Według prognoz analityków firmy ABI Research z raportu Edge-to-Cloud Orchestration: Bridging Cloud-Native and Edge Applications, całkowite wydatki na serwery brzegowe (ang. edge servers) osiągną poziom 19 mld USD do 2027 roku. Wdrożenia lokalne (on-premises) w przedsiębiorstwach mają przynieść prawie 10,5 mld USD, co będzie stanowić 55% całkowitych przychodów w 2027 roku. ABI Research przewiduje, że wdrożenia serwerów edge u operatorów osiągną wartość 7 mld USD, u hiperskalerów – 790 mln USD i neutralnych hostów – 740 mln USD.

– Spodziewamy się większej integracji środowisk chmur publicznych, prywatnych i hybrydowych, co doprowadzi do rozbicia silosów danych. Organizacje zdają sobie sprawę ze znaczenia serwerów brzegowych w umożliwianiu integracji aplikacji brzegowych w ramach ogólnej strategii chmurowej i, co ważniejsze, z wartości biznesowej, jaką można uzyskać dzięki kompleksowej strategii zarządzania danymi w środowiskach chmurowych i edge – wyjaśnia cytowany w komunikacie Yih-Khai Wong, starszy analityk ds. obliczeń rozproszonych i brzegowych w ABI Research.

Rozwiązania natywne dla chmury, takie jak kontenery i interfejsy API, pozostają kluczowym elementem strategii cyfrowej każdej organizacji, podkreślają eksperci ABI Research. Wdrażając platformę orkiestracji edge-to-cloud, przedsiębiorstwa mogą obecnie wykorzystywać obciążenia wdrożone na brzegu sieci za pomocą aplikacji natywnych dla chmury, aby uzyskać bardziej całościowy i zintegrowany obraz prowadzonego biznesu, co przyspiesza podejmowanie lepszych decyzji biznesowych.

– Pojawienie się sztucznej inteligencji spowoduje również potrzebę orkiestracji środowiska edge-to-cloud. Obecna nowoczesna infrastruktura edge może teraz przetwarzać modele wnioskowania AI na brzegu sieci, omijając potrzebę przesyłania danych zebranych u źródła do scentralizowanego repozytorium w chmurze – podsumowuje Wong.

(grafika tytułowa – źr. Pixabay)

Artykuł Kluczowa rola orkiestracji edge-to-cloud w ewolucji cloud computingu pochodzi z serwisu IT-Filolog.

Edge computing polega na przybliżeniu mocy obliczeniowej do źródła danych, niezależnie od tego, czy są one generowane przez sprzęt przemysłowy, urządzenia IoT czy czujniki rozproszone po hali produkcyjnej. Obietnica związana z koncepcją „Intelligent Edge” wiąże się z jej zdolnością do zapewniania szybszego, bardziej niezawodnego i wydajnego przetwarzania danych, co prowadzi do szybszego podejmowania decyzji i zmniejszenia zależności od scentralizowanych systemów chmurowych, które mogą dotykać problemy sieciowe związane z opóźnieniami i przepustowością.

Jednak wdrażanie rozwiązań Intelligent Edge to także wyzwania. Istotną barierę stanowi złożoność technologiczna związana z wdrażaniem infrastruktur edge computing i zarządzaniem nimi, wskazuje Scale Computing. Sama ilość i różnorodność danych generowanych na brzegu sieci może przerosnąć istniejące możliwości przetwarzania. Pozostaje również kwestia interoperacyjności, ponieważ różne urządzenia i systemy muszą bezproblemowo komunikować się, aby zapewnić optymalną funkcjonalność.

AI odgrywa już kluczową rolę w pokonywaniu tych wyzwań i uwalnianiu potencjału Intelligent Edge. Gartner szacuje, że w 2022 r. około 5% wdrożeń edge computing mogło wykorzystywać w jakimś stopniu technologię uczenia maszynowego ML (Machine Learning), natomiast do 2026 r. co najmniej 50% wdrożeń edge computing będzie korzystać z ML. Algorytmy AI, zaprojektowane do szybkiego i dokładnego analizowania ogromnych ilości danych, idealnie nadają się do bogatych w dane środowisk przetwarzania brzegowego.

Dzięki integracji z AI urządzenia edge mogą autonomicznie przetwarzać gromadzone dane i działać na ich podstawie, bez konieczności ciągłej komunikacji z serwerem centralnym. Integracja ta zwiększa szybkość i efektywność podejmowania decyzji, co ma kluczowe znaczenie w zastosowaniach, takich jak zarządzanie zapasami w czasie rzeczywistym lub kalibracja sprzętu przemysłowego na hali produkcyjnej.

Jak podkreślają eksperci Scale Computing, sztuczna inteligencja odegra zasadniczą rolę w zwiększaniu bezpieczeństwa i niezawodności systemów edge computing, umożliwiając im wykrywanie anomalii i reagowanie na nie w czasie rzeczywistym.

(grafika tytułowa – źr. Pixabay)

Artykuł Algorytmy AI wspierają rozwój Intelligent Edge pochodzi z serwisu IT-Filolog.

Firmy już teraz wykorzystują te technologie, aby optymalizować operacje biznesowe. Od usprawniania procesów po poprawę obsługi klienta i napędzanie wzrostu – big data, cloud computing i sztuczna inteligencja pomagają firmom podejmować decyzje oparte na analizowanych danych oraz w poprawie ogólnej wydajności operacyjnej.

– W ciągu najbliższych kilku lat coraz więcej firm zacznie włączać narzędzia big data, przetwarzanie w chmurze i sztuczną inteligencję na potrzeby swoich operacji – komentuje analityk finansowy StockApps, Edith Reads.

Nowe technologie są szczególnie przydatne w przypadku większych organizacji, które często mają trudności z wydajną analizą danych ze względu na swój rozmiar i chcą zwiększać wydajność swoich działań.

Dzięki zaawansowanym narzędziom analitycznym opartym na sztucznej inteligencji firmy mogą łatwiej i szybciej analizować duże zbiory danych w celu uzyskania cennych informacji. Dzięki temu mogą lepiej identyfikować trendy rynkowe, preferencje klientów oraz podejmować decyzje na podstawie informacji w czasie rzeczywistym.

Ponadto firmy wykorzystują cloud computing do bezpiecznego przechowywania ogromnych ilości danych, uzyskując do nich dostęp z dowolnego miejsca. Daje im to możliwość szybkiego i wydajnego dostępu do dużych zbiorów danych, co pozwala reagować na potrzeby klientów w czasie rzeczywistym.

Edge AI

Według analityków firmy Gartner, zapotrzebowanie na Edge AI rośnie, aby umożliwić przetwarzanie danych w miejscu ich generowania na brzegu sieci, co pomaga organizacjom w monitorowaniu procesów biznesowych w czasie rzeczywistym, wykrywaniu nowych wzorców, a także co istotne – w spełnianiu rygorystycznych wymagań dotyczących prywatności danych. Edge AI pomaga również organizacjom w ulepszaniu rozwoju, orkiestracji, integracji i wdrażaniu sztucznej inteligencji.

Gartner przewiduje, że do 2025 roku ponad 55% wszystkich analiz danych przeprowadzanych przez głębokie sieci neuronowe (ang. deep neural networks) będzie realizowanych w punktach przechwytywania danych w systemie edge, w porównaniu z mniej niż 10% w 2021 r.

Inwestycje w sztuczną inteligencję będą przyspieszane przez organizacje wdrażające rozwiązania oparte na AI, a także przez branże, które chcą się rozwijać dzięki technologiom sztucznej inteligencji i biznesom opartym na AI. Gartner przewiduje, że do końca 2026 roku ponad 10 mld dolarów zostanie zainwestowanych w start-upy AI.

(grafika tytułowa – źr. Pixabay)

Artykuł 75% firm zamierza skorzystać z big data, chmury i AI w perspektywie 5 lat pochodzi z serwisu IT-Filolog.