目前的現(xiàn)狀是，所有這些組成部分都還不那么成熟,，甚至還有些技術(shù)尚未找到適當?shù)姆绞?，使其能夠有效地支持物?lián)網(wǎng)愿景中的智能化和自主化的需求。例如,，計算資源的布局方法就是一個值得討論的方面,。

為了讓物聯(lián)網(wǎng)充分發(fā)揮其潛力,，系統(tǒng)需要能夠以流動為基礎(chǔ)來獲取和使用計算資源,。在云端，企業(yè)級的虛擬化能力推動了彈性計算,，于是企業(yè)可以讓應(yīng)用軟件運行在任何可利用的計算資源之上,，而不論這些資源位于何處。

最終,，這將創(chuàng)造一種環(huán)境,，其中的計算資源可以滿足各種應(yīng)用需求，并且實現(xiàn)資源利用效率的最大化,。然而,，這是很復(fù)雜的工程，對于許多人來說,，它代表了一個全新的IT愿景,。

一段時期以來，嵌入式系統(tǒng)開發(fā)人員已經(jīng)在左右橫向坐標軸上實現(xiàn)了工作負載的綜合化,。他們已經(jīng)能夠?qū)崿F(xiàn)嵌入式虛擬化技術(shù)在聯(lián)合制系統(tǒng)中的綜合運用,，從而降低了整體成本。下一個挑戰(zhàn)就是,，如何實現(xiàn)縱向上下坐標上（邊緣,、霧和云之間）實現(xiàn)工作負載的和協(xié)調(diào)和綜合。

其中一個關(guān)鍵是云架構(gòu)的利用,，而不是繼續(xù)構(gòu)建客戶定制的嵌入式解決方案,。要做到這一點并不容易，而更大的挑戰(zhàn)在于如何有效地做到這一點,，同時保持關(guān)鍵基礎(chǔ)設(shè)施所必須達到的系統(tǒng)完整性,、性能和確定性。

最終用戶正在推動計算平臺,、軟件基礎(chǔ)設(shè)施、應(yīng)用軟件和業(yè)務(wù)流程的解耦（Decoupling）,，這將對供應(yīng)鏈造成顛覆性的重大變化,，迫使企業(yè)解決方案的供應(yīng)商重新思考他們將如何創(chuàng)造和獲取價值。例如,，我們現(xiàn)在看到,，思科的轉(zhuǎn)型就是這種演變的典型例子。

這種趨勢同樣也發(fā)生在傳統(tǒng)的嵌入式領(lǐng)域,，如工業(yè)控制市場,。生產(chǎn)制造和流程加工企業(yè)的擁有者正在努力讓原有的設(shè)備在新的物聯(lián)網(wǎng)環(huán)境中繼續(xù)發(fā)揮作用，并且以創(chuàng)新的方式來應(yīng)對新的市場變化,，同時還必須進一步降低成本,。他們正在探索如何利用虛擬化和拓撲結(jié)構(gòu)來實現(xiàn)解耦，以便能夠靈活地部署創(chuàng)新的技術(shù),。

最近在巴塞羅那舉行的世界移動通信大會（2018 MWC）上,，VMware與風河公司聯(lián)合展示采用ONAP聯(lián)合計算體系,，實現(xiàn)了跨越多種云平臺的多租戶業(yè)務(wù)。這是在ONAP Multi-VIM/Cloud Project之下展開合作的成果,，因為VMware和風河都是其中的領(lǐng)先貢獻者,。這個項目的目標是推動ONAP的設(shè)計以及云無關(guān)基礎(chǔ)架構(gòu)環(huán)境的部署，包括OpenStack及其不同版本、共有和私有云,、微服務(wù)容器等實例,。在這項演示系統(tǒng)中，Wind River Titanium Cloud處于邊緣部位,，而VMware vCloud NFV OpenStack Edition處于核心部位,。應(yīng)用情景則是虛擬CPE和虛擬IMS。在這兩種情境中,，邊緣部件都運行在Wind River Titanium Cloud之上,，而核心部件運行在VMware VIO. ONAP編排器之上，在邊緣和核心云之間實現(xiàn)了數(shù)據(jù)流動的自動化,，控制著整體的服務(wù)交付和生命周期管理,。

這種跨越異構(gòu)網(wǎng)絡(luò)(VMware VIO和Wind River Titanium Cloud)的聯(lián)合體系正式服務(wù)提供商所需要的高增值邊緣服務(wù)，既可以用于拓展其現(xiàn)有網(wǎng)絡(luò),，又可以用于增加新的網(wǎng)絡(luò),。

當今的技術(shù)創(chuàng)新發(fā)展迅速,，工業(yè)企業(yè)如果不了解如何運用這些新技術(shù)來加快應(yīng)變速度,、降低運營成本，必將在競爭中處于劣勢,。我們在這里探討就是,，工業(yè)企業(yè)已經(jīng)感受到壓力，發(fā)現(xiàn)自己可以了解評估一下,，在云計算和電信數(shù)據(jù)中心已經(jīng)發(fā)生的拓撲結(jié)構(gòu)變遷,，以便確定哪些新技術(shù)可以應(yīng)用在自己所在的領(lǐng)域。

這些方法在工業(yè)市場傳統(tǒng)供應(yīng)商的商業(yè)模式之下有可能讓人感到迷惑,，與我們在云計算和電信市場出現(xiàn)的情況十分類似,，不必恐慌。我們已經(jīng)看到，工業(yè)控制企業(yè)正在積極嘗試從相鄰行業(yè)中學習,，調(diào)整轉(zhuǎn)變自己的價值主張,，同時重新思考伴隨著這種轉(zhuǎn)變應(yīng)該采取的盈利策略。他們開始認識到,，自己的價值將越來越多地在應(yīng)用程序和業(yè)務(wù)流程的層級產(chǎn)生,，而不是在計算平臺、軟件基礎(chǔ)設(shè)施這兩個層級,。

當然，計算資源只是物聯(lián)網(wǎng)道路向前推進的一個方面,。另一個顯而易見的方面是數(shù)據(jù),。數(shù)據(jù)等同于新時代的石油。雖然我們已經(jīng)在捕捉和利用數(shù)據(jù)方面取得了一些進展,，但還沒有真正體驗到物聯(lián)網(wǎng)所承諾的誘人成果,。

我最近閱讀了大量的資料都是有關(guān)工業(yè)革命的到來，其中歷史上最大的突破是利用蒸汽來推動工廠里的傳送帶和齒輪,。不久之后,，大型直流電機取代了蒸汽機。然而,，電力并沒有從根本上改變制造業(yè),，它只是提供了一種更有效的動力來驅(qū)動傳送帶和齒輪。真正的轉(zhuǎn)變直到大量小型電動機的分布式應(yīng)用出現(xiàn)之后才得以發(fā)聲,，這表明人類真正開始理解和改變傳統(tǒng)的生產(chǎn)制造流程,，從而在根本上改變了生產(chǎn)模式。

我們對數(shù)據(jù)的處理思路基本上是一樣的,。數(shù)據(jù)不是新現(xiàn)象,，它一直都存在。關(guān)鍵是我們要找到訪問,、存儲和分析數(shù)的更有效方法,。如果我們不能在物聯(lián)網(wǎng)的邊緣部署計算資源,，就代表我們沒有做任何新的完全不同的事情，正如我們剛剛開始部署大型電動機,，而尚未改變生產(chǎn)流程,。

機器學習在20世紀40年代以及艾倫圖靈之后就已經(jīng)存在了,。早期的方法是使用符號編程，依靠機器規(guī)則作為學習的基礎(chǔ),。如今,，算法的發(fā)展已經(jīng)轉(zhuǎn)向了模式識別，應(yīng)用精細化的學習技術(shù),。隨著機器學習朝著這個方向發(fā)展,，我們已經(jīng)看到應(yīng)用效率的巨大提升。當然它還處于新生階段,，但發(fā)展速度是驚人的,，其影響將是具備轉(zhuǎn)型意義的。

然而,，支持機器學習必然會需要更大的計算資源,。我們遇到的主要挑戰(zhàn)是將計算資源遠遠地推到產(chǎn)生數(shù)據(jù)的網(wǎng)絡(luò)邊緣，這樣就可以讓設(shè)備自身在更短的時間內(nèi)做出關(guān)鍵性的決策,，而不會因為要將數(shù)據(jù)傳送到云端而產(chǎn)生時間延誤,。最終，企業(yè)會希望實現(xiàn)流動計算的模式,，以便為在任何需要的地方和需要的時間為設(shè)備賦予智能。于是,，我們將真正能夠充分利用機器學習的力量,。

如果企業(yè)機構(gòu)認為僅僅依靠他們原有領(lǐng)域的知識就可以阻止來自鄰近市場的新競爭者，那么他們肯定就打錯算盤了,！只要能夠獲得正確的數(shù)據(jù)集,，同時擁有足夠的計算資源，程序員即便只有有限領(lǐng)域?qū)ｉT知識，也可以開發(fā)出能夠取得顯著成果的算法,。所以,，企業(yè)機構(gòu)必須認識到，必須加快自己發(fā)展機器學習技術(shù)應(yīng)用的速度,，否則他們將看到來自臨近市場的新競爭對手,，在他們的后視鏡里迅速追趕上來。

機器學習的應(yīng)用不是今天即可到手的獎品,，但卻是近期容易到手的目標,，基本上用不了一年時間。但在下一個十年里,，機器學習和流動計算的發(fā)展將大大加速,。流動計算、IT可擴展性和機器學習是迷人的技術(shù),，從戰(zhàn)略的角度來看,，風河正在研究如何包容所有這一切。