微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 希捷IDC发布白皮书:2025年全球数据将疯狂攀升至163ZB,来自三个方面

希捷IDC发布白皮书:2025年全球数据将疯狂攀升至163ZB,来自三个方面

2017-05-12 14:14
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-05-12 14:14 CNET科技资讯网

CNET科技资讯网 5月12日 北京消息:由IDC研究、希捷科技赞助的《数据时代2025》白皮书昨天在北京发布。白皮书预测,到2025年,全球的数据量将达到163ZB,是目前的10倍;同时,数据的来源以及由数据飙升引起的应用趋势也会产生变化,这是数据未来的大势所趋。

IDC高级副总裁David Reinsel现场表示:“数据发展趋势一直是IDC关注的焦点,它和我们的生活息息相关,并将在未来的世界中发挥更为关键的作用。不管是对政府、企业还是个人来讲,数据的影响已经远远超越我们的预期,就像几十年前我们没有想象无人驾驶汽车以及智能机器人在我们的生活中出现并且带来颠覆性变革一样,相信不断变化的数据还将继续渗透到我们生活中,以更多、更新的方式,影响人类的生活。”

正如David Reinsel所说,过去十年间,我们经历了从模拟到数字的转型,数据飙升的背景下,将带来数据处理能力的挑战,而抓住数据的来源,是数据分析和利用的一步,根据IDC报告预测,未来163ZB的数据主要来自于三个方面:

1、企业数据中心或者企业云数据产生的大量核心数据:至2025年核心数据的高于10倍的平均增速,很大一部分原因是由于大量的数据被存储于私有云、公有云以及混合云中,实现了从终端数据向企业云数据的转化。

2、边缘数据:边缘数据是相对于核心数据而言的,是指核心数据以外的企业级计算机或设备,其中包括服务器机房、小型数据中心等。

3、终端数据:是指网络边缘的所有设备,包括 PC、手机、摄像机、智能汽车、可穿戴设备,2012年前终端数据增长快速,得益于智能手机以及PC所产生的大量数据,而2012年后,终端数据的增长速度有所减缓,低于10倍平均增速,主要数据来自于安防摄像机等嵌入式设备。

“数据对于企业的重要性不言而喻,在大数据时代,企业如果在数据挖掘、分析和管理上更胜一筹,就有机会在大数据潮流中把握商机。”希捷科技全球副总裁暨亚太和中国区总裁孙丹表示,企业领导者在面对海量数据的时候,需要按照数据的重要程度进行分析,最终分析提取关键数据,给用户体验带来有意义的影响,并且,重视识别和维护这部分关键数据,以发挥潜在价值。实际上与大浪淘沙的道理是一样的。

希捷IDC发布白皮书:2025年全球数据将疯狂攀升至163ZB,来自三个方面

希捷科技全球副总裁暨亚太和中国区总裁孙丹

具体而言,数据的挖掘能力惠及企业、消费者和各行各业。对于企业来讲,海量的数据中蕴藏着无尽的商机,能够对大数据进行有效获取、合理分析和妥善利用,会为企业的发展带来无限空间,也是数据时代企业精准抓住商机的最有效途径。从消费者的角度来说,无人驾驶汽车以及数字化设备为生活带来前所未有的便捷和精彩,视频会议、网上购物和人工智能给消费者带来了工作和生活方式的大转变。曾经推动了企业成功运营的数据,现如今成为了消费者、政府和企业日常各方面顺利运作的关键要素。从电网和供水系统到医院、公共交通和道路网络,实时数据的增长数量、速度和重要性上都显得极为引人注目。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-