【 讯】数字化、信息化、数据化、智能化，可以将其定义为目前数字化转型过程中的四个步骤。然而在这四个步骤中，大数据从始至终都起到了比较关键的作用。特别是智能化，必须与AI深度融合在一起才能发挥数据的价值。

中兴通讯研究院总工程师王德政，在备受业界瞩目的“2020（第五届）大数据产业生态大会”期间，接受 采访时表示：“ 数据已经成为企业和社会的重要资产，数据是生产资料、AI是生产力、区块链是生产关系，已经逐渐成为业界的共识。”

中兴通讯研究院总工程师 王德政

在数据处理层面，当前正面临着两大明显挑战，一个是业务方面的挑战，在整个IT系统或者数字系统的建设中，烟囱系统和数据孤岛是整个行业的痛点；第二个是架构上的挑战，现在应用向云环境迁移时，一方面享受云的优点，另一方面又要面临传输负载高、实时响应差以及安全程度低等问题。

面对上述挑战和问题，王德政认为，可以采用云边协同的架构去解决问题。其一是多点数据的管理，其二是统一数据安全保障，其三是云边端的协同计算。

首先，从云边端协同处理的关键因素来看，从数据产生到数据的接入、采集、管理、计算到应用，整个生命周期中，云边端协同架构中的“云”起到了中枢作用，在云上做数据的全量存储以及中心策略的控制。边缘节点与终端用户需配合云端做相应的数据管理，需要融合开放的数据管理技术，包括相应的采集，存储。

其次，安全体系必须是跨云数据中心，跨边缘节点，跨终端用户，是一体化的数据安全中心。特别是在边缘节点和终端用户，算力非常有限，需要轻量化、高效的算法，与云端配合，形成完整的安全防护体系。

最后，由于应用跨云边端部署，跨云边端的一站式智能平台成为必须。

王德政指出，“能力下沉”与“多生态融合”是云边端协同未来趋势的两大关键词，在如下的四个技术方向上，是较为明确的：

其一，极大极小的弹性环境。应用云化的本质原因，就是获得极大与极小的弹性环境，提升统计学意义上的性价比。

其二，容器/裸金属一体化。容器追求的是整个系统的性价比和系统的弹性，但裸金属追求的是极致的性能，这两者在云操作系统层面需要共同融合发展。

其三，异构跨集群数据的协同。在云边端的架构之下，有一些数据可能在云端，还有一些数据在边端，甚至是跨多个私有云，在这样的场景下，异构跨集群数据协同成为必须。

其四，计算存储分离。Hadoop采用计算存储绑定的架构，提升系统的处理能力，所以，存储计算分离必然会导致处理性能的下降。但随着网络性能的提升，以及硬件的进步。当前存储计算分离所导致的性能下降，已经在可接受的范围内了。

王德政认为，只有充分利用云边端协同的AI大数据融合技术，才能将数据的价值最大化，给人们的工作、生活带来的无限可能和便利。(文/ 徐培炎)