3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
2022年7月18日 星期一
· 人工智慧與認知運算：人工智慧商業指南
什麼是認知人工智慧？ 認知運算與人工智慧 | 人工智慧教程
人工智慧 (AI) 已經存在於許多應用中，從你每天使用的搜索算法，和工具到殘障人士的仿生肢體。認知運算是 IBM 使用的術語。然而，電腦並不是真正的認知。什麼是人工智慧和認知運算，各種形式的人工智慧是如何使用和發展的？
人工智慧以多種形式和方式存在了很長時間。近年來，人工智慧的一些領域取得了重大進展。總的來說，這並不意味著人工智慧發展得那麼快，只是那些領域。其中一些越來越多地用於數位化轉型的不同領域。
目錄 人工智慧和認知運算
一些人沒有談論人工智慧(AI)，而是用認知運算等術語和概念，來描述當前的人工智慧創新和加速浪潮 —— 儘管定位有所不同。其他人則專注於人工智慧的幾種現實應用，這些應用通常以「智慧」 （在與物聯網和人工智慧相關的任何事物中無處不在） 、「智慧」、「預測」，以及實際上是「認知」等詞開頭，取決於具體的應用和供應商。
人工智慧對於工業 4.0、資訊管理、數位健康和生命科學、大數據分析、安全（網路安全和其他）、各種消費者應用、下一代智慧建築技術、金融科技、預測性維護等領域非常重要，機器人技術等等。換句話說：在數據和資訊必不可少的非常多樣化的領域。
最重要的是，人工智慧被添加到包括物聯網在內的其他幾項技術中，以在多個應用和流程中，釋放這些技術的全部價值。
人工智慧的歷史問題 —— 認知更好嗎？
有很多原因導致一些供應商懷疑將人工智慧一詞，用於 AI 解決方案/創新，並經常將它們打包成另一個術語（相信我們，我們一直在那裡）。
人工智慧 (AI) 是一個在一般認知中，具有某種負面含義的術語，但在技術領導者和公司的認知中也是如此。
一個主要問題是人工智慧 —— 它實際上是一個廣泛的概念/現實，涵蓋了許多技術和現實 —— 已經成為一種東西，就像我們談論的「雲」或「物聯網」一樣，也似乎需要對流行文化有意見/感覺，這要歸功於流行文化。好萊塢喜歡人工智慧（或者更好：超級智慧，不一樣）。它製作了優秀的科幻大片和電影，其中機器人等非人類「事物」接管了世界。
面向消費者行業的快速成長的人工智慧技術，包括聊天機器人和虛擬個人助理(VPA)以及智慧顧問。
人工智慧是一個如此廣泛的概念，這一事實導致人們對它的確切含義產生誤解。有些人在談論人工智慧、深度學習或文本挖掘時，實際上是在談論機器學習，不勝枚舉。其他人基本上談論分析，在世界末日電影場景中，一切都變得複雜，包括機器人技術和超級智慧。在大多數情況下，我們真的在談論某種形式的人工智慧。
這種現象與人工智慧未能實現之前「流行浪潮」 （可追溯到上一個千年，見本報導下方的方框）的預期相吻合，並且作為一個概念、研究領域和集合來說，真的是很古老技術 - 使其對許多供應商的吸引力降低，因為顯然人工智慧技術和應用，以及期望已經發展，儘管比我們這樣的人相信的要少。
儘管如此，深度學習、圖像辨識、假設生成、人工神經網路，它們都是真實的，並且部分用於各種應用。據 IDC 稱，認知運算是其第三個平台之上，六個創新加速器之一。你會注意到 IDC 也談到了認知（本報導將進一步瞭解認知系統作為創新加速器的意義）。
人工智慧在許多技術和社會領域的使用速度越來越快，儘管供應商對「它」可以做什麼大肆宣傳。儘管如此，在特定領域對人工智慧形式的日益關注，和採用引發了關於我們希望它在未來走多遠的辯論。
著名的技術領導者已就危險發出警告，並成立了智庫和協會，來思考和關注人工智慧（和機器人技術）的長期影響，討論人類的未來和超級智慧的影響，但也更密切地對於今天的擔憂，自動化/人工智慧/機器人對就業的影響。無論如何，它再次增加了這種成分的組合，為強化人工智慧一詞的負面含義創造了條件 —— 並且隨著當前的政治轉變，顯示出整體的自動化/數位化。
如果談論「智慧」、「認知」或「智慧」任何東西，讓我們感覺更舒服，那就這樣吧。更重要的是人工智慧如何在這裡，以及越來越多地出現，它為什麼在這裡，它如何提供幫助和使用，以及它對你意味著什麼。
上下文中的人工智慧：它如何與其他轉型技術交互
當人們試圖解釋人工智慧，已經以某種形式存在很長時間時，他們通常指的是為谷歌搜索技術提供動力的算法。或者行動設備上的大量應用 app。嚴格來說，這些算法與人工智慧並不相同。
例如，還要考慮語音辨識，或者辨識技術、產品推薦，甚至我們玩的電子遊戲。當然還有很多例子，取決於行業或職能。例如，行銷使用大量具有人工辨識形式的平台：從社交平台中的情緒分析，到數據驅動行銷解決方案中的預測能力。
所以，人工辨識是很多東西。Narrative Science 的研究圖表，顯示了更廣泛的 AI 生態系統中的各個領域，從文本挖掘到深度學習和推薦引擎。後者是每個人都知道，或至少在推薦引擎無處不在的情況下使用的東西。然後有所有這些應用，例如 Uber、Airbnb 等，它們分別將你與附近的 Uber 司機和 Airbnb 的住宿地點聯繫起來 —— 由 AI 提供支持。
要了解 AI 在當今和未來的商業，和社會環境中的作用和當前浪潮，重要的是要查看大重疊總稱下的現實和技術。在大數據、非結構化數據、整合和數位化轉型的背景下，看待當前的人工智慧浪潮也很重要。
人工智慧 —— 也許不是這個詞 —— 現在變得如此熱門的原因之一，是它非常適合 —— 甚至是不可或缺的推動者 —— 其他技術及其提供的可能性。有時你只需要人工智慧技術。
第三平台技術與人工智慧的互聯互通
由於我們沒有重新發明支持，和加速數位化轉型，和創新的技術列表的衝動，我們將使用 IDC 前面提到的著名的第三平台，儘管你可以使用許多其他平台。
這個所謂的第三平台的基礎包括 4 套技術，這些技術相互關聯，實際上也與人工智慧有內在聯繫。
提醒一下：現實應用中技術和流程的高度互聯性，是我們所謂的數位化轉型或 DX 經濟的核心特徵。
這些技術集中的每一個（它們也不是事物，但正如人工智慧由多種技術組成，更重要的是，應用和後果）都是數位化轉型的技術驅動力。
在這 4 個基本集合或支柱（在人工智慧、行動性、社群和大數據分析中必不可少的雲端運算）之上，還有我們之前使用的所謂創新加速器。
這些又是各種各樣的 —— 而且越來越多 —— 推動數位化轉型的技術，和技術創新集，所有這些都與人工智慧固有地結合在一起，實際上有些甚至接近於人工智慧的同義詞。
認知系統：創新加速器
正如你在第三個平台的圖像中所見，這些創新加速器之一，就是所謂的認知系統技術本身。
認知運算實際上，是一個主要由 IBM 推廣的術語，用於描述當前的人工智慧浪潮，特別是機器學習，具有目的、適應性、自我學習、情境和人機交互的扭曲。人類是這裡的關鍵，毫無疑問，它也比所有那些與人工智慧相關的世界末日電影場景，更容易消化。
從本質上講，認知系統使用診斷、預測和規範分析工具分析，由連接設備（不僅僅是物聯網）創建的大量數據，這些工具可以觀察、學習並提供見解、建議甚至自動化操作。你可能知道，IBM 觀點的一個支柱是 IBM Watson，我們將在下面討論。
嚴格來說，「認知運算」一詞是一個難題。例如，認知還包括潛意識，這實際上是認知的主要部分。儘管這會讓我們走得太遠，但需要指出的是，IBM 確實誇大了其「認知」平台 Watson 可以做什麼。確實是行銷。人們有一些人工智慧無法理解的典型特徵。一個簡單的例子：據我們所知，我們仍然是唯一知道它存在的物種（在人類知識能夠知道的範圍內，與超人類主義者討論的更多內容）。人類的情緒也不僅僅關乎大腦和智力。情感，通常是非理性的衝突，不能被簡化為數學，把人比作機器的整個比較確實是有缺陷的。
認知運算和人工智慧推動數位化演進
人工智慧適用的其他創新加速器包括物聯網。在這裡，人工智慧和認知運算或認知系統也無處不在。
人工智慧和物聯網
一旦你開始連接你需要的一切，API、連接器、資訊分析技術和「嵌入式智慧」，本質上是使這一切成為可能的代碼。
此外，真正關乎自動化和資訊的物聯網（除此之外還有一層可能性，例如，增強客戶體驗或讓生活更輕鬆）增加了大量數據、大數據（其中一個第三平台的四個支柱）到已經爆炸的數位數據世界。所有這些數據中的大部分都是非結構化的，需要轉化為知識和（自動化）操作，因為好的舊的基於規則的資訊管理方法，根本無法處理它（記住 DIKW 模型）。猜猜需要什麼才能使其成為可能，甚至使物聯網的所有其他方面成為可能？確實：人工智慧。
安全的未來也是智慧的 —— 網路安全中的人工智慧
我們不會涵蓋所有其他創新加速器，除了一個：下一代安全。
你還記得網路安全曾經 —— 而且現在仍然 —— 被視為一系列「防禦性」解決方案和方法（從策略到防火牆和防病毒應用等技術）嗎？嗯，情況正在改變。
安全正在變得更加全面，也在不斷變化的安全邊界中，著眼於人的方面和所有元素。但最重要的是：網路安全業務策略正變得更加積極主動，在網路攻擊發生之前，預測網路攻擊的技術需求量很大。他們使用什麼：確實，人工智慧，不是在「大重疊」人工智慧的意義上，而是在檢測數據中的模式（以及潛在的攻擊）並根據這些數據採取行動。然而，人工智慧也是一個安全問題。在工業環境中備受矚目的攻擊中，惡意軟體中發現了 AI 模式。當深度學習出現在這裡時，這是一個非常可怕的地方。
數據和分析時代的認知和人工智慧
人工智慧和認知，不僅僅存在於創新加速器層中。如前所述，第三平台的四大支柱也非常重要，它們正在推動和實現數位化轉型，就像它們改變了我們、企業和消費者的行為、工作和創新方式一樣。
我們已經在這種情況下提到了大數據：越來越多的非結構化數據。解決方案：人工智慧。此外，大數據本身並不是問題的癥結所在。多年來，我們都知道大數據分析最重要。將數據轉化為結果知識、行動、洞察力等。分析部分非常重要，IDC 將大數據支柱稱為大數據/分析支柱。這些分析需要什麼？確實，又是人工智慧技術。事實上，分析在很大程度上也是所謂的認知系統的全部內容。
人工智慧/認知和非結構化數據/內容
圖片很清晰。但這在實踐中意味著什麼？讓我們再次使用數據。
最後，3d 平台的其他支柱和推動數位化轉型的技術，在很大程度上與數據有關。雲、行動性、社交業務和協作……
非結構化和半結構化數據，正在推動資訊處理和分析的複興，催生了新一代的工具和功能，這些工具和功能有望為世界各地的消費者和知識工作者提供智慧幫助、建議和建議。
我們之前提到過數據世界如何爆炸式成長，非結構化數據的成長速度比其他數據快得多（嚴格來說，所有數據都是以一種或另一種方式結構化的，但在考慮結構化數據時，主要考慮文本、圖像等）。這主要是由於行動數據流量和物聯網（看看它是如何連接的？）。
這種現像也不是什麼新鮮事，至少從 2000 年就已經預測到了。關於非結構化數據的確切含義，以及它與非結構化或半結構化數據的不同程度存在爭議。簡單地說，非結構化數據是你從物聯網感測器、社交媒體（再次與四大支柱之一的鏈接）、文本文件（電子郵件）等獲得的所有數據。幾年來，據估計 80% 的數據是非結構化的，而且隨著非結構化數據量的快速成長，這一比例似乎還在成長。
例如，非結構化數據的典型特徵，是它沒有預定義的數據模型，而你對位於關係數據庫中的數據，則擁有這種模型。非結構化數據和內容本身，沒有意義或上下文關聯，因為原則上我們不知道它是什麼。
它有多種形狀和形式，來自多個來源，並且通常是文本密集型的 。從需要數字化的紙質文檔到 Twitter 消息或電子郵件，這也是非結構化數據/內容的主要來源。正是在這裡，我們再次看到了各種人工智慧技術，例如智慧文檔辨識或 IDR、文本挖掘、自學習知識庫技術、機器學習、自然語言處理和整個認知運算方面。
事實上，如果你查看 IBM 著名的 Watson 平台頁面，你會讀到，引用「IBM Watson 是一個使用自然語言處理和機器學習，從大量非結構化數據中揭示洞察力的技術平台」。在資訊管理方面，我們在上述 IDR 應用、客戶服務資訊的自學系統、資訊路由流程、預測分析和自動化流程（例如自動貸款申請分類）中發現了人工智慧。
人工智慧的價值 —— 結論和下一步
人工智慧對於許多技術和業務的發展來說，將是非常重要的。而且，是的，它是數位化轉型的眾多推動力之一。
我們應該辯論我們能走多遠嗎？是的。但我們真的需要知道我們在說什麼。你可以在我們關於人工智慧、它的危險和人類未來的辯論的報導中，瞭解更多資訊，基本上圍繞著超級智慧展開。
期待更多報導，包括深入瞭解人工智慧/認知的過去、存在和未來 —— 以及人工智慧的各種應用和「形式」。
因為，正如所說的，人工智慧不是一回事。正如 Roland Simonis 在第三部分中解釋的那樣，僅看看使用 AI 和認知的一種情況，即智慧文檔辨識，有多種形式的人工智慧，例如語義理解、統計聚類和分類算法，例如 SVM、貝葉斯和神經網路 AIIM 的部落格系列，在得到他的許可後在這裡轉發，他在其中討論了 AI 如何幫助解決資訊和大數據挑戰。
現在，讓我們說，讓人們找到更好的東西的算法，顯然沒有害處（事實上，如果你看看搜索智慧仍然有多差，我們希望它有更多的智慧）並且有擁有一個可以幫助你更快更好地處理和理解資訊，以改進任何值得改進的系統，例如客戶服務（IDR 應用和知識庫技術的使用越來越多），以及網路安全或人們的健康，僅舉幾例，這並沒有什麼壞處.
但人工智慧作為一個「整體」，並不像我們傾向於相信的那樣，隨著人工智慧在商業和人工智慧中的廣泛應用，機器學習和深度學習越來越多地，與相關技術結合使用，從先進的從分析和物聯網到機器人技術等等。
人工智慧的浪潮
儘管有些人在過去對 AI 的誕生看得更遠，但 1950 年代確實是第一波浪潮開始的時候。人工智慧作為一個概念的創始人之一，是美國電腦科學家和認知科學家約翰麥卡錫博士。據信，他還創造了這個術語，並將人工智慧定義為「製造智慧機器的科學和工程」。在 1956 年麥卡錫出席的一次會議之後，第一波真正起飛，主要集中在研究上。除了 McCarthy 之外，這些研究人員中的許多人在早期的研究時代，已經成為家喻戶曉的名字，今天仍然如此。其中包括：Marvin Minsky、Herbert Simon 和 Allenn Newell，僅舉幾例。
麥卡錫和他的同行的想法，以及多年的研究和初步發展，導致了 1980 年代的第二次人工智慧浪潮，這主要歸功於專家系統的成功，其中包括 PC 和客戶端-伺服器模型。
第三次浪潮發生在 90 年代末和 2000 年初，從人工智慧在不同領域的具體應用的角度來看，人們更加關注。最重要的是，網路取得了成功，這也導致了一些炒作和預測，並沒有真正兌現他們的承諾。網路的普及和使用確實引起了轟動。那些日子我們在一家出版社工作，作為出版商，公司的主要雜誌之一，Inside Internet，有幾篇來自各個大學的人工智慧研究人員的文章，這些文章都嘗試過現實生活中的應用。人工智慧再次引起了很多爭論，並變得流行，當時也在全球發行的雜誌中，如 Wire。
不幸的是，炒作又大了。也是在那些日子裡，人與機器的融合變得越來越流行（化）。例如，在 1999 年，我們有機會採訪了 Joël de Rosnay，他出版了一本關於新生的全球超級有機體 cybiont 的書，該有機體將真正瞭解人類、技術和一切相互關聯的生態系統中的「共生人類」。現在聽起來很熟悉，不是嗎？更多關於 de Rosnay 的觀點和觀點 - 以及其他人的觀點 - 顯示了在本報導中，如何將日益成長的相互聯繫，視為當時的重大承諾。
會能浪潮是人工智慧技術，在新應用中的快速採用之一，其驅動因素包括雲、更快的處理能力、可擴展性、大數據、物聯網、各種公司在一個技術在多個應用和行業（自動駕駛汽車、機器人技術、聊天機器人的興起等）中不斷完善的空間，最後但同樣重要的是，市場對智慧和智慧技術的需求，以利用新技術、資訊息的潛力和數位化轉型。
一般來說，所有這一切的主要驅動因素和共同線程是數據氾濫。簡單地說，如果沒有人工智慧，數據與數據沒有太大關係。高級分析、傳統孤島存在領域的可預測性，以及基於歷史數據的決策、處理非結構化數據，就是其中的一些例子。最後但並非最不重要的一點是，特定形式的人工智慧也取你閱讀本報導時，隨著事情的加速，我們將會有新的發展。
儘管有「良好跡象」，但這一浪潮是否會帶來真正和持續的業務發展，仍有待觀察，下一波浪潮以及關於未來人工智慧「倫理」、安全和「位置」的討論越來越多。「人工智慧和機器人接管人類視野」和超級智慧的進化 —— 而不是人工智慧作為模仿人類大腦的可能性 —— 是真正值得關注的問題，值得關注。
很明顯，人工智慧確實不是什麼新鮮事物，但已經發生了很大的變化，並且比以往任何時候都受到更多的關注。它變得無處不在，改變了我們工作、生活和經商的方式。與機器人技術（以及 3D 列印、物聯網等現象）一起，人工智慧再次成為一個越來越受爭議的話題。不過，這波浪潮不是最後一波，甚至在很多方面都與上一波非常相似，而且炒作非常響亮。
也在人工智慧領域的相關報導如下
- 理解和辯論對人工智慧的恐懼
- 帶有人工智慧的機器會取代人類嗎？第二個機器時代
- 人工智慧：客戶與 IDR 應用和知識庫技術交互的自動化
- 銷售中的人工智慧：使用、影響、示例和演變
- 人工智慧在醫療保健服務演變中的作用越來越大
- 商業中的人工智慧：CIO 的挑戰和建議
- 將人工智慧、深度學習和機器人從兒童變成負責任的公民
上圖：Shutterstock - 版權所有：NicoElNino
 |
· 2021-2022 年公有雲支出：雲為粘合劑
雲是什麼？ - CNBC 的解釋
預計 2021 年全球公有雲最終用戶支出將達到 3323 億美元，到 2022 年將超過 3974 億美元。邊緣運算和虛擬化等新興技術進入主流，這一事實是一個額外且日益重要的雲支出驅動因素。我們還可以期待對複雜和新穎的應用案例進行更多投資，從而將雲端運算和服務的使用/採用與物聯網、5G、人工智慧和其他技術相結合。
公有雲服務的支出，繼續以驚人的速度成長。鑑於組織必須採取措施確保 2020 年的業務連續性，COVID-19 大流行曾經並將繼續，成為這方面的一個重要因素，公司和個人越來越多地採用數位技術，這可能並不令人意外，如圖所示關於「新常態的轉變」的報導。
2020 年，全球最終用戶在公有雲服務上的支出達到了 2700 億美元左右，而且在 2021 年和 2022 年似乎不會減緩。
相反，大流行增加了 CIO 對雲端運算的興趣，很明顯，關於將（關鍵）工作負載，從本地遷移到雲的疑慮，在 2020 年並不像過去那樣明顯原因。
「雲將充當 CIO 希望更多使用的許多其他技術之間的粘合劑，使他們能夠在處理更複雜和新興的應用案例時跨越到下個世紀」 （Sid Nag，副總裁分析師，Gartner）
大流行以及隨之而來的有關公有雲遷移，和改變態度的經歷，當然不是唯一的驅動因素。事實上，根據 Gartner 的說法，容器化、虛擬化和邊緣運算等新興技術，正在成為增加雲支出的主流和重要驅動因素。當然，大流行也對其中一些技術產生了「加速影響」 （例如，想想製造業的優勢）。
全球公共雲最終用戶支出：根本性轉變和基本數據
根據 Gartner 的數據，2021 年全球公有雲最終用戶支出將成長 23% （總計 3323 億美元），到 2022 年將達到 3975 億美元左右。
在整個預測期內，一些驅動因素的影響將會發生變化。然而，容器化、虛擬化和邊緣運算成為主流的影響仍然存在。
隨著我們轉向混合分佈式環境（理想情況下由用例以及製造業、專業服務和零售業務等行業目前處於領先地位） ，邊緣支出正在增加，其中雲成為新的核心，邊緣對電力非常重要下一個數位化轉型浪潮。
Gartner 的研究副總裁 Sid Nag 明確指出了上述三種新興技術。就大流行的影響而言，他表示，即使「沒有大流行，仍然會失去對數據中心的興趣」，「大流行成為 CIO 對雲端運算興趣的倍增器」。
就目前而言，這種流行病的影響要高於（希望）在未來幾年，雲的使用和採用，將演變為將雲與人工智慧、5G 和 IoT （物聯網）等技術相結合。
同時，基礎設施和應用遷移等領域的應用案例，將相對成長較慢。換句話說：更複雜的用例和在工業 4.0 等許多領域，必不可少的整合作為一種技術很少是足夠的。
「容器化、虛擬化和邊緣運算等新興技術，正變得越來越主流，並推動了額外的雲支出」 （Sid Nag，Gartner 副總裁分析師）
Sid Nag：「雲將充當 CIO 希望更多使用的許多其他技術之間的粘合劑，使他們能夠在處理更複雜和新興的應用案例時，跨越到下個世紀。至少可以說，這將是一個顛覆性的市場。」
更詳細地看一下公有雲服務市場，軟體即服務(SaaS)仍然是最大的公有雲運算領域，同時隨著「對需要不同類型 SaaS 體驗的可組合應用的需求」而發生變化。Gartner 還強調了基於 SaaS 的應用，在 COVID-19 疫苗接種方面的重要作用。
雖然 SaaS 的支出，預計將在 2021 年達到 1226 億美元，但基礎設施即服務(IaaS)和桌面即服務(DaaS)，預計將在 2021 年實現最高成長，分別為 38.5% 和 67.7% 。
在這裡，擴展基礎設施，以支持將複雜的工作負載遷移到雲端，以及混合勞動力不斷變化的需求的持續壓力相當重要。
· 影像監控：雲不再是未來，而是現在
亞馬遜如何使用防爆設備將數據傳輸到 AWS
在 2021 年關於美國資料處理和託管服務的行業報告中，IBIS World 指出，隨著持續的供應鏈中斷，增加了硬碟的成本，雲影像對企業更具吸引力。 說到小企業，美國 人口普查局在 2021 年追蹤了爆炸性成長：提交了創紀錄的 540 萬份新業務申請，超過了 2020 年創下的 440 萬份記錄。
這可能意味著數百萬家企業，希望透過避免沈重的硬體前期成本，來減少進入的壁壘。特別是關於影像監控，Novaira Insights 在 2022 年 1 月對美國和加拿大商業領袖的調查顯示，68.3% 的人認為他們的組織將在未來兩年內，開始管理和儲存更多的影像監控資料。
與我們交談的安全行業專家已經看到，這種情況即時發生。
為什麼雲工作
毋庸置疑：雲不再是未來，而是現在。 佛羅里達州邁阿密 Cloudastructure 執行長 Rick Bentley 建議：「今天有一個專門的預置監控系統，類似於使用 8 軌磁帶，而不是將你最喜歡的歌曲下載到手機上。」「On-prem 不會為你的企業提供財務或安全優勢，並且有很多缺點。首先，現場安全資料會面臨環境風險。其次，你需要購買昂貴的硬體，來實現電腦視覺和機器學習能力，」他補充說。
俄勒州奧斯威戈湖 Milestone Systems 的銷售總監 Eric Moe 報告說，在 ISC West 展示的創新證明，安全行業正在朝著支援雲的解決方案技術的總體方向前進。他解釋說：「商業領袖正在評估他們的組織，以及新冠疫情後情況如何不同。」「他們正在尋找減少摩擦和維護時間的解決方案，同時改進工作流程。 他們想要靈活、易於管理、易於更新的應用程式，並需要 op-ex 而不是上限支出。」
當公司考慮改用雲影像解決方案時，從任何地方輕鬆觀看攝影機的能力是一個重要因素。 雲影像解決方案也可以與你現有的攝影機配合使用。 //圖片由CHECKVIDEO提供
總部位於弗吉尼亞州福爾斯教堂的 CheckVideo 的行銷商 Anthony Novotne 表示同意，並補充說，企業正在從曾經只在絕對必要時才購買的東西，轉向對雲管理影像監控系統的營運投資。「很容易思考傳統影像監控的功能，如安全和預防犯罪，但有了雲影像，有更多的實質性功能、可擴充套件性和價值。每幀影片都可以提供獨特的見解和重要資料。」
這些天不可能不提到人工智慧就討論資料。德克薩斯州 Eagle Eye Networks Austin 的創始人兼執行長 Dean Drako 指出，雲具有本地根本無法實現的人工智慧功能。他說：「預備系統更難提供人工智慧，因為它沒有現成的計算能力。」「人工智慧佈署的易用，改變了遊戲規則。 在未來兩年裡，雲將在人工智慧方面顯示出顯著優勢，特別是在搜尋能力和即時警報方面。 為此，我們將看到雲的採用速度加快。」
Bentley 補充說：「透過基於雲的人工智慧監控，你可以簡單地透過大大增強安全性和操作的技術，來增強你已有的攝影機。 它提供了所有位置的統一檢視，可以從任何膝上型電腦或手機訪問，並將你的資料安全地儲存在雲中。」
當 On-Prem 有意義時
儘管雲具有明顯的好處，但許多組織仍然依賴傳統的本地系統。這與業務規模和攝影機數量密切相關。
新華州蒂內克市韓華 Techwin America 的產品和技術經理 Aaron Saks 說：「當你開始擁有數百支攝影機的巨大系統時，就你需要的閘道器數量和頻寬而言，它就會變得有點笨重。」「這就是傳統的本地系統，通常更有意義的地方。」
佛來達州費捨爾斯 3xLOGIC 全球銷售副總裁比爾·霍布斯表示同意。「較大的攝影機計數裝置，仍然嚴重支援基於錄影機的現場解決方案。 其中許多設施都嵌入了影像技術，由於一些解決方案需要批發更換攝影機，因此遷移到雲端要困難得多。」
德克薩斯州奧斯汀 Salient Systems 首席產品官 Sanjay Challa 說，傳統的預備影像和雲管理影像之間的選擇，不會被剪切和乾燥。他指出了影響安全營運商這一決定的各種因素，如監管和合規性問題；希望將影像和元資料用於超出安全性的應用案例；正在生成的影像資料的規模和規模；等等。 他總結道：「現實是，沒有 ‘一刀切’ 的方法 —— 在利用雲來增強或增強影像監控佈署時，需要考慮一些重要的權衡。」
雲影像使使用者能夠從任何地方直接在雲中監控、管理事件、記錄和重播影片安全鏡頭。 //圖片由博世安保和安全系統提供
關於混合動力車需要知道什麼
企業選擇保留資料的位置將完全取決於他們的具體需求 —— 在許多情況下，混合方法可能是最合適的。當然，影像監控行業在最近的記憶中不得不管理另一個混合場景。總部位於華盛頓州雷德蒙德的飛艇 AI 行銷副總裁弗雷德裡克·沃爾伯格提醒我們：「儘管不一定是一個蘋果對蘋果的例子，但採用 IP 網路攝影機或 ‘IP收斂’ 並沒有在一夜之間發生。事實上，我冒昧地說，今天佈署的類比攝影機，仍然比 IP 攝影機多。我相信許多終端使用者也從這種過渡中吸取了教訓，並將採用混合雲/prem 模型，以創新速度保持可塑性，同時仍然平衡可靠性。」
北美行銷經理米歇爾·約翰遜說，在平衡雲端管理什麼，和現場保留什麼時，客戶需求決定了哪個架構最適合，紐約州費爾波特博世安保和安全系統的影像服務。她提供了一些例子：「他們可能希望在預先端持續錄製，並且只將事件驅動的錄音傳送到雲端。如果他們沒有將大量影像串流，傳輸到雲端所需的必要上傳頻寬，他們也可以選擇混合方法。Hybrid 可以幫助降低維護和硬體成本，減少現場所需的儲存裝置。」
加利福尼亞州聖拉蒙 ONVIF 指導委員會主席 Leo Levit 指出，混合方法提供組織價值的另一個領域是法醫搜尋。「在這種情況下，影像有本地儲存，但使用者介面也基於雲進行遠端訪問，因此來自遠端位置的調查員，可以訪問影像，以搜尋特定事件或確定跨位置的歷史模式。」
雲不再是未來，而是現在。 //圖片由CLOUDASTRUCTURE提供
Moe 同意這做法。「作為另一個例子，我們看到混合方法正在使用，需要車身佩戴的攝影機。 開放平台、支援雲的 VMS，允許組織透過與安全的第三方網站整合與執法部門共享影像。我們確實看到，由於這些型別的應用程式需要共享證據，使用車身佩戴攝影機的公司雲出現了相當大的上升。在這種情況下，混合的缺點是，基於雲的應用程式的功能，比傳統的本地解決方案少，由於可用的功能集要豐富得多，重型監控使用者往往更喜歡高階解決方案。 隨著時間的推移，我們預計功能集將增長和均衡。」
Levit 提供了另一個視角。「從感測器或一些硬體將始終在現場，絕不在雲端的意義上，基本上所有雲解決方案，都將以某種方式混合。」
