クラウドコンピューティングの簡単な歴史 (完全版)

クラウドコンピューティングに関連する技術分野、技術用語、技術製品は目を見張るほどあります。クラウドコンピューティングの初期には、アプリケーション開発環境は比較的単純でした。当時はフルスタックエンジニアというものが存在し、開発サイクルを考慮しなければ、1人でアプリケーションソフトウェア全体を担当できる時代でした。今日では、このタイトルはもはや適切ではありません。クラウドコンピューティングに関連するすべてのテクノロジースタックを完全に習得できる個人や企業は、ほとんど存在しません。他の人が行った作業を自分の独自の経験と組み合わせて適用し、特定の市場セグメントで競争力のある製品を作成したり、顧客に望ましい成果を提供したりすることができます。

[[351513]]

純粋なユーザーであっても、クラウドコンピューティングに関連するテクノロジを完全に理解し、合理的なアーキテクチャを実現し、適切な選択を行い、統合された開発と展開のプロセス全体を正常に完了することは、以前よりもはるかに困難になっています。必要とされる技術的才能も、以前よりも高価になっています。率直に言って、現在の人材獲得競争のレベルを考えると、一般産業の企業は、たとえ情報部門を持っていたとしても、このような複雑な開発設備を独自に管理することは難しいでしょう。クラウドコンピューティングプラットフォームが提供するサービスに大きく依存することになるでしょう。これにより、ソフトウェア業界のソリューションプロバイダーに新たな市場機会がもたらされます。デジタル変革企業に使いやすいアプリケーション開発および展開環境を提供できる企業は、顧客を獲得し、維持することができます。

この長い記事は、主に大規模および中規模企業の技術部門および非技術部門の管理者を対象としています。クラウドコンピューティング技術と市場分野の発展プロセスについて説明し、さまざまな技術領域における中核となるオープンソースプロジェクトを含む主要な技術と市場のマイルストーンを紹介して、企業がクラウドコンピューティングと関連技術領域の発展の歴史を包括的に理解できるようにします。包括的な理解があれば、企業がクラウドコンピューティングをどのように使用すべきか、また将来的に市場機会と課題がどこにあるのかを把握しやすくなります。

この記事は、2019年に出版されたトム・シーベル氏の著書『デジタルトランスフォーメーション』にインスピレーションを受けて書いたものですが、中国市場の実情を踏まえてわかりやすく解説してみました。

1. クラウドコンピューティング市場の形成と構造

今日私たちが享受できる経済的で便利なクラウドコンピューティングサービスは、主に 2 つの大きな原動力によるものです。1 つはコンピューティングリソースの仮想化技術であり、もう 1 つは規模の経済です。前者は、2000 年以降に VMWare がリリースしたハイパーバイザー仮想化ソフトウェアに由来しています。親オペレーティングシステムに依存せず、ユーザーがハードウェアとネットワークリソースを複数のユニットに分割して、コンピューティングリソースのプール、共有、オンデマンドスケジューリングを実現できるようになりました。

2006 年、Amazon は S3 オブジェクトストレージサービスと SQS シンプルキューサービスを開始し、パブリッククラウドコンピューティングサービスの先駆けとなりました。その後、マイクロソフト、IBM、グーグル、中国のアリババ、テンセント、ファーウェイなどが相次いでパブリッククラウドサービス市場に参入し、提供されるサービスも基本的なコンピューティングリソースから、データベース、人工知能、モノのインターネットなど複数の技術分野に拡大しました。現在、この業界は年間収益2,500億米ドルを誇る巨大市場に成長しています。

もちろん、過去 10 年間の発展の中で、多くの企業、製品、サービスが登場しましたが、一般的に、これらの出現は基本的に 2 つの明らかな経路をたどります。

トレンド 1: インフラストラクチャからアプリケーションへ、そしてアプリケーション関連のプラットフォームサービスへ。

（１）インフラストラクチャ・アズ・ア・サービス

最も初期のクラウドコンピューティングサービスは、最も基本的なクラウドホスト (仮想マシン) でした。サービスプロバイダーは、ベアメタル上にハイパーバイザーをインストールし、コンピューティングとネットワークのリソースをブロックに分割して販売しました。その後、基本サービスは、ホスティング、ストレージ、ネットワーク、データベース、セキュリティなどのいくつかの重要な基本クラウド製品に分割され、ユーザーはそれらを柔軟に組み合わせて、弾力的な課金を実現できるようになりました（現在、ほとんどの海外の基本クラウドベンダーは、分単位または秒単位の課金精度を提供し、ストレージは月単位で課金できます。たとえば、AWSのS3サービスでは、標準のストレージ月額料金はデータ1GBあたり0.0125米ドルですが、ディープアーカイブストレージの月額料金は1GBあたり0.001米ドルまで低くなります）。

一般的に、ホスト、ストレージ、ネットワーク、データベース、セキュリティ関連のコンピューティングサービスを基本クラウドサービスと呼びます。これらのサービスに加えて、開発者はすべてのテクノロジースタックの構築を完了し、独自のデータアーキテクチャを構築し、コーディングを開発し、運用と保守を展開し、最終的にクラウドアプリケーションを実現する必要があります。クラウドコンピューティングの第一世代の顧客のほとんどはインターネット企業でした。彼らはクラウドサービスの最終消費者ではなく、プロデューサーです。

（２）サービスとしてのソフトウェア

Amazon Web Services とほぼ同時期に設立されたもう 1 つの企業が、個人やチームにファイルの保存と共有サービスを提供するスタートアップ企業 Dropbox です。 AWS が始まったばかりの頃、Dropbox は AWS の既成の S3 オブジェクトストレージサービスを直接使用していました。これにより、小規模なチームを擁するスタートアップ企業はアプリケーション開発とマーケティングに集中する機会を得ることができ、Dropbox はわずか数年で最大の市場シェアを誇るファイル共有アプリケーションに成長することができました。 Dropbox に似た大規模な SaaS 企業のほとんども、次の 10 年間に登場しました。彼らは皆、独自のインフラストラクチャを構築する代わりに、クラウドコンピューティングプラットフォームのサービスを利用しました。これには、ダウンストリームトラフィックがインターネット全体のダウンストリームトラフィックの15%にも達し、AWSの顧客でもある超大規模ユーザー「Netflix」も含まれています。

私たちが設立したMingdaoコラボレーションアプリケーションは2011年に誕生しました。ちょうど中国のクラウドコンピューティングプラットフォームがスタートした年だったので、インフラ構築作業もほとんど必要ありませんでした。大まかに言えば、最も初期のクラウドサービスは、基盤となるクラウド企業よりも古いものです。 1999年に設立されたSalesforceは典型的なSaaS企業ですが、当時はそのような業界用語はありませんでした。 2016年にはSalesforceもAWSの顧客になったと言われました。クラウドコンピューティングは、SaaS というサービス形態が存在するため、多数の中小企業や非インターネット業界の企業に間接的にサービスを提供できます。今日では、ほぼすべての企業が多かれ少なかれ何らかの SaaS サービスを利用してます。

クラウドコンピューティング市場の発展の第一波は、主にインターネット企業ユーザーによって推進されました。比較的完成度の高い開発機能とセルフサービスの運用・保守機能を備えており、その利用も増加しているため、基本的なクラウドサービスにとって最も理想的な顧客グループとなっています。現在に至るまで、Alibaba Cloud と Tencent Cloud の主な顧客グループは依然としてインターネット業界です。

SaaS 企業は、クラウドコンピューティングの基本サービスの重要な推進者です。このカテゴリが貢献する経済的価値は 2C ネットワークサービスよりもはるかに小さいですが、エンタープライズ市場のニーズを十分に認識しており、クラウドコンピューティングプラットフォームのアプリケーション開発環境の成熟度の向上を促進してきました。これはトレンドの次のステップ、つまり「サービスとしてのプラットフォーム」です。

（３）（開発）サービスとしてのプラットフォーム

いわゆるサービスとしてのプラットフォームは、具体的には開発プラットフォームを指します。アプリケーション開発作業をローカルからクラウドに移行するには、当然、クラウドコンピューティング環境で対応するより優れたソリューションを提供する必要があります。そのため、従来のミドルウェア市場は変化を遂げ、次々とクラウドコンピューティングプラットフォーム上のサービスへと移行してきました。より一般的な開発プラットフォームサービスには、次のようなものがあります。

コミュニケーション: 音声およびビデオ通信、メッセージプッシュ、SMS、電子メールなどのサービスを提供する
地理情報: 地図、測位、ナビゲーション関連サービスの提供
アプリケーション開発フレームワーク: アプリケーション開発環境とランタイム環境を提供します
メディアサービス: 画像、音声、ビデオなどのメディアファイルのエンコード、処理、保存サービスを提供します。
機械学習フレームワーク: AIアプリケーション開発者向けに機械学習データ注釈およびモデルトレーニングプラットフォームを提供します。

確認コードのテキストメッセージを送信するといった小さなことも PaaS サービスです。

PaaS サービスとしては、主に開発者にサービスを提供するため、PaaS ベンダーは機能的なサービスに加えて、柔軟な拡張機能、デバッグ、権限制御機能など、開発のしやすさに関連する周辺機能も提供する必要があります。関与する開発者が増えるほど、PaaS サービスの改善の機会が増え、平均コストが低くなります。

PaaS サービスは必ず独立した PaaS ベンダーによって提供されるのでしょうか?必ずしもそうではありません。実際、主流の PaaS サービスのほとんどは IaaS 企業によってカバーされています。 Alibaba Cloud の製品リストを開くと、何百もの製品の中で、基本的なクラウドサービスは 1 つのカテゴリに過ぎず、他の 10 数個のカテゴリは開発環境に関連するサービスであることがわかります。つまり、スタートアップ企業が独立して成功する PaaS ベンダーになりたいのであれば、大きな焦点を持って実行する必要があり、その製品は明確な技術的リーダーシップを備えている必要があります。これが実現されれば、基本的なクラウド企業との競争を心配する必要はありません。クラウドコンピューティング市場の技術開発については、後ほど説明します。クロスクラウドサービスを確立する上で、独立した PaaS 企業の独自の利点を保証する技術トレンドはすでに数多く存在します。

上記は、基本的なクラウドからアプリケーションの共生、そしてますます充実したサービスとしての開発プラットフォームに至るまで、過去 15 年間にわたるクラウドコンピューティングサービスの開発の流れです。クラウドコンピューティングは、これら 3 つのレベルのサービスの相互補完に依存して、ますます多くのユーザーをカバーしています。

トレンド2: パブリッククラウド、プライベートクラウドからハイブリッドクラウド、そしてマルチクラウドへ

2 番目のスレッドは、クラウドコンピューティングサービスの展開モデルに関するものです。クラウドコンピューティングの概念が提案されたとき、それは明らかにパブリッククラウドサービスを指していました。顧客はインフラストラクチャを維持する必要がなく、水、電気、石炭などのクラウドコンピューティングリソースを直接使用できます。しかし、ビジネスの現実とテクノロジー企業の理想の間には常にギャップが存在します。長い間、クラウドコンピューティングがテクノロジーなのかサービスなのかについてはコンセンサスが得られていませんでした。

クラウドコンピューティングサービスが開始される前は、多くの大企業や組織が独自のサーバーを所有していました。 2010 年、世界のサーバー市場の価値は 500 億ドルに達し、これらのサーバーのほとんどは企業や政府に販売されました。企業がこれらのインフラストラクチャを所有するようになった今、パブリッククラウドサービスを購入するためにお金をかける必要があるのでしょうか?クラウドコンピューティングテクノロジーは非常に優れているので、なぜ自分で実装する必要があるのでしょうか?政府、金融、医療などの業界の顧客は、パブリッククラウドコンピューティングサービスの提供開始当初に躊躇することなく導入する可能性はさらに低くなります。彼らには、さまざまないわゆるコンプライアンス要件があります。

（１）プライベートクラウド

予想通り、需要があるところには供給があります。 2010 年に、Rackspace と NASA は OpenStack と呼ばれるオープンソースプロジェクトを立ち上げました。クラウドコンピューティングサービスを構築するための一連のオープンソースソフトウェアが含まれています。つまり、ハードウェアインフラストラクチャを持つすべてのユーザーが、AWS と同様の技術アーキテクチャを非常に低コストで実装できるということです。 Rackspace は IDC 企業であり、明らかにこれを実行する強い動機を持っています。同社は、顧客の仮想化問題の解決を支援し続ける限り、自社のホスティング事業も繁栄できると考えている。

ソフトウェアはオープンソースで無料ですが、Open Stack を実装するには、クラウドコンピューティング関連の専門知識が必要です。そのため、2010 年以降、OpenStack をベースとしたプライベートクラウドの構築を企業に支援するサービスプロバイダーが数多く登場しました。国内では、パブリッククラウドサービスプロバイダーがそのようなサービスを提供しているところもあります。 10年が経過し、OpenStackによってもたらされたプライベートクラウドのトレンドは基本的に終焉を迎えました。独自の独立したクラウドコンピューティングプラットフォームを維持できるごく少数の大規模ユーザーを除き、大多数のユーザーは妥当な経済的利益を得ることができません。仮想化はクラウドコンピューティングサービスの技術的な前提条件に過ぎず、クラウドコンピューティングサービスの価値全体を保証するものではありません。ユーザーが経済合理性をまったく気にしない限り、プライベートクラウドソリューションは、リソースの弾力性 (大きくても小さくてもかまいません) と真の規模の経済性を活用することはできません。

中国市場では、主要産業はまだ商用クラウドサービスを利用できないかもしれませんが、通信事業者や一部の国営テクノロジー企業もパブリッククラウドサービスプロバイダーの協力を得て、さまざまな産業クラウドを構築しています。例えば、中国移動クラウド、中国聯通クラウド、中国電信天一クラウドはすべてこのようにして形成されました。同社は、金融、政府、運輸、教育などの主要産業にパブリッククラウドサービスを提供しています。

この時点で、パブリッククラウドが大きな勝利を収めたようです。しかし、ビジネスの現実が見えてきます。ますます均質化が進むクラウドコンピューティングサービス市場において、顧客にはまったく交渉力がないのでしょうか?顧客のニーズが満たされない場合でも、革新を望むサプライヤーは常に存在します。そこでハイブリッドクラウドが誕生しました。

（２）ハイブリッドクラウド

実際、ハイブリッドクラウドは独自のクラウドコンピューティングテクノロジーではなく、本質的には一連の通信サービスです。十分なネットワーク機器と贅沢な専用線接続が積み重なれば、世界中のどこのコンピューティングデバイスでも高速プライベートネットワークを形成できます。顧客の予算が限られている場合でも、セキュリティと接続性の要件がそれほど高くない限り、顧客自身で経済的な仮想プライベートネットワークを構築できます。商用ネットワーク接続を通じてハイブリッドクラウドを構築する技術は、「SD-WAN」（ソフトウェア定義広域ネットワーク）と呼ばれます。ネットワーク接続により、顧客独自のコンピューティング設備とパブリッククラウドコンピューティング設備を相互に接続することができ、これを「ハイブリッドクラウド」と呼びます。

ハイブリッドクラウドが顧客にもたらすメリットは明らかです。まず、すべての企業で基本的なクラウドコンピューティングを使用している可能性がありますが、短期的に需要が急増する可能性もあります。ハイブリッドクラウドでは、顧客は基本的な使用量に基づいて独自の IT 資産を購入し、独自のプライベートクラウドを運用しながら、短期的な変動にはパブリッククラウドサービスを通じて対応できます。需要のピークが過ぎると、この部分の費用は削減できます。企業は、機械学習プラットフォームなど、パブリッククラウドが提供する複雑なコンピューティングサービスを利用しながら、運用や保守の難易度が比較的低い基本的なクラウドサービスを自社施設内に保持することもできます。 Dropbox は大規模な SaaS アプリケーションです。同社は 2016 年に大規模なアーキテクチャ調整を実施しました。同社のサービスの大半は AWS パブリッククラウドを使用しなくなり、年間のクラウドコンピューティング費用を 7,000 万ドル節約しました。

ハイブリッドクラウド戦略は現在、メーカーと顧客の両方から支持されています。これにより、パブリッククラウドとプライベートクラウド間の白黒論争がなくなり、IT 業界全体がより実用的なものになります。そこから多くのビジネスチャンスも生まれました。 Microsoft、Amazon、IBM、Google などの主要なクラウドコンピューティングベンダーは、いずれも独自のハイブリッドクラウドソリューションを立ち上げています。ハイブリッドクラウドソリューションが主流になるにつれ、クラウドコンピューティングベンダー間の競争は、基本的なクラウドリソースのコストからアプリケーション開発エコシステムへと移行し始めています。ハイブリッドクラウドアーキテクチャでは、スムーズなデータ接続を計画し、クラウドネイティブアプリケーションを迅速に提供する方法という新たな課題に顧客が直面するからです。したがって、クラウドコンピューティングにおける最終的な競争は、ハードウェアやソフトウェアの競争ではなく、アプリケーション開発および展開 (AD&D) 環境の競争です。

（３）マルチクラウド

マルチクラウドという概念は、近年クラウドコンピューティング市場で登場した概念です。すべてのクラウドコンピューティングプラットフォームと顧客のプライベートクラウド施設を一般的なインフラストラクチャとして扱います。すべてのアプリケーションは、すべてのクラウド上で一貫して確実に実行されます。マルチクラウドソリューションでは、インフラストラクチャプロバイダーによる調整だけでなく、さらに重要な点として、アプリケーションの開発と展開をマルチクラウド運用の目標に向ける必要があります。

2013 年、Y Combinator インキュベーターである Docker Inc. が Docker プロジェクトをオープンソース化しました。これは、アプリケーションのクロスクラウド展開にとって重要な前提条件になります。 Docker を使用すると、ユーザーは、オペレーティングシステム自体を含む複雑なアプリケーション、データ、および依存環境を、標準の Docker エンジンを通じてあらゆるコンピューティング環境で一貫して実行できる「コンテナー」にパッケージ化できます。この技術により、Alibaba Cloud から Tencent Cloud へのアプリケーションシステムの移行は、ファイルの転送と同じくらい簡単になります。雲の間には境界はありません。なぜ Windows と Mac OS のアプリケーションには互換性がなく、クラウドコンピューティングベンダーはこうした事態を黙って見守るしかないのでしょうか?クラウドコンピューティングテクノロジーのエコシステム全体がオープンソースソフトウェア上に構築されているため、これは簡単です。アマゾンがどれだけ大きくても、それは単に賃料を徴収するサービスプロバイダーにすぎません。一方、顧客は自律性と制御性をますます重視するようになっています。彼らは、単一のクラウドコンピューティング企業に縛られることを望んでいません。結局のところ、企業自身の顧客データや取引データはすべて、あらゆるビジネスの生命線であるクラウドコンピューティング上で実行されているのです。

2015 年、Google はマルチクラウドソリューションをさらに改善するために Kubernates プロジェクトをオープンソース化しました。 K8S はコンテナの作成と拡張を自動的にオーケストレーションできます。つまり、アプリケーションがどんなに複雑であっても、マルチクラウド環境で均一に運用および保守できるということです。たとえば、自宅の特定のストレージが使い果たされた場合、Amazon から一時的にストレージを購入することができます。データが古くなると、低コストのコールドストレージサービスに自動的に定期的に転送されます。

マルチクラウドテクノロジーのフレームワークとサービスが存在するということは、クラウドコンピューティングプラットフォームが幅広いサポートを提供する必要があることも意味します。 Alibaba Cloud は確かにクラウドホスティングサービスの販売を増やしたいと考えていますが、技術的なフレームワークが時代遅れであれば、顧客を失うことになります。そのため、現在、世界中のクラウドコンピューティングプラットフォームは、このプロセスにおいてプロフェッショナルサービスプロバイダーとして存在し続けることを望んで、ためらうことなくマルチクラウド戦略をサポートしています。

マルチクラウド戦略は、アプリケーション開発者にも大きな影響を与えます。まず、開発者は初日からクラウドコンピューティング環境に合わせて計画を立て、マルチクラウド展開、自動スケーリングをサポートし、マイクロサービスアーキテクチャを採用してコンテナ展開を実現する必要があります。第二に、アプリケーション開発者もこのようなアーキテクチャの恩恵を受けることができます。 SaaS を適用するのと同じくらい簡単に顧客がプライベートソフトウェアを入手できるようになるため、唯一の違いは、アプリケーションとデータは顧客が管理するコンピューティング環境で実行されますが、ソフトウェア自体は単一のコードベース (Single Code Base) に基づいています。当社の Mingdao Cloud はもともと SaaS アプリケーションでした。お客様は、mingdao.com に登録するだけでご利用いただけます。現在、コンテナテクノロジーにより、お客様は独自のクラウドコンピューティング環境にコンテナをインストールしてアップグレードすることもできます。これらすべては、マルチクラウドテクノロジーアーキテクチャに依存します。

先ほど、クラウドコンピューティング企業間の競争は、アプリケーションの開発および展開環境に移行すると述べました。では、具体的には何を指すのでしょうか?クラウドコンピューティングに関連する 4 つのテクノロジ領域について説明します。トム・シーベル氏は、これらをクラウドコンピューティングそのもの、ビッグデータ、人工知能、モノのインターネットとして要約しています。

次に、過去15年間のクラウドコンピューティングとともに発展してきたデジタルテクノロジーの分野を一つずつ紹介します。これらの新興技術分野の発展を促進したのは、クラウドコンピューティングサービスの人気です。その結果、これらの技術分野の発展により、現代のクラウドサービスはより完成度が高くなり、当然ながらより複雑になりました。こうした複雑さが、企業のデジタル変革を困難にしているのです。以前の基本的な情報技術業務と比較すると、企業が理解し習得する必要がある技術の範囲ははるかに広くなっています。したがって、クラウドコンピューティングの発展の簡単な歴史を紹介する際には、関連する技術分野の発展についても紹介する必要があります。

2. クラウドコンピューティングに関連する技術分野

1. ビッグデータ

ビッグデータの概念が登場する前から、データの保存、処理、分析のための技術はすでに存在していました。ストレージコストが低下し、クラウドコンピューティングによって提供される柔軟なコンピューティング機能が増加するにつれて、従来のデータベーステクノロジでは処理できないデータシナリオがますます増えています。これらの新しいシナリオは、データ量が多い、頻度が高い、多様性があるという 3 つの特性に要約できます。たとえば、電子商取引、金融、モノのインターネットなどの分野では、システムが非常に短い時間内に大量のデータを生成することがよくあります。これらのデータは、高度なリアルタイムの計算と分析は言うまでもなく、保存プロセス中にボトルネックも生じます。そのため、検索エンジンの時代からビッグデータ関連の技術が登場し始めました。

（１）MapReduceとHadoop

主要な検索エンジンである Google は 1998 年に設立されました。数年後、Google の検索サービスが扱うデータの量は天文学的な数字に達し、今も光速で増加し続けています。従来のデータ処理技術は、ハードウェアの計算能力の展開に完全に依存しており、Google は将来の開発で圧倒されることになるだろう。 2004 年、Google は GFS 分散ファイルシステムと分散コンピューティングフレームワーク MapReduce を社内で立ち上げました。前者は単一のハードウェアリソースの制限を解決し、後者は一連の数学的原理を使用して複数の種類のデータを特定のパーティションに分割して保存します。この設計により、将来の計算と分析の効率が大幅に向上します。 MapReduce の技術原理は、ビッグデータ技術の発展にとって最も重要な基盤です。

すぐに、オープンソースソフトウェア分野がこの技術的ソリューションに反応し始めました。 Lucene プロジェクトの創設者である Doug Cutting 氏は、分散ファイルシステム、クラスターリソースのスケジューリングツール、およびコアとなるビッグデータ並列処理開発フレームワークを含む Hadoop オープンソースプロジェクトを 2006 年に正式に分離しました。 Hadoop により、膨大な量のデータを分析するという課題に直面している業界は、より優れたソリューションを手にできるようになりました。主なアプリケーション産業がまだインターネット産業そのものであったのは、2006 年頃のことでした。ヤフー、

中国の百度などは、大量のデータの保存と取得の問題を解決するために、すぐにHadoopを適用しました。

（２）Hive、Spark、ストリームコンピューティング

その後も、Hadoop関連のビッグデータ処理技術は強化され続けました。 Facebook のオープンソース Hive 分析ツールは、高レベルの抽象言語を使用してアルゴリズムとデータ処理フローを記述し、SQL ステートメントを使用してビッグデータ分析を実行できます。これにより、ユーザーの敷居が大幅に下がり、ビッグデータ技術の応用効率が向上します。この改善を過小評価しないでください。これにより、世界中のほとんどの既存のデータアナリストがビッグデータテクノロジーに簡単にアクセスできるようになります。

2009 年、カリフォルニア大学バークレー校の AMP ラボは、API とライブラリを改善することでより完全な機能と汎用性を提供する Spark オープンソースクラスターコンピューティングフレームワークを開発しました。さらに、Spark の特徴は、データをメモリ上に保存できるため、ハードディスクストレージを使用する MapReduce フレームワークに比べて、データ処理とクエリの効率が数百倍高速になることです。現在、Spark は Apache Software Foundation に加盟しており、Apache オープンソースプロジェクトのスタープロジェクトとなっています。ビッグデータ技術の分野で最も重要なツールフレームワークと見なされています。

これまでのテクノロジースタックは、基本的に大量データのバッチ処理と分析のニーズを解決してきました。たとえば、小売企業が顧客ベースをセグメント化するために顧客データと取引データを調査する必要がある場合、これらのテクノロジーで十分です。しかし、デジタル技術の発展は常により高度な要求を刺激するでしょう。たとえば、オンライン小売業では、商品や顧客の行動データが絶えず生成されます。私たちは、定期的に何らかのバッチ計算を実行するのではなく、データが発生したらすぐに計算し、パーソナライズされたクーポンをタイムリーに顧客にプッシュしたいと考えています。現時点では、ビッグデータテクノロジーの分野であるストリーミングコンピューティングが必要です。

ストリーミングコンピューティングの一般的なフレームワークには、Storm、Spark Stream、Flink などがあり、小売業や電子商取引業界でのトランザクション分析、金融リスク管理、モノのインターネットでの状況監視、車両のインターネットでの自動運転などで広く使用されています。 2019年、アリババはFlinkを1億ドルで買収しました。これは、ダブル11のリアルタイム監視画面データを含む、タオバオとTmallで使用する検索と製品の推奨がすべてFlinkによって実行されているためです。 Flink は Double Eleven の最後の 1 秒後にほぼ遅延なく GMV 値をキャプチャし、リアルタイムデータ処理のパフォーマンスを示しました。

（3）NoSQLデータベース

NoSQL（非リレーショナル）データベース市場もビッグデータ技術と並行して発展しています。前世紀、ほとんどの商用データベースは、データ処理とクエリに SQL 言語を使用するリレーショナルデータベースでした。ビッグデータ技術が発展すると、技術専門家はデータベースがさまざまな形式でデータを保存できることを発見し、データ分析プロセスにおける前処理の作業負荷を大幅に削減できるようになりました。そのため、2009年頃からさまざまなNoSQLデータベースが市場に登場し始めました。

次の図は、Wikipedia における NoSQL データベースの種類の分類方法です。

読者は詳細な技術用語を無視して、さまざまな種類の NoSQL データベースが特定のシナリオでのアプリケーション開発に役立つことを理解するだけで済みます。たとえば、ドキュメントデータベースは JSON 形式で保存されるため、さまざまなデータ構造を自由に定義でき、強力な水平スケーラビリティを備えています (データ規模の拡大に応じてクエリの効率が保証されます)。当社の Mingdao Cloud ワークシートでは、ドキュメントデータベース MongoDB をストレージソリューションとして使用しています。

NoSQL データベースは一般に分散ファイルシステムをサポートしているため、いずれも強力な水平スケーラビリティを備えています。リレーショナルデータベースと比較すると、ほとんどの NoSQL データベースにはトランザクションの一貫性がありませんが、これによりデータ処理の効率と引き換えにトランザクションが犠牲になり、ビッグデータテクノロジに関連する共通のストレージソリューションとして機能します。

（4）クラウドコンピューティングプラットフォーム上のビッグデータサービス

上記では、ビッグデータ技術の発展に欠かせないさまざまな重要な技術スタックを紹介しました。明らかに、従来のアプリケーション開発と比較すると、ビッグデータ技術は比較的複雑です。複雑なプログラミングフレームワークが必要なだけでなく、専門的な運用および保守システムも必要です。このため、一般的な企業ユーザーの多くが、ビッグデータ開発環境を自ら構築することは困難です。そのため、基本的なクラウドサービスに加えて、クラウドコンピューティングプラットフォームでは、クラウドコンピューティングリソースを組み合わせてビッグデータサービスも提供し始めています。 Alibaba Cloud 上の MaxCompute は、完全に管理されたビッグデータ SaaS サービスです。ユーザーはホストインフラストラクチャを管理する必要もなく、ビッグデータコンピューティングタスクの量に応じて直接支払うことができます。ちなみに、開発者に直接コンピューティングサービスを提供するこのモデルは、「サーバーレス」コンピューティングと呼ばれます。その目的は、開発作業における運用・保守作業を簡素化し、開発者がアプリケーション開発に集中できるようにすることです。ビッグデータ分野だけでなく、AIやIoTなどの他の技術分野でも、サーバーレスサービスモデルが主流になりつつあります。 E-MapReduce は、ビッグデータ関連の PaaS サービスの完全なセットです。ユーザーは、既製のサービスを使用して、自分の管理下にあるクラウドホストへの展開を完了することを選択できます。顧客は主に基本的なクラウドリソース料金を支払います。 Alibaba Cloud と同様に、Amazon AWS などの他のクラウドコンピューティングプラットフォームも、豊富なビッグデータ関連のプラットフォームサービスを提供しています。

（５）応用分野

先ほど、ビッグデータ技術は検索エンジンアプリケーションから生まれたと述べました。その後の 10 年間、その主な応用シナリオは依然としてインターネット分野にあります。最も一般的なアプリケーションには、計算広告（ユーザーとコンテンツのデータに基づいて広告戦略と価格を動的に決定する）、コンテンツの検索と推奨（Baidu、Toutiao）、製品の推奨とマーケティングキャンペーンの最適化（Taobao、Pinduoduo）などがあります。こうしたシナリオを過小評価しないでください。これらは、インターネットユーザーがオンラインで過ごすほぼすべての分と秒に関係しているため、莫大な経済的価値を生み出します。

データの価値は、もちろんインターネット業界に限定されるものではありません。ほぼすべての業界で、ビッグデータテクノロジーの助けを借りてデータの価値を発見したり、業務効率を改善したり、新しいビジネスチャンスを発見したりする機会があります。金融業界は早期に恩恵を受けた。銀行融資業務におけるリスク管理、小売・決済業務における不正検出、保険業務における保険数理学と個別保険価格設定、証券業界における先物価格設定と株価予測は、すべて真の富を生み出しています。

ビッグデータは研究開発においても大きな役割を果たしています。バイオメディカルの分野では、ビッグデータ技術が医薬品開発サイクルの短縮と成功率の向上に役立っています。合成化学業界でも、ビッグデータと機械学習技術を活用して新素材の発見を加速させています。一部の人々は、データサイエンスが実験、控除、シミュレーションを超えて新しい科学研究方法になると信じており、「4番目のパラダイム」になると信じています。

ビッグデータは、都市輸送、ソーシャルガバナンス、エネルギー伝達、ネットワークセキュリティ、航空宇宙などの分野でも実生活でも使用されていますが、これらの資本集約的な分野以外では、一般的な産業や企業におけるビッグデータの適用は依然として曲がりくねっています。これは、ビッグデータテクノロジーが十分に完璧ではないためではなく、多くの業界がビッグデータアプリケーションの価値と実装できる方法論を明確に抽象化できていないためです。前述のように、クラウドコンピューティングとビッグデータは、通常の中小企業向けの曖昧な技術ツールです。通常の企業がビッグデータの専門家を雇うことは困難であり、プロのサービス会社は、技術的な専門知識を使用して普遍的なサービスを提供する効果的な機会をまだ発見していません。一般的な分野でのビッグデータの適用は、まだ概念的段階にあります。したがって、過去数年間に登場したビッグデータテクノロジー企業のほとんどは、財務、公安、輸送、エネルギーなどの大規模な顧客集中を備えた業界に依然としてサービスを提供しています。

ブレークスルーの重要なポイントは、2つの側面にある場合があります。まず、ビッグデータテクノロジースタック自体は非常に複雑です。現在のツールは、まだ特別に訓練されたコンピューターの専門家に依存しています。業界はまだ一般的なアプリケーションモデルを抽象化しておらず、SaaSのようなユーザーフレンドリーなアプリケーションインターフェイスを提供することもできません。これは、データテクノロジーとエンタープライズアプリケーションの分野の国境を越えた専門家による探索に値します。第二に、企業のデジタル構築が始まったばかりであり、多くの企業は安定した信頼性の高いデータ収集と記録プロセスを欠いています。データフローがなければ、当然のことながらビッグデータアプリケーションはありません。したがって、ビッグデータテクノロジーが広く使用されるにはさらに5〜10年かかる場合があります。

3。人工知能

人工知能の概念と基本原則は、1950年代に早くも発生しました。初期のAIの研究は、カリフォルニア州バークレー、MIT、スタンフォード大学、および南カリフォルニア大学のコンピューターラボに集中していました。今日商業化されたニューラルネットワークアルゴリズムは、半世紀以上前にMITのMinsky教授が発行した「Perceptron」論文からのものです。ただし、当時、コンピューターのコンピューティング能力は非常に弱かったため、コンピューティング理論の仮定は実践するのが困難でした。したがって、50年もの間、人工知能技術は理論的研究といくつかの失敗した慣行の段階にとどまりました。

人工知能の分野は長い冬を経験していますが、機械が人間から学び、最終的には特定の地域の人間よりもうまくいくという仮定は真実です。

1。ミレニアムの後のAI復活

2000年以降、いくつかの主要な要因が人工知能の概念の復活を促進しました。第一に、ムーアの法則が存在するため、コンピューターのコンピューティング速度とユニットストレージコストは、指数関数的な速度で新しい段階に発展しました。クラウドコンピューティングとビッグデータテクノロジーにより、コンピューターは非常に速い速度でTBまたはPBレベルのデータを処理することもできます。第二に、インターネットサービスの台頭により、多くの分野で豊富なデータが生成されています。 Google、Netflix、Amazonのビジネスはデータマシンのようなものであり、1分ごとに膨大な量のユーザー行動データを生成します。

第三に、人工知能の数学的方法の研究では、AT＆Tベルラボ（Tin Kam Ho、Corinna Cortes、およびVladimir Vapnik）の3人の科学者が、機械学習の分野で顕著な進歩を遂げました。機械学習テクノロジーは、線形数式を介して複雑で不確実な非線形問題を解決できます。さまざまな問題を解決する過程で、機械学習の理論的方法と実践が明確に検証されています。 Google、Facebook、LinkedInなどを含むインターネット企業の最古のバッチは、このプロセスで膨大な量のデータを提供しただけでなく、研究プロセスから大きな結果を達成しました。特に、Googleは機械学習の最も重要な信者でありプロモーターであり、その分岐の深い学習です。 2010年、Googleは人工知能の研究に焦点を当てた内部組織であるGoogle Brainを設立し、後に英国の会社Deepmindを買収しました。後者は2016年3月にヒューマンゴーチャンピオンのリーセドルを破った。

以下の図は、Tom Siebelの本Digital TransformationにおけるAIテクノロジーの進化の図で、1950年代から現在までの主要な技術的反復の歴史を示しています。

2. 機械学習

機械学習は、AIの復活の背後にある最も重要な原動力です。その上昇は、人工知能の長い迂回の終わりを示しています。機械が人間よりもうまくやりたい場合は、人間に頼って機械にルールを教えるべきではなく、履歴データから機械に学習させてください。たとえば、最も一般的な機械学習シナリオであるオブジェクト認識では、さまざまな写真からマシンに「猫」を見つけたい場合は、機械にさまざまな猫の写真オブジェクトを学習させる必要があります。機械学習アルゴリズムは、トレーニング猫の画像の背後にあるベクトル機能を予測モデルにまとめて、このモデルが猫を含む新しい画像の確率を予測できるようにします。同様に、音声認識、言語翻訳、顔認識など、同様の原則を使用します。アルゴリズムがより多くのデータが供給されるほど、その予測は一般により正確になります。

機械学習アプリケーションは、監視された学習と教師のない学習に分けることができます。前者は、トレーニングデータの識別に人間が参加する必要があり、後者は数学的方法を通じて類似性のあるオブジェクトを自動的にクラスターします。トレーニングデータがない場合、教師のない機械学習がより大きな役割を果たします。

機械学習の枝は、深部ニューラルネットワーク（DNN）と呼ばれ、その設計は人間の脳のニューロンの接続構造を高くモデル化しています。深いニューラルネットワークでは、データが入力層に供給され、結果は出力層から生成されます。入力層と出力層の間には複数の隠されたレイヤーがあります。各レイヤーは、入力データのさまざまな機能を導入し、最終的にはより正確な予測結果を取得できます。 Lee Sedolを破ったAlphagoは、深いニューラルネットワークに基づいたアルゴリズムです。ただし、DNNはまだユーザーにとってブラックボックスです。設計者は、ニューラルネットワークの各レイヤーが判断している特定の機能と、機能をどのように分解するかを知りません。その背後には非常に抽象的な数学的方法があります。どんなに神秘的であっても、深いニューラルネットワークは確かに強力です。彼らは素晴らしい自己学習能力を持っているだけでなく、従来の機械学習（機能工学、業界固有の知識を通じて機械学習アルゴリズムを調整するプロセス）における多くの複雑で時間のかかる機能エンジニアリングを簡素化します。

3。Tensorflow

2015年、Googleは内部のTensorflowフレームワークをオープンソーリングし、クラウドコンピューティングサービスとして人工知能コンピューティングフレームワークを外の世界に提供し始めました。コアオープンソースライブラリの後、Tensorflowは、ブラウザーとNode.jsでの機械学習モデルの開発とトレーニングを満たすJavaScriptバージョン、およびモバイルデバイスとIoTデバイスに展開されたLiteバージョンも起動しました。さらに、Tensorflow Extendedは、プログラミング環境とデータ処理ツールを提供するエンドツーエンドの機械学習プロダクションプラットフォームです。

もちろん、Tensorflowは、唯一の機械学習フレームワーク、Caffe、Torch、Kerasなどだけではありません。例外なく、それらはすべてオープンソースです。クラウドコンピューティングの最前線では、オープンソースソフトウェアは一般的な戦略です。なぜこのような複雑で高度なソフトウェアがためらうことなくオープンソースを選択するのですか？一方では、フレームワーク製品自体には直接商業的価値が含まれていないため、価値には開発者が二次創造を作成する必要があります。一方、クラウドコンピューティングサービスのビジネスモデルの前提の下で、APIを介してカプセル化された人工知能サービスを提供することは、達成するのが非常に簡単なビジネス方法です。これらのオープンソース製品のオペレーターは、フレームワークを請求する必要はありません。

4。人工知能サービス

実際、これらの機械学習フレームワークを使用していなくても、人工知能サービスを直接使用できます。国内および外国の両方のクラウドコンピューティングプラットフォームは、すでにAPIを通じてさまざまな人工知能サービスを提供しています。これらのサービスは、アプリケーション開発インターフェイスに完全にカプセル化されており、開発者は複雑な機械学習プロセスをまったく理解して対処する必要はなく、ユーザーとして自分自身を扱うだけです。

ただし、これらのサービスは非常に具体的で専用であり、一般的なAIインターフェイスはありません。各インターフェイスは、ユーザーにとって特定の問題のみを解決できます。以下は、Alibaba Cloud AIカテゴリに基づくサービス分布です。これらのサービスは、特定のユーザーのニーズに関連していることがわかります。たとえば、音声認識により、モバイル開発者は、ユーザーが音声を通じて直接機能を制御できるようにするアプリケーションを開発できるようになります。顔認識は、画像内のフェイスオブジェクトを識別し、IDの比較の検証を実現できます。

そのようなサービスを一度提供するのにどれくらいの費用がかかりますか？クラウドコンピューティングプラットフォームでは、これらのAIアプリケーション開発インターフェイスのほとんどは、1秒間または1秒間（QPS）に応じて充電されます。たとえば、IDカードの情報を識別するのに約1〜5セントかかります。たくさん聞こえますよね？

実際、人工知能技術に従事する企業は、クラウドコンピューティングプラットフォームプロバイダーだけではありません。たとえば、中国市場では、Face ++、Iflytek、Sensetime、Cambrian、UBLなどが、それぞれコンピュータービジョン、音声、ロボット工学、その他の分野の専門知識を持っています。しかし、彼らの特定のポジショニングにより、これらの企業は普遍的な開発者サービスを提供することが困難です。開発者は多くの場合、クラウドコンピューティングプラットフォームでサービスのパッケージを取得したいと考えており、ユーザーの基本的なクラウドリソースもクラウドコンピューティングプラットフォームから購入しています。開発者として、統一された完全なアプリケーション開発環境を持つことが非常に重要です。

したがって、人工知能の商業化において、多くの企業が独自の専門的な技術の利点を使用して、より多くのセグメント化された問題を解決してきました。たとえば、Iflytekは主に、発音と自然言語処理における独自の技術的蓄積を通じて、教育や正義などの業界に解決策を提供します。中国の裁判所の試験上の成績証明書の多くは、自動音声転写を通じて実現されています。 SensetimeおよびMegviiテクノロジーは、主にスマートシティとセキュリティの分野で統合ソフトウェアとハードウェアソリューションを提供しています。また、高価値の自律運転の問題を解決し、よりセグメント化されたAIチップ設計と製造会社を導き出すことに焦点を当てたスタートアップのグループもあります。

5。テクノロジースタックと才能

AI関連のテクノロジースタックは、以前に導入されたビッグデータテクノロジーの拡張です。つまり、データの収集と処理から分離できる人工知能プロジェクトはありません。クラウド以外のコンピューティング会社が、このような多数の開発フレームワークとマイクロサービスを組み合わせることは非常に困難です。テクノロジースタックの複雑さに加えて、開発者は大規模なトレーニングデータの取得と処理を解決する必要もあります。これは、間違いなく短期間で企業投資を制限する要因になるでしょう。

問題が十分に価値がある限り、長期的な価値を持つ企業は常に投資する意思があるため、コストは依然として比較的克服しやすいです。しかし、より致命的な問題は、AI関連の才能間の激しい競争にあります。 AIアプリケーション開発に参加できるチームは、ビッグデータに関連するデータベースの専門家、数学的モデリングに精通しているアルゴリズムの専門家、C ++やPythonなどの言語のプログラミングに熟練した上級プログラマーを含める必要があります。現在の段階では、クラウドコンピューティングの巨人と専門的な企業は、石のような専門知識のほとんどを引き付け、普通の企業にそれを取得する方法を残しています。

AIテクノロジーの複雑さとプロフェッショナリズムを考慮すると、クラウドコンピューティングサービスと同様に、ほとんどの企業はユーザーレベルの役割のみになり、専門の開発者が革新の余地を残して、誰が十分な抽象化を実行できるかを確認し、一般的なビジネスシナリオ向けのより使いやすいAIサービスを組み合わせることができます。

4。モノのインターネット

1.消費者製品によって引き起こされるものの普及

クラウドコンピューティングサービスの人気は、ユーザーに弾力性とスケーラブルな経済を提供するだけでなく、ユビキタスな接続性も提供します。コンピューティングデバイスは、インターネットに接続されている限り、TCP/IPプロトコルを介して互いにアクセスできます。 IoTテクノロジーの開発前は、このインターネットの価値は、従来のコンピューティングデバイス、つまりサーバーとパーソナルコンピューティング端子に限定されていました。個人、家族、企業の世界では、このデジタルの世界に接続されていない多くの非伝統的なコンピューティングデバイスがまだあります。

自動車、家電製品、個人のウェアラブルデバイス、工場製造機器は現在、インターネットにアクセスする状態にあり、これらの相互接続されたスマート製品の多くが市場で流通しています。接続されたデバイスがある程度リッチされている場合、さまざまなインテリジェントなシナリオを本当に実現できます。 IHS Markitは、2025年までに、世界中の接続されたデバイスの総数が750億に達すると予測しています。モノのインターネットは、モノのインターネットテクノロジーによって追求されるビジョンです。

1990年代には、ワイヤレスで接続できるカメラなど、デジタル接続を備えた型破りなコンピューティングデバイスが登場しました。シーメンス、ゼネラルエレクトリック、その他の企業によって開発された産業機器相互接続プロトコル（M2M）を含む、小売および工業製造の分野には、中程度および長距離接続機能を真に備えた機器が最初に登場しました。当時、これらのデバイスは、低速ワイヤレスLANを介してIPプロトコルを使用して、すでに工場のコントロールセンターに接続できます。このようなネットワークは、産業イーサネットと呼ばれます。しかし、当時、商用インターネットは発展し始めていなかったため、M2Mの出現は、モノのインターネットテクノロジーの現地開発としか見なされませんでした。

モノのインターネットは形になり始めたか、消費者製品市場によって推進されました。 2000年代初頭、LGはインターネットにアクセスできるホームアプライアンスを最初に発売しました。接続された冷蔵庫は最大20,000米ドルであり、明らかに実際に市場を推進することはできません。次の数年間、Garmin GPSやFitbitスマートブレスレットなどの家電製品は、生産と販売を増やし始め、関連する低電力チップ業界の開発を促進しました。 2011 - 12年までに、Googleが後に買収したホームセンサーの巣や、フィリップが発射したHueスマート電球など、より多くのスター製品が家電フィールドに登場しました。中国市場では、Xiaomiが代表するスマートフォンメーカーがIoT製品の分野に拡大し始め、個人や家族を中心とした一連のスマートデバイスとホームゲートウェイ製品を発売しました。 Appleはまた、2015年にウェアラブル製品市場に正式に参入し、Apple Watchを発売し、後にスマートスピーカーであるHomePodを発売しました。 Googleおよび国内のインターネット大手は、新しい個人デジタルデバイスを通じて、ユーザーとデータの競争にも参加しています。現在、世界のウェアラブル製品市場は、長年にわたって年間成長率40％以上を維持しています。

個人や家庭でのスマートデバイスの大量生産により、モノのインターネットに関連するプロトコルの開発とコンポーネントコストの削減が促進されました。この期間中、Bluetooth 5.0、Wifi-6、IPv6、NFC、RFIDなどの主要な伝送および通信プロトコルがさらに開発され、機器のエネルギー消費と接続速度がさらに向上しました。同時に、クラウドコンピューティングの基本サービスとビッグデータ処理技術も重要な役割を果たしました。 IoTデバイスは、多くの場合、短期間で大量のデータを生成します。上記のビッグデータテクノロジースタックがなければ、従来のデータベースツールを運ぶことはできません。同時に、クラウドコンピューティングはデバイスデータの収束の海でもあります。今日、ほとんどすべてのIoTテクノロジープラットフォームはクラウドコンピューティングプラットフォーム上に構築されており、典型的なインタラクティブな業界です。

2。モノのインターネットのテクノロジースタック

モノのインターネット関連のテクノロジースタックは非常に包括的です。これは、知覚検出に関連するハードウェアテクノロジーや、ネットワーク伝送とアプリケーション構築のためのソフトウェアテクノロジーなど、ソフトウェアとハードウェアにまたがっています。今日まで、モノのインターネットに関連するテクノロジースタックは完全に安定しておらず、長い間多様な特性を維持することさえあります。しかし、要約すると、テクノロジースタック全体にはまだいくつかの階層的特性があります。

業界は一般に、物理環境に関連するデバイスセンシングレイヤー、データ送信と通信に関連するネットワークレイヤー、IoTに関連するプラットフォーム管理層、および最終的にユーザー値を実現するビジネスアプリケーション層として定義される4つのレイヤーに定義される4つのレイヤーに定義されます。消費者市場であろうと企業市場であろうと、モノのインターネットシステムにはこれらの4つのレベルがあります。

デバイスセンシングレイヤーは、さまざまなタイプのセンサーとインタラクティブにアクセス可能なハードウェアモジュールとその組み込みソフトウェアで構成されています。たとえば、温度と湿度センサー、カメラ、電源スイッチ、ソケット、ゲートウェイ。 Sensing Layerデバイスは、一方向でデータを取得するだけでなく、ハードウェア状態（スマートロックなど）を変更するために外の世界から指示を受信する場合があります。このレベルは、一般に業界の「エッジ」と呼ばれます。

デバイスセンシングレイヤーのテクノロジースタックは、主にソフトウェアとハードウェアによって開発された組み込みシステムで構成されています。使用するスマートフォンは本質的に組み込みシステムですが、その埋め込み性は非常に完全であり、標準的なコンピューティングデバイスにすぎません。埋め込まれたシステム開発は、マイクロコントローラーと埋め込みオペレーティングシステム/CPUの初期段階を経ました。現在、最も最先端はSOC（CHIPのシステム）であり、専用システムのすべての埋め込まれたソフトウェアを1つの統合回路に完全に統合しています。今日のスマートフォン、スマートテレビなどはすべて、いくつかのSOCによって統合されています。組み込みシステムでは、ハードウェアで固化するソフトウェアプログラムを更新することさえでき、これらの更新のほとんどはインターネットに接続することで実現できます。このアップグレードは、OTA（オーバーエア）アップデートと呼ばれます。

さらに、デバイスセンシングレイヤーは、デバイスのアクセスプロトコルの問題を解決する必要もあります。インターネットオブシングスシステムは、IPv6プロトコルを広くサポートしています。 IPv6は、世界中の合計2のIPアドレスを128のパワーに提供できます。これは、すべてのIoTデバイスが独立したIPアドレスを持つことができる天文学的な数字であり、それによって世界中でユニークなアドレスを達成できます。グローバルなモノのインターネットデバイスが1,000億、または数兆桁に達すると、IPv6は消えない貢献をします。

ネットワークトランスミッションレイヤーが解決する必要があるのは、センシングデバイスとコンピューティングデバイスの間のデータ送信の問題、そして最終的にはプラットフォーム管理レイヤー間です。接続の性質に応じて、短距離、中距離、長距離タイプ、およびワイヤルおよびワイヤレスタイプに分けることができます。これらの接続プロトコルの中で、Bluetooth、NFC、Wi-Fi、ワイヤレス無線周波数（RFID）、4Gおよび5Gがより一般的に使用されています。これらの伝送プロトコルは通常、デバイス側のオンボードシステムで直接設計されており、IPプロトコルを介してアクセス可能なアドレスが提供されます。開発者は、接続距離、レート、消費電力、コスト要件に基づいて合理的な選択を行う必要があります。

IoTプラットフォームレイヤーは、モノのインターネットシステムの重要な部分であり、その出現は、クラウドコンピューティングプラットフォームに基づいて、モノのインターネットシステムの誕生を示しています。 IoTプラットフォームのコア機能は、ステータス、データレポート、受信など、数千のIoTデバイスを管理し、それらの制御を確立し、デバイスを操作および維持し、クラウドからエッジへの更新プッシュ（OTA）を実装できることです。同時に、インターネットのプラットフォームは、上記のビッグデータテクノロジースタックを借りて、デバイスによって報告されたデータを処理し、さまざまなデータベースを使用してストレージを完了する必要があります。より重要なデータベースタイプは、時系列データベースです。

より完全なIoTプラットフォームには、デバイスデータ、データ分析ツール、および高レベルのアプリケーション開発のためのデータ開発インターフェイスを提供する設計を中心に自動ワークフローを構築する機能も含まれています。

現在、主流のクラウドコンピューティングプラットフォームは、基本的なクラウドとビッグデータ関連サービスを組み合わせて付加価値のあるビジネス収益を得るために、IoTテクノロジープラットフォームを顧客に特別に提供しています。 Alibaba Cloud、AWS、Azure、およびGoogle Cloudには専門のソリューションがあり、基本的なクラウドにソリューションを構築したり、Cross-Cloudサービスを提供したりするための特別なIoTプラットフォームテクノロジー企業もあります。

Oracle、Salesforce、Microsoft AzureなどのエンタープライズソフトウェアメーカーのIoTプラットフォームは、上記の基本サービスを提供するだけでなく、独自のエンタープライズアプリケーションスイートの利点を組み合わせて、ワンストップIoTアプリケーション開発プラットフォームを提供します。それらは、エンタープライズIoTシステム構造により適しています。

アプリケーションの最上層は、IoTテクノロジーアーキテクチャ全体の中で最も標準化されていない部分です。アプリケーションレイヤーは、最終的に特定のビジネスシナリオに接続されたデバイスとデータを使用します。たとえば、共有パワーバンクはモノのインターネットシステムであり、そのアプリケーションレイヤーには、C在庫のレンタルおよび支払いシステム、商人のデバイスステータスレポート、収益決済システム、および運用部門のデバイス運用およびメンテナンス管理システムが含まれます。別のIoTシナリオに関しては、アプリケーション層の構成が完全に異なる場合があります。

3。エッジコンピューティングとAIOT

モノのインターネットテクノロジーアーキテクチャの基本的なアイデアは、階層化された労働部です。センシング層は主にデータを取得し、物理ハードウェアの制御を確立します。データはネットワークレイヤーとコンピューティングプラットフォームを介して接続され、コンピューティングはクラウドで完了します。ただし、IoTアプリケーションシナリオの濃縮、デバイススケールの拡張、およびチップテクノロジーの開発により、エッジコンピューティングの概念が認識され始めています。いわゆるエッジコンピューティングは、デバイス側のコンピューティング能力と隣接ゲートウェイを使用して、データを処理および保存し、クラウドからのデータ送信を削減し、アプリケーションの応答をより速く実現します。速度の改善に加えて、エッジコンピューティングは、クラウドコンピューティングとデータ送信のコストを大幅に削減できます。たとえば、大規模なビデオ監視ネットワークの場合、カメラがすべてのビデオストリーミングデータをクラウドに送信すると、クラウドコンピューティングの電力要件とコストが非常に高くなります。必要に応じて、視覚計算（異常の識別など）がカメラデバイス内に実装されている場合、モノのインターネットシステム全体の効率が大幅に改善されます。たとえば、広く使用されているフェイス認証と認識システムがローカルデバイスのコンピューティングパワーに依存できない場合、10億ユーザーの高周波使用がクラウドプラットフォームを圧倒します。

上記の2つの例は、エッジコンピューティングが人工知能アプリケーションに関連していることが多く、デバイス側がパターン認識人工知能アルゴリズムを完了することが多いため、特別なチップの助けが必要であることが多いことを示しています。 NVIDIAによって起動されたJetsonシリーズモジュールは、エッジコンピューティングシナリオ向けに特別に設計されています。これらのチップモジュールは、ロボットや自動運転車などのエッジデバイスにインストールされているため、この技術製品のセットは「自律マシン」とも呼ばれます。モノのインターネットとこれらの人工知能アプリケーションの組み合わせにより、この一連の技術的ソリューションもAIOTとも呼ばれます。

4。アプリケーション領域

クラウドコンピューティングに基づいて、モノのインターネットプラットフォームテクノロジーの開発が2012年頃に、モノのインターネットアプリケーションフィールドが約8年間で非常に広く発展した年と見なしている場合。私たちがその中にいるとき、私たちはそれがもたらす利便性を享受しており、必ずしもその存在を感じるわけではありません。この迅速な開発プロセスは、基本的なクラウドコンピューティングサービスとビッグデータテクノロジースタックの同期開発から大きな恩恵を受けています。

消費者アプリケーションの分野では、個人のウェアラブルデバイスが時計やブレスレットからイヤリングやリングなどのその他のアイテムに開発されています。スマートホームの分野では、家電製品、ドアロック、写真、スイッチ、スピーカーなどがすでにインターネットデバイスです。個人と家族の分野では、IoTテクノロジーの競争はもはや重要ではなく、競争の焦点はコンテンツエコシステムとユーザーネットワーク効果にシフトしました。これらの分野では、Apple、Google、国内のHuawei、Xiaomiなどが、主要な位置をしっかりと占有しています。 Xiaomiの生態学的チェーンは、Mijiaシステムに依存している家電企業のグループに焦点を当てています。

産業、農業、輸送、エネルギー、社会管理の分野では、モノのインターネットのアプリケーションシナリオがより広範囲に及びます。さまざまなカメラがすでに私たちの路上に密に詰め込まれており、これらのカメラは特別なネットワークを通じてスカイアイシステムを構築しています。ヘッドの上の送電網と電源ユニットの端子も、スマートグリッドの変換を完了しました。鉱山と建設現場は、さまざまな安全監視装置でも覆われています。これらはすべて、過去10年間で大規模なIT投資です。このような建設と更新は、今後10年間で終了しないと予想されます。

5。クラウドコンピューティングの未来

この記事は、主に過去15年間のクラウドコンピューティングのレビューです。テクノロジーセクターは非常に速く発展しているため、今後15年間で何が起こるかを予測することは困難です。この記事の最後に、私は現在のクラウドコンピューティング市場の動向を簡単に要約します。彼らは起こっていますが、どの巨人が破壊され、どの星がこれらの技術的傾向の発展によって生産されるかはわかりません。

ストレージとコンピューティングのコストはさらに低下しますが、消費は同時に増加します。世界中の多数のコンピューティングサービスがクラウドコンピューティング環境に転送されていないことを考慮すると、基本的なクラウドサービスのコンピューティングパワーは今後10年間で大幅に増加し、サービスの単価は引き続き低下します。
フロンティアテクノロジーは、特に大規模なデータコンピューティングパワーと弾性コンピューティングリソースに依存するアプリケーションでは、クロードコンピューティングを使用するために、クラウドコンピューティングは、より速く成長できるようにするトラックであるため、Quantum Computing、AR/VR、ブロックチェーンなどのクラウドコンピューティングプラットフォームに引き続き統合されます。
クラウドコンピューティングの中心的な競争は、アプリケーション開発環境の優位性に焦点を当てます。安価で完全で最先端の開発技術スタック環境を提供できる人は誰でも、より多くの開発者とユーザーを獲得することができます。開発者とユーザーがクラウドサービスプロバイダーを選択すると、実際にエンドユーザーに選択を行います。
マルチクラウド、またはハイブリッドクラウド環境は長期的なエンタープライズアプリケーション戦略となっており、クラウドコンピューティングユーザーは、エッジ、さまざまなクラウドコンピューティングサービスプロバイダー、独自のIT機能を包括的に使用します。
クラウドコンピューティング開発テクノロジースタックはますます複雑になり、アプリケーション開発分野の分業がより明確になります。エンドユーザーのアプリケーション開発はより簡潔になり、アプリケーション生成の方法はコーディングなしでますます多様になり、ますます多くのサービスプロバイダーが通常のビジネスユーザーに依存してアプリケーションを構築します。

[この記事は、51CTOコラムニスト「Mingdaoyun」のオリジナルの原稿です。 51CTOを介して元の著者に連絡して、転載の許可を取得してください]

この著者の他の記事を読むにはここをクリックしてください

<<: エッジコンピューティングデバイスの用途は何ですか?

>>: 10 枚の写真と 22 個のコードスニペット、仮想メモリモデルと Malloc の内部原理を理解するのに役立つ 10,000 語の記事