从云到车：NXP端到端的OTA技术

与几年前相比，交通系统明显更安全，更不容易发生故障--而这种变化背后的人工智能正在推动这一趋势。技术已经从基本控制发展到先进的功能，如自适应巡航控制、碰撞缓解制动和复杂的导航功能，大大改善了交通安全和用户体验。今天的汽车配备了传感器和摄像头，将数据输入车载处理器，利用云计算进行软件更新和功能升级，使车辆远离维修店，安全上路。

现代汽车基本上是移动计算机，或者说是边缘系统，承载着传感器和分布式处理能力的组合，位于网络外围，在当地收集情报。相关数据被带到云端进行分析并训练机器学习模型。完善的模型随后被部署到车辆上，以实现基于实时传感器数据和嵌入式人工智能的行动，这种自我训练方法有朝一日将实现完全自主的车辆，使用从边缘到云的端到端人工智能管道。

在IT领域，现在是时候让基础设施供应商部署同样的战略，并通过完全自主的操作来释放云操作的敏捷性。正如我在以前的文章中强调的那样，边缘到云的人工智能是人工智能驱动的基础设施的一个重要组成部分。简要地提到了一个完善这个相同过程的架构：从存储基础设施设备收集数据，使用这些数据在云中训练机器学习模型，并将最终的机器学习模型部署到设备上。从本质上讲，这是一个带有嵌入式人工智能的企业存储系统，与云中的机器学习一起形成了一个自主的AIOps框架，从边缘延伸到云。

AIOps如何从边缘到云工作？

传统的ITOps平台要么局限于具有孤立智能的存储系统，要么是锚定在云中的SaaS门户，没有关于基础设施环境的背景。孤岛式系统缺乏全局背景，而SaaS门户只是监控仪表板，没有嵌入人工智能，无法根据实时遥测数据预测中断情况。诸如此类的点状解决方案未能着眼于全局。

AIOps框架整合了IT元素并实现了自动化操作，提供了一个具有云计算灵活性的AI驱动的基础设施。让我们把基本成分映射到运输的比喻中，以清楚地表明这样一个端到端的框架是如何为基础设施工作的。

在边缘学习。类似于从汽车的车载传感器收集数据，企业系统从IT堆栈中收集遥测数据--存储、服务器、虚拟化软件和应用程序。大多数IT供应商提供对性能日志的访问，可用于在问题发生后进行故障排除；但这类似于在发动机发生故障后将你的汽车送到汽车维修店。相反，如果你的系统可以学习企业的本地工作负载模式，并检测任何异常行为，它就可以预测可能的故障，帮助你避免计划外的中断，而不是在事后把你送到 "维修店"。

云的多功能性。如果说云计算实现了从未想过的用例，那是一种不充分的说法。正如云在像自动驾驶汽车这样复杂的产品中发挥了关键作用，它在为企业IT带来人工智能驱动的体验方面也发挥了同样关键的作用。除了规模和弹性，云为供应商提供了几个独特的优势--用于探索性数据分析的单一、非iloed存储库，训练和迭代不同ML模型的便利，以及运行模拟和进行多变量分析的能力。这些都是一流的人工智能的基本因素。

边缘的决策。近年来，边缘设备已经从相当简单的数据收集器演变为更多参与的 "决策 "设备。汽车的边缘处理根据实时传感器数据自动改变车辆操作--加速、转向、刹车。同样，基于嵌入式人工智能模型中内置的全局学习，企业IT系统不断地实时注意即将发生的故障事件，并确保对你的应用24/7的最小到无中断。这种智能和持续的决策使HPE Alletra等系统能够保证100%的可用性。

端到端AIOps框架的商业影响

与任何人工智能一样，这种AIOps框架在幕后工作。但特别适合你的环境的好处是相当明显的。

改善正常运行时间 - 停机绝不是好事。但是，存储系统避免停机的唯一方法是通过可见性、学习和应用这种知识的方式，可以预测未来的事件发生。将相关的遥测数据带到云端并在这些数据集中进行关联，HPE InfoSight等AIOps平台可以提供与环境相关的建议。通过这种方式，AIOps框架真正提高了企业系统的正常运行时间。

业务敏捷性--在现代企业中，敏捷性是无可替代的。每个数据驱动的企业都需要IT来支持他们不断变化的需求。不断变化的工作负载模式和层出不穷的新应用程序会导致性能瓶颈和缓慢的响应时间，除非你的数据中心有能力处理任何被扔到它面前的东西。通过捕捉与性能相关的遥测数据，AIOps框架确保了基础设施在任何时候都有最佳的性能--这使你的企业保持业务。

自主操作--可以说，人工智能最难的部分不仅仅是发现问题，而是闭环和自动化建议的行动。在大多数人工智能驱动的产品中，这最后一步是留给人类的。自动行动是真正的自主操作和简单地纳入人工智能的操作之间最重要的区别。只有在对人工智能有信心、对行动本身有精确性的情况下，才能允许自动行动。这种信心和精度是收集真实世界的数据和模拟行动的结果，并在多年的时间里进行多次迭代。例如，一个拥有多年来收集的数十亿TB数据的存储系统可以可靠地预测基础设施的运行，并根据工作负载情况的预测，执行与系统饱和度和性能有关的局部实时行动。它还可以调整后台任务的优先级，以减少对实际客户工作负载的影响。

一些AIOps框架可以自动识别部署应用工作负载的最佳系统，加速应用部署。HPE提供基于意图的配置，确定数据在整个机群中的存储位置，而不需要存储方面的专业知识--HPE InfoSight提供的实时背景可确定资源余量和特定应用的SLA。

业界领先的AIOps平台

你不会在汽车的安全问题上做出妥协。您为什么要对数据中心的关键任务工作负载作出妥协？一个端到端的AIOps框架现在是企业IT的必需品。HPE通过HPE GreenLake边缘到云平台提供业界领先的云运营体验，为客户释放业务敏捷性。业界领先的AIOps平台HPE InfoSight为这种体验提供动力。十多年来，HPE InfoSight为这个自主运营的新时代铺平了道路，已经为客户节省了150多万小时的停机时间。这意味着节省了大量的 "汽车维修 "时间，因此您可以真正享受到这一过程。