欢迎来到天天文库
浏览记录
ID:28143571
大小:1017.00 KB
页数:10页
时间:2018-12-08
《诺基亚与Google的忘年情怀.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、诺基亚与Google的忘年情怀 诺基亚已经153岁了,Google才20岁,但真正的爱情,年龄不是距离。 1998年,Google只是个呱呱坠地的婴儿,那时候我们都用着诺基亚手机,没有人会想到这两家公司会有交集。20年后,ICT世界正在发生翻天覆地的改变,因为“连接”梦想,因为“万物智联”情怀,诺基亚和Google正在从两条平行线渐渐转成了相交线。 Google气球升空,诺基亚功不可没 缩小数字鸿沟,这是通信业持之以恒为之努力的伟大梦想。 Google也有这样的梦想,正如Google所宣称的,其Pro
2、jectLoon项目的“气球基站”正是为此而生。当然,情怀背后我们也应该看到,覆盖越广、速率越高的网络连接为Google这样的互联网巨头带来的价值是不可估量的,不过我们今天不讨论这个问题。 我们要说的是,Google气球商用的步伐正越来越近。 西班牙电信Telefonica同样有一个伟大梦想,他们称之为“Internetparatodos”计划,旨在连接拉美地区广大“未连接”区域,让超过1亿的人口能上网。 但是,运营商的固定和移动网络一直主要是为密集城市环境而设计,以实现最高的投资回报。若要在偏远地区建设
3、网络,投资大,回报低,运营商传统的建网方式显然不合适,因此Telefonica需重新思考网络设计。 早在2016年,Telefonica将ProjectLoon采纳为连接偏远农村的网络解决方案之一,并于2017年成功打通与Google气球之间的网络互联,成为全球首家将Google气球应用于应急通信的运营商。 2017年3月,秘鲁遭遇20年来最严重的洪水灾害,地面通信设施遭到严重破坏,许多区域的通信服务几乎瘫痪,Telefonica与ProjectLoon合作,在72小时内为4万平方公里区域提供了通信连接
4、,产生了超过160GB的数据流量。 ▲洪灾前—>洪灾影响区域—>ProjectLoon服务 对于此次成功合作,Telefonica官方表示:这是一次伟大的尝试,是消除数字鸿沟之路上的一次里程碑事件。 几个月后,谷歌ProjectLoon再次在应急通信中发挥重要作用。 2017年9月21日,波多黎各遭遇飓风玛丽亚袭击,岛上绝大部分基站中断,数百万的手机无法上网、拨打电话,此次Google气球与AT&T合作提供应急LTE覆盖。 几天前,外媒报道Google将与肯尼亚电信公司签署互联网协议。 报道
5、称,Google正在寻求与肯尼亚电信运营商达成协议,通过Google气球向偏远地区提供移动互联网覆盖,以低成本连接农村地区的数百万人,而无需新建地面站和敷设光纤。肯尼亚信息通信技术部对此举表示欢迎。 是的,Google气球商用步伐渐行渐近,但这背后,诺基亚发挥了关键的作用。 玩通信并不是Google的强项,Google气球能够升空提供连接,全靠诺基亚提供的LTE技术支持。 当Google气球在波多黎各升空之后,诺基亚官网发布,正是得益于诺基亚灵活创新的解决方案,使能高容量、高性能的LTE软件运行于Goog
6、le气球的太阳能电池板平台上,从而促成了这一创举。 Google实验室团队在博客中坦言,要将LTE软件集成于Google气球是一项“独特”的挑战,并表示了对合作伙伴的由衷感谢。 因为“连接”梦想,诺基亚和Google走到了一起。 我们尚不敢断言Google气球的商业规模和潜力,但随着万物互联时代的发展,“地空融合”的立体式网络已成为未来的必然趋势,诺基亚和Google已经走出了第一步。 边缘计算+人工智能:他们又在一起了 世界正在变得越来越快,万物智联时代整个世界对实时数据处理的需求与日俱增。
7、未来,从车联网、联网无人机到智能制造和新零售等,都需要实时分析和处理更多的数据,这些实时数据将在“边缘”就近完成处理、存储和应用,而不再通过网络传送到遥远的大型数据中心进行“集中式”的处理。 边缘计算将大量数据在靠近数据源的边缘完成计算和存储,它具备低时延实时处理、成本低、网络负荷低、安全和隐私保护性高、应用效率高等特点,与云端相互补充配合,真正实现计算和存储的“移动性”。 在这个人工智能正从云端走向尘埃的时代,边缘计算和人工智能是天作之合。边缘计算将纵深走向智能化和自治化。智能化,即边缘具有数据分析和业务
8、自动处理能力,比如故障自诊断和预警;自治化,即加持人工智能,使能边缘具备自优化、自决策能力。 边缘计算离不开人工智能,人工智能也需要边缘的大量数据来进行训练。比如自动驾驶上配置了从摄像头到激光雷达等各种传感设备,产生的海量数据需在汽车本地完成实时处理和做出决策;比如工厂里的机器人将配置传感器连接到边缘设备,边缘设备可利用机器学习模型来预测机器人是否发生故障。 Google的人工智能
此文档下载收益归作者所有