即時獲取見解
在邊緣實現即時分析之所以在現在和未來可行甚至可能成為首選,是由實現人工智慧和機器學習 (ML) 的發展潮流決定的。人工智慧和機器學習的功能正變得越來越複雜、用途越來越廣泛且越來越精密,能夠在邊緣、集線器,並且最終在雲端對物聯網收集的資料進行即時分析,獲取更多價值。資料可以傳送至雲端,並在此處由機器學習和人工智慧監視其特徵並進行訓練,從而逐漸從大量資料集中獲取見解。
資料來源:未開發的資料 - 從邊緣和雲端的物聯網資料中獲取更多價值,Western Digital 的 Christopher Bergey (Western Digital 部落格,5/6/18)
Western Digital 提供從裝置到系統再到平台的全面產品組合,旨在發揮由物聯網和邊緣運算所驅動資料的力量和潛力
依據 ABI Research 的觀點,物聯網 (或整體意義上的萬物互聯) 最顯著的趨勢之一是打破了邊緣運算和雲端運算之間的平衡。早期的物聯網與其先驅 M2M 以雲端平台發揮關鍵角色並起應用推動者作用為特徵。智慧系統很大程度上依賴雲端級別的智慧,而系統包含的裝置本身相對簡單。目前,這個舊的前提正在動搖,因為邊緣級別的運算能力比雲端級別的運算能力提升得更快。
資料來源:物聯網中的邊緣分析,ABI Research,2015 年
前瞻性聲明
此網頁可能包含前瞻性聲明,包括但不限於有關我們產品和技術組合、我們產品的功能、容量、應用和市場、我們的策略和增長機會以及市場趨勢的聲明。這些前瞻性聲明可能受到風險和不確定性因素的影響,從而會導致實際結果與前瞻性聲明中表達或暗示的結果存在實質上的差異。Western Digital Corporation 向證券和交易委員會備案的檔案中更完整地討論了這些風險和不確定性因素,包括我們最近提交的定期報告,請您多加留意。在此提醒讀者勿對此等前瞻性聲明過分依賴,本公司不承擔因後續事件或環境變遷而需更新此等前瞻性聲明之義務,法律要求者除外。
揭露資訊
1. 資料來源:Unlocking the potential of the Internet of Things (釋放物聯網的潛力),James Manyika、Michael Chui、Peter Bisson、Jonathan Woetzel、Richard Dobbs、Jacques Bughin 和 Dan Aharon (McKinsey Global Institute,2015 年 6 月)
2. 資料來源:邊緣運算:A cheat sheet (備忘單),Mary Shacklett (TechRepublic,2017 年 6 月 21 日)
3. 資料來源:IoT numbers vary drastically: devices and spending in 2020 (物聯網數據急劇變化:2020 年的裝置和支出),Dennis Knacke (We Speak IoT,2017 年 10 月 6 日)
4. 資料來源:Gartner Says 8.4 Billion Connected “Things” Will Be in Use in 2017, Up 31 Percent From 2016 (Gartner 表示,2017 年將有 84 億台互網「事物」投入使用,比 2016 年增長 31%),Press Release (Gartner,2017 年 2 月 7 日)
5. 資料來源:Cisco Visual Networking Index:Forecast and Methodology, 2016–2021 (預測與方法,2016 - 2021)(Cisco,2017 年 9 月 15 日)