边缘计算(a50指数期货)
边缘计算(a50指数期货)
本文目录一览：
字幕组双语原文：什么是边缘计算（Edge AI）？
英语原文：What is Edge AI Computing?
翻译：雷锋字幕组（wiige）
边缘AI发源于边缘计算。边缘计算也称为边缘处理，是一种将服务器放置在本地设备附近网络技术, 这有助于降低系统的处理负载，解决数据传输的延迟问题。这样的处理是在传感器附近或设备产生数据的位置进行的，因此称之为边缘。
边缘计算的发展意味着边缘人工智能正变得越来越重要。各行各业莫不如是，特别是在降低处理延迟和保护数据隐私这方面。本文将探讨边缘AI的影响，为什么重要，及其常见用例。
什么是边缘AI？
边缘AI是指在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据。这意味着可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。这一点很重要，因为出现了越来越多的设备数据无法依赖云端处理的情况。比如，工厂的机器人和自动驾驶汽车都需要以最小的延迟高速处理数据。
为了实现这些目标，边缘计算可以在云上靠深度学习生成数据，而在数据原点——即设备本身（边缘）执行模型的推断和预测。
以工厂的工业机器人为例。AI技术可以在这里以人类无法企及的速度，对来自监控摄像头和传感器的大量多模态数据进行可视化和评估，可以用它来检测生产线上人类可能忽略的故障数据。这类物联网结构可以存储生产线上产生的大量数据，并通过机器学习进行分析。它们也是能够提高工厂智能化程度的AI模型的核心。
边缘AI，物联网和5G:
边缘人工智能经常与物联网(IoT)和5G网络放在一起讨论.
物联网一词指的是通过互联网相互连接的设备，包括智能手机、机器人和电子设备。作为一个用人工智能进行分析的平台，边缘人工智能可以收集和存储物联网产生的大量数据，让使用具有可扩展性的云成为可能。这可以提高数据处理和基础设施的灵活性.
5G网络可以增强上述过程，因为其三大特点——超高速、大并发和超低时延——明显优于4G网络.
5G对于物联网和边缘AI的发展是不可或缺的，因为当物联网设备传输数据时，数据量暴涨，从而影响传输速度。传输速度的下降又会产生时延，而时延是实时处理面临的*问题。
边缘计算和边缘AI为何重要?
越来越多的情况下，设备数据无法通过云端处理。工业机器人和自动驾驶汽车经常出现这种情况，它们需要高速处理，但当数据流增大而产生处理时延时会非常危险。
例如，想象一下自动驾驶汽车在检测道路上的物体，或操作刹车或方向盘时由于云端而延迟。任何数据处理的减慢都会导致车辆的响应速度变慢。如果响应变慢的车辆不能及时做出反应，就可能导致事故的发生。生命此时会切实受到威胁。
对于这些物联网设备来说，实时响应是必要条件。这就要求设备能够在现场分析和评估图像/数据，而不能依赖云端AI。
通过将通常委托给云端的信息处理交给边缘设备，可以实现无传输延迟的实时处理。此外，如果只传输重要信息到云端，可以减少传输数据量，这能将通信中断的风险降到*。
边缘AI使用场景
边缘AI的市场主要有两个领域：工业机械和消费设备。可以看到，它在控制和优化设备、自动化重复劳动等领域均有进展。
消费设备也有所突破，这些设备的AI摄像头可以自动识别被摄对象。由于设备数量大于工业机器，预计从2021年起，消费设备市场将大幅扩大。
我们把一些边缘AI的常见场景放在下面。
自动驾驶汽车
自动驾驶汽车是应用边缘计算最值得期待的领域。有很多情况下，自动驾驶汽车需要对情况进行即时评估，这就需要实时的数据处理。2019年12月，日本对《道路交通法》和《道路运输车辆法》进行了修订，使得3级自动驾驶汽车更容易上路。它规定了自动驾驶汽车应符合的安全标准，以及自动驾驶汽车可以运行的区域。因此，汽车制造商也在正在努力开发遵守这些标准的自动驾驶汽车。例如，丰田已经在测试TRI-P4的完全自动化（4级）自动驾驶系统了。
无人机
无人机在进行飞行时失控、失踪的新闻越来越多。某些甚至导致了事故的发生。根据无人机降落位置的不同，坠毁造成的后果也可能是灾难性的。
自动驾驶无人机上，飞行员并不主动干涉无人机的飞行。他们远程监控操作，只有在*必要的时候才会手动驾驶无人机。最*的例子是亚马逊的Prime Air，这是一个无人机送货服务，它们正在开发自动驾驶无人机来运送包裹.
人脸识别
人脸识别系统是监控摄像头的发展方向，它可以通过学习人脸识别人类个体。2019年11月，WDS有限公司发布了AI摄像头模块Eeye，通过边缘AI实时分析面部特征。Eeye能快速准确地识别人脸，适用于针对性别、年龄等特征的营销工具，和用来解锁设备的人脸识别场景。
智能手机
这是我们最熟悉的边缘AI设备。Siri和谷歌助手是智能手机上边缘AI的好例子，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和减少流量。
未来的边缘AI
边缘AI正高速增长，我们已经看到对该技术的大量投资。像Konduit AI这样的公司正在将它作为其在东南亚的AI战略的关键部分。另一个例子是2020年1月，苹果耗资2亿美元收购了位于西雅图的AI企业Xnor.ai。Xnor.ai的AI技术通过边缘处理来处理用户智能手机上的数据。随着智能手机本身内置人工智能，我们可能会看到语音处理、人脸识别技术和隐私保护方面的进步。。
根据富士景气集团发布的 \"2019年AI业务汇总调查\"，日本的边缘AI计算市场在2018财年的预测市场规模为110亿日元。调查预测，2030财年市场规模将扩大到664亿日元。
而随着5G的普及，可能也将看到全球边缘AI服务成本的下降和需求的上升。
雷锋字幕组是一个由 AI 爱好者组成的翻译团队，汇聚五百多位志愿者的力量，分享*的海外AI资讯，交流关于人工智能技术领域的行业变革与技术创新的见解。
团队成员有大数据专家、算法工程师、图像处理工程师、产品经理、产品运营、IT咨询人、在校师生；志愿者们来自IBM、AVL、Adobe、阿里、百度等知名企业，北大、清华、港大、中科院、南卡罗莱纳大学、早稻田大学等海内外高校研究所。
如果，你也是位热爱分享的AI爱好者。欢迎与雷锋字幕组一起，学习新知，分享成长。
雷锋网雷锋网
近两年来，随着A股国际化步伐的扩大，我们也开始关注越来越多的海外指数运行的情况。其中，最有名的就是富时A50指数。多少个A股已经收盘的夜晚，盯着A50期指的波动来预判下一个交易日A股的走势，已经成为很多投资者不自觉的习惯了。随着外资对A股的影响越来越大，A50指数已经实际上成为不少投资者常用的投资分析工具了。今天木鱼带来一个详细的介绍，并分析一下这个指数的实际价值。
富时A50简介
A50指数全称为富时中国A50指数，是1999年由全球四大指数公司之一的富时指数有限公司编制发布。时代的背景是，中国即将推出QFII（合格的外国机构投资者制度）以引导外资进入资本市场投资A股，为了更好地引导国际资本评估和投资A股，富时公司率先发布了这个指数让很多外国人对中国的A股开始有了认识。而国内投资者在交易时间结束后继续关注的A50实际上是在新加坡上市的A50期货指数，而A50指数是在A股交易时间运行的，期货指数的运行状态代表了市场对A50指数后续的走势预期，很多投资者把这个期指看作A50指数的先行指标。
A50指数的编制方法
简单的来说，是A股市场里市值*的50家公司组成的指数，总市值占整个A股的比例超过30%。值得注意的是，创业板也包含在其中，*一期A50成分股中，创业板龙头迈瑞医疗和宁德时代都在其中。确实对A股具备相当的代表性。
A50与上证50的差别
A50常常拿来与上证50指数比较，后者是在上海证券交易所上市*的50家公司。木鱼专门统计了一下，A50与上证50的成分股，有28只重合。有趣的是，A50成分股中有另外6只在上海证券交易所上市的股票而上证50指数中并没有包含，它们是：中国中车、韦尔股份、长江电力、中国国旅、建设银行、中信银行。按道理都是按市值排名来编制成分股的，但是因为一些原因上证50并没有完全按这个规则来做。比如建设银行是因为在A股上市的可流通部分太少而被排除在外的。
A50除了包含了上证的主要权重股，也包含了深证交易所上市的一些耳熟能详的龙头股，五粮液、美的集团、海康威视、中兴通讯、牧原股份、顺丰股份、迈瑞医疗、药明康德和宁德时代等。行业种类比上证50更为齐全，对新兴产业的容纳度显然高于上证50指数。
A50指数 2011年到2020年6月，总涨幅50.6%
上证50指数 2011年到2020年6月，总涨幅48%
回顾过去10年的走势，A50指数与上证50指数走势基本一致，A50由于今年略强，与其包含有新兴产业龙头有关系。
A50如何影响A股市场的
首先，我们收盘后经常关注的A50是A50期指，正牌A50指数只在A股交易时间运行，对投资者预判A股走势影响不大。那么我们首先要理解一下，A股收盘后为什么期指变化被很多投资者重视。
【两大事实】
1、 国际资本容易受全球市场波动影响，海外市场对A股的影响事实上在增大的；
越是国际化的资本市场，越容易受到全球市场主要是美国股票市场波动的影响，大宗金融资产已形成不同程度共同的估值基础。目前日本市场中，国际资本持有的市值占整个市场的30%，那么现象就是，东京日经225指数的走势几乎快成为美国道琼斯指数的复制版本。只要美国市场前一天暴涨暴跌，日经指数几乎一致地低开或高开，几乎不存在独立行情了。A股目前外资持有市值大约不到5%的比例，以后如果继续增加，那么难以避免地受到海外资金越来越大的影响，特别是开盘时承接海外市场波动的影响是直接的。在美国疫情加剧市场熔断期间，不少外资就是卖了A股把资金拿回去补仓的，叠加市场恐慌A股也在3月产生了大幅波动。资本市场国际化难以避免地出现互相影响越来越大的局面。
2、 A股的股指期货运行时间无法与海外市场运行同步，市场仍然缺乏避险工具
目前中金所运营的几大期指的交易时间都与A股交易时间一致，那么交易时间之外新产生的市场风险就无法及时地对冲和平衡。特别是外资关注的美国经济和股市的变化，对外资选择投资策略十分重要，而A50期指很好地填补了这个空白。大多数隔夜出现的市场风险和利好，外资都能利用A50期指进行管理，且随着外资进入A股的规模扩大，A50的流动性也是越来越好。
【施加影响的两大方式】
从以上事实可以知道，A50对于A股的作用还是存在的。施加影响的方式有两种：
1、 隔夜交易结束后，在50指数开盘时，A50期指当期合约要把隔夜的波动传导给指数
期指不是真正的指数，在指数非交易时间积累了市场预期后，必然会影响真正指数的走势。比如隔夜期指跌了2%，那么如果指数不动，那么就产生了指数和当期期指价值的很大差别，套利机会也会出现。现实中市场的流动性会使这种情况几乎不会发生，投资者会迅速卖出现货指数ETF避险，而直接导致A50成分股开盘卖单增加。这就是现货和期货之间的关系，既互相影响但也不是完全一致，会有个错期的效应；
2、 A50期指隔夜的走势对投资者心理预期的引导
这一点影响可能更大，不少投资者看到A50大涨，就对第二天A股的市场走势充满期待，毕竟代表了外资对中国*的50家上市公司股价的观点。在很多情况下，A50如果不大跌，外资也确实不会发动大规模砸盘。很多投资者确实有这种心理期待。
综上所述，由于外资比例的增加以及资本市场国际化的需求，A50确实对A股产生了影响。
A50期指是合格的先行指标吗？
有参考意义，但不是关键引导信号。
1、 强势A股无视，弱势A股跟随
外资持有市值占A股的比例仅有不到5%，只是增量资金部分外资占比比较大。在A股资金面充裕市场热情高的时候，也经常打肿外资的脸。今年5月1日晚，A50期指暴跌4%，正在过节的股民们忧心忡忡，而5月6日A股开盘虽然低开，但上证仅低开1%，之后迅速高走翻红最后收中阳，而A50指数也大幅反弹。和春节后的疫情反弹攻势一样，在A股足够强的时候，A50其实也是跟随者的角色。而3月份美股暴跌时，A50则是助涨A股弱势的帮凶，有相当的先行信号作用。
2、 代表程度仍然有限
我们分析过A50指数结构，说白了是代表50家*的公司，对于很多版块的股票来说，A50调整就意味着大资金可能出来投向自己。特别是银行，在疫情经济中由于让利给实体经济，估值遭严重看低，这时候反而资金对科技股有更加青睐的趋势。A50中的大金融不景气，不代表资金不会流入其他版块，毕竟A股有3000多家上市公司，50家*的不能充分代表其他版块的独立行情。
3、 只代表海外资金的看法
A50就是设计给外资用的，外资由于受到国际经济形势的影响，对于A股估值的判断也并不客观。很多国外投资者已经习惯跟随美股的思维来投资其他市场，其对于A股投资也存在投机性和片面性。我们常说外资是"聪明资金"，这只是因为他们属于增量资金，做多比例更高的一种现象而已。真正要强，还是要靠A股自身。
总结
随着A股走向国际化的步伐不断加大，A50之外海外也会出现更多针对中国市场的指数和金融衍生品，MSCI中国指数就是一个很好的例子。在资本市场国际化的长期趋势下，我们进一步地了解外资风格和策略，也是非常需要的。希望本文能帮助您更好地理解A50。
木鱼致力于让投资者深入理解更多的市场内在规律，在变革的时代共同成长。立即猛戳关注我，做一路的好伙伴！
转载自 云计算D1net
企业采用的技术范围如今有了很大的飞跃。“在更短的时间内取得更大的成就”一直是全球企业所遵循的座右铭。近年来，提高边缘处理能力已经成为一种流行趋势，为自主系统提供了技术基础。因此，企业可以提高效率和产量，员工可以专注于更高价值的工作。
对边缘计算了解多少?
边缘计算是一种分布式/网络计算策略，数据的分析和处理发生在数据收集点和处理点附近，而不是在数据中心的服务器或云平台中。借助这种新架构，可以访问收集数据的传感器和安全地实时和现场分析数据的边缘服务器。还可以将其他设备连接到网络，例如手机和电脑等。
边缘的数据处理有助于快速应用分析和部署人工智能功能，这很有趣。此外，边缘计算允许无延迟的无缝数据传输，并降低网络带宽和存储需求。
边缘计算的实用性已在全球范围内实现。以下提到的统计数据说明了一切：
根据调研机构Gartner公司发布的调查报告，到2022年，企业生成的数据有50%将通过边缘计算在数据中心或云平台之外生成和处理。根据IDC公司发布的《全球边缘支出指南》，到2025年，企业和服务提供商围绕边缘解决方案在软件、硬件和服务上的支出将快速增长，达到约2740亿美元。边缘计算和云计算的关系
许多人探讨边缘计算是否是云计算的子集，反之亦然。事实上，边缘计算与云计算协同工作，以提供基于每个企业特定的数据收集和分析的可定制解决方案。
事实证明，边缘计算适用于处理实时数据收集和处理的特定工作负载。与此同时，云计算有助于为大规模分析提供集中站点。边缘计算和云计算一起工作以提供有关性能的实时见解，并支持机器学习等项目。
为什么边缘计算越来越受欢迎?
支持所有业务流程的自动化。激发运营能力。提出了一种成本较低的策略来实现可扩展性。在所有设备上提供更好的性能和安全性。降低带宽以提供更低的传输成本。边缘计算的优势
通过将处理和存储分散到各种设备中来提高安全性。边缘计算提供更高的速度和更低的延迟，以实现更快的数据处理。提供具有成本效益的可扩展性和适应性途径，从而允许企业增强其计算能力。边缘计算的缺点
为了让企业运营业务保持正轨，数据在各个方面都是重中之重。在边缘服务器收集数据和信息时，必须彻底检查合规性和法规。边缘计算的网络架构增加了已知的网络攻击，这样的系统容易受到安全漏洞和恶意软件渗透的影响。随着越来越多的数据在边缘得到保护，需要更多的计算机。因此，必须增加带宽。边缘计算的实现需要网络带宽的平衡。质量保证(QA)在边缘计算中的重要性如何?
边缘计算的分层架构涉及许多相互依赖的组件。这包括：
边缘软件边缘硬件边缘网关互连云计算数据同步质量保证(QA)的价值在验证上述每个组件的功能和进一步测试以确保它们作为集成结构的一部分和谐运行期间可能会很明显。
在边缘组件上执行的一些测试活动是：
单元测试API测试性能测试数据库测试集成测试安全测试人们可以进一步了解边缘计算的用例，并观察它在日常工作和生活中的存在，以及这种有趣的计算模式带来的好处。
（企业网D1Net）
AIoT是大势所趋；“算法定义硬件”是核心理念；开放生态是必由之路
当前，我们正在大踏步地迈入物联网时代，AIoT将是互联网发展的下一次浪潮。物联网一定是高度智能化的网络，“智能”将是物联网时代最核心的生产力。AI技术将渗透到云、边、端和应用的各个层面，与IoT设备进行深度融合。目前，AIoT已经成为一个大共识、大赛道、大市场。
在物联网时代，用户对于智能的需求呈现爆发式增长，但其碎片化程度也是前所未有。物联网的产业链较长、场景分散、需求复杂，如何推动产业链上下游的精细化分工和协作，面临巨大的挑战。
硬件从“功能定义”转向“需求定义”
传统硬件产研模式，是以“硬件”为核心的。对于行业应用和解决方案提供商而言，他们只能根据功能参数而非应用场景来选择硬件厂商提供的产品。因此，算法必须在硬件功能与应用场景之间寻找平衡、作出妥协，这使得大量用户需求无法得到充分满足。而实际上，算法是最直接面向解决行业应用场景的，天然更接近用户需求。因此，AIoT时代硬件的研发，必须以算法为起点，来进行产品的研发。只有以算法为核心，才能*限度地满足AIoT海量应用场景的需求。
同时，传统硬件采用的是“海量硬件+定制算法”的研发模式，即先有海量硬件，再加载定制化算法。每个应用场景，都对应于一套硬件和一套算法的产品组合。然而，面对不断变化的、碎片化的AIoT市场，这类产品组合缺乏足够的灵活性和可扩展性，算法无法根据应用场景的变化，进行升级迭代。而一旦用户应用场景发生变化，他们就不得不去部署新的硬件，造成硬件建设和维护成本高昂。因此，AIoT时代的硬件必须另辟蹊径。具体来说，AIoT硬件应该是“标准硬件+海量算法”的产品组合，即先建立一套标准化的硬件产品组合，然后硬件可根据应用场景的需求加载不同的算法。换句话说，硬件成为载体，逐渐走向标准化，为算力优化和算法更新做好准备，算法可以灵活加载、动态更新。对于用户而言，这意味着更低的硬件建设和运营成本。
“算法定义硬件”理念应运而生
“算法定义硬件”是在AIoT海量应用场景需求下产生的产品理念。算法将成为产品的核心要素，硬件将围绕算力的优化和算法的支撑而重新设计，逐渐走向标准化。通过加载不同的算法，标准化硬件可以灵活演变成不同的智能化硬件，满足海量场景的应用需求。这一理念贯穿于AIoT产业发展的三个阶段：
第一阶段，单品短闭环，核心AI硬件涌现：从算法和用户需求出发，实现算法与硬件co-design，打造标准化硬件单品。为此，旷视打造模组、边缘计算盒子、面板机、AI IPC等一系列硬件单品，并在客户业务场景进行了部署；具备算法和硬件联合设计能力；积累了从产研、供应链到销售通路的全产业链know-how。
第二阶段，产品大闭环阶段，“云边端”产品体系重构：形成一整套覆盖“云-边-端”的AIoT软硬一体化产品组合。为此，旷视推出数字空间解决方案，构建覆盖云边端的软硬件产品组合，促进实现算法的自动化下发与升级，降低硬件成本，提升使用效率。
第三阶段，生态繁荣阶段，AIoT产业链全面开放：实现“硬件标准化”和“算法充分供给”，全面激发AIoT产业生态创新。为此，旷视不断推动AI核心技术能力的突破；通过自研AI生产力平台Brain++和提高算法量产能力，降低算法生产和部署成本，加速实现算法生产的标准化和规模化，加速实现算法生产的标准化、规模化，促进AIoT创新生态的发展。
开放生态是AIoT的必由之路
面对AIoT这样一个极端碎片化、复杂程度前所未有的广阔市场，没有任何一家企业能够提供闭环价值。在AIoT市场，一定会形成产业链上下游的精细化分工，每家企业都有机会在这个长链条中寻找到自己的生态位。因此，打破壁垒，开放生态，在产业链的每个层级实现标准化，将是AIoT产业发展面临的巨大挑战。开放生态是AIoT必由之路，但还有很长的路要走。
在此过程中，旷视认为，类似于IT时代的“软件定义硬件”，“算法定义硬件”将是AIoT时代的核心理念。算法直面解决海量应用场景问题，我们要让算法渗透到AIoT产业链的各个环节，成为关键的生产要素。从应用场景和算法出发，实现算法和硬件的联合设计。硬件是算法的载体，算法能灵活地部署，这样才能满足AIoT市场碎片化场景对于智能的迫切需求。这在行业内已经形成了一些共识，但还没有形成广泛的共识。
旷视正坚定地走“软硬结合”的发展道路。一方面，持续推动AI核心技术能力的突破，让算法的生产和部署更快、更好、更便宜。另一方面，不断积累丰富的硬件know-how以及算法的软硬件协同设计能力，实现完整的产品价值闭环。面向未来，在广阔的AIoT市场，旷视期待在产业链中发挥更大的价值。
今天的内容先分享到这里了，读完本文《边缘计算》之后，是否是您想找的答案呢？想要了解更多边缘计算、a50指数期货相关的财经新闻请继续关注本站，是给小编*的鼓励。
