算特点如下：超大规模 虚拟化 高可靠性 通用性 高可扩展性 按需服务 极其廉价 潜在的危险性

云计算主要经历了四个阶段才发展到现在这样比较成熟的水平，这四个阶段依次是电厂模式、效用计算、网格计算和云计算。

云计算环境下，软件技术、架构将发生显著变化。首先，所开发的软件必须与云相适应，能够与虚拟化为核心的云平台有机结合，适应运算能力、存储能力的动态变化;二是要能够满足大量用户的使用，包括数据存储结构、处理能力;三是要互联网化，基于互联网提供软件的应用;四是安全性要求更高，可以抗攻击，并能保护私有信息，五是可工作于移动终端、手机、网络计算机等各种环境。

“物联网就是物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。

云安全(Cloud Security)是一个从“云计算”演变而来的新名词。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。

“云安全”通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到Server端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。

什么是云计算呢?

　　其实云端(cloud)就代表了互联网(Internet)，通过网络的计算能力，取代使用你原本安装在自己电脑上的软件，或者是取代原本你把资料存在自己硬盘的动作，你转而通过网络来进行各种工作，并存放档案资料在网络，也就是庞大的虚拟空间上。我们通过所使用的网络服务，把资料存放在网络上的服务器中，并借由浏览器浏览这些服务的网页，使用上面的界面进行各种计算和工作。

　　在云计算中，服务器并不会管你电脑的计算能量有多强。有的同事在办公室用PC连上Google Docs，在家则是用Apple MacBook，同时还有很多其他的服务可以通过你的手机或iPhone与Android平台手机上的应用软件来完成。

　　你可以在任何一台电脑上登入使用云端服务，而一个朋友或同事也可以登入并和你一起在一样的文件上工作。Google Docs只是能够协同操作的一种办公室型态云计算服务。有些服务甚至还可以让人在全球不同的地点登入服务并同时在一样的文件上工作。

　　云计算也许听起来很棒，但是它还是有一些隐忧的，也是你在使用时必须要考虑的地方。正如同开放源代码阵营名人Richard Stallman指出的，你的资料是在第三方厂商的手上，而且是在你控制以外的。

　　最有可能遇到的问题是安全性，鲜少有公司会想窃取你的资料并做出无耻的网站设计，但最好还是研究一下各种网站和网络服务，找一些可信赖的专家推荐的。　　

　　幸运的是，一点点常识和一些简单的正确电脑操作练习可以将这类安全性失误的影响降至最低，避免将你的机密资料放在云端上，如果你真的放了，例如利用网上银行时，避免在网咖、学校或图书馆内的公用电脑上进行，也别太随便给出自己真正的联络资料，避免每个帐号都使用同一个密码，就算只更改一个字母也好。

　　云计算第二个主要问题是可能暂时故障导致你无法使用某项服务，你可能把资料放在某个网站上而这个网站却因服务器故障导致某一段时间无法进入，Twitter就因偶发性挂点而恶名昭彰，每次它的网站挂掉时就会出现“掉落的鲸鱼”图案， 更糟的是，你有可能因此而遗失全部的资料。

　　最糟、最糟的情况是，当你想搜索自己在云端上的资料时却发现“情空中万里无云”，如果你想野餐这当然是好事，但如果是这个为你保管资料的公司突然关门大吉，可就大事不妙了。

　　如果你还没有备份自己的资料，你真的应该开始备份了。如果你不信邪，用iTunes就好了，但如果你信邪而且开始备份这些资料，就一直备份下去吧...想想要把全部的CD都跑过一次要花上多少时间(如果你还保有它们的话)，更别提那些你借来的CD或是已经购买的MP3。

　　想像一下明早你醒来时发现它们全部不见了，至少你还有音乐可以听，但如果遗失的是你的生日或婚礼或在瑞典穿着日本浴衣驾驶拖拉机的照片，那可能反而是件好事。

对于到底什么是云计算，至少可以找到100种解释。目前广为接受的是中国云计算专家咨询委员会副主任、秘书长刘鹏教授给出的定义：“云计算是通过网络提供可伸缩的廉价的分布式计算能力。”

　　从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

　　云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。

　　这种资源池称为“云”。“云”是一些可以自我维护和管理的虚拟计算资源，通常是一些大型服务器集群，包括计算服务器、存储服务器和宽带资源等。云计算将计算资源集中起来，并通过专门软件实现自动管理，无需人为参与。用户可以动态申请部分资源，支持各种应用程序的运转，无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于提高效率、降低成本和技术创新。云计算的核心理念是资源池，这与早在2002年就提出的网格计算池(Computing Pool)的概念非常相似。网格计算池将计算和存储资源虚拟成为一个可以任意组合分配的集合，池的规模可以动态扩展，分配给用户的处理能力可以动态回收重用。这种模式能够大大提高资源的利用率，提升平台的服务质量。

　　之所以称为“云”，是因为它在某些方面具有现实中云的特征：云一般都较大;云的规模可以动态伸缩，它的边界是模糊的;云在空中飘忽不定，无法也无需确定它的具体位置，但它确实存在于某处。之所以称为“云”，还因为云计算的鼻祖之一Amazon公司将大家曾经称为网格计算的东西，取了一个新名称“弹性计算云”(Elastic Computing Cloud)，并取得了商业上的成功。　　

这里描述的云的建立过程和结构，只是一种比较普通和容易理解的形式。由于技术的不同、实现方式的不同，各家云的实现方式和结构会有很大的不同。但是，一些基本的概念是相同的，其共同的核心要点包括：

　　一定要有资源池。把分散的计算资源集中到大的资源池里，以方便统一管理和分配。例如前面讲的D所管理的资源池。

　　按需分配、自助服务。用户实际消耗多少资源，就被分配多少资源;用户对自己得到的资源能够自助管理。例如前面讲的“机房”。

　　灵活的资源变化。随便撤掉一台硬件的电脑，其上面的信息和活动会自动转移到别处去;随便增加一台电脑，其资源会随时添加到资源池里去。所有这些增减，用户根本意识不到。例如前面讲的“配载调配和平衡”。

　　一定要有记账系统。用户消耗了多少资源，如何给这些资源计费，系统有详尽的信息采集和报告，以便对用户收费(即使是免费，也得有详细的记账)。例如前面提到用户输入信用卡，就是以记账为前提。

　　在组建云的技术上，说到底，就是用软件产品(如前面提到的C和D，并通过监控程序)来管理、组织、和分配经过抽象或虚拟的硬件计算资源。除了个别企业用自己的技术建设、和服务外，现在常见的云技术提供者主要有：VMware、微软、Citrix、和OpenStack等。前两者是完全的商业产品;Citrix公司在监控程序上采用的是开源的Xen;OpenStack则完全是开源免费的，它的监控程序主要采用开源的KVM和Xen，也可以是其它的开源软件。

　　按照服务的对象和范围，云可以分为三类：

　　私有云：建一个云，如果只是为了单位(企业或机构)自己使用，就是私有云。就前面提到的“机房”而言，每个“机房”只是为本单位的不同部门、或不同用途而设立的。

　　公众云：如果云的服务对象是社会上的客户，就是公众云。前面提到的“机房”可以是任何社会上的企业、单位、或个人。Amazon公司的AWS是现在世界上最大的公众云。其它公众云提供商还有Google、Salesforce、苹果的iCloud等等。

　　混合云：如果一个云，既是为单位自己使用，也对外开放资源服务，就是混合云。有时，把两个或多个私有云的联合，也叫混合云。　　“云计算”的五大特点

大规模、分布式“云”一般具有相当的规模，一些知名的云供应商如Google云计算、Amazon、IBM、微软、阿里等也都拥能拥有上百万级的服务器规模。而依靠这些分布式的服务器所构建起来的“云”能够为使用者提供前所未有的计算能力。

虚拟化云计算都会采用虚拟化技术，用户并不需要关注具体的硬件实体，只需要选择一家云服务提供商，注册一个账号，登陆到它们的云控制台，去购买和配置你需要的服务（比如 云服务器，云存储，CDN等等），再为你的应用做一些简单的配置之后，你就可以让你的应用对外服务了，这比传统的在企业的数据中心去部署一套应用要简单方便得多。而且你可以随时随地通过你的PC或移动设备来控制你的资源，这就好像是云服务商为每一个用户都提供了一个IDC(Internet Data Center)一样。

高可用性和扩展性那些知名的云计算供应商一般都会采用数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性。基于云服务的应用可以持续对外提供服务（7*24小时），另外“云”的规模可以动态伸缩，来满足应用和用户规模增长的需要。

按需服务，更加经济用户可以根据自己的需要来购买服务，甚至可以按使用量来进行精确计费。这能大大节省IT成本，而资源的整体利用率也将得到明显的改善。

安全网络安全已经成为所有企业或个人创业者必须面对的问题，企业的IT团队或个人很难应对那些来自网络的恶意攻击，而使用云服务则可以借助更专业的安全团队来有效降低安全风险。