2016年12月，风险投资公司 Andreessen Horowitz 的 Peter Levine 发布了一篇帖子，其中包含一个题为 “回归边缘和云计算的终结” 的视频。在其中，他概述了集中式计算和分布式计算之间的钟摆摆动，如下所示：

• 大型机/集中式/1960-1970 ↔ 客户端-服务器/分布式/1980–2000
• 移动-云/集中式/2005-2020 ↔ 边缘智能/分布式/2020–

他说，下一个钟摆摆动中的“总体潜在市场”将包括物联网，其中包含数万亿个设备，从今天的汽车和无人机开始。他还说，需要机器学习来“解读现实世界的细微差别”。

由于带宽和延迟问题，大部分工作必须在端点、边缘而不是中央云中完成。重要信息仍然会流向这些云并在那里进行处理以用于各种目的，但决策将在延迟最低和距离最近的地方发生：在边缘。机器将生成它们收集的大部分数据（以及为它们收集的数据）。那是因为，他说，人类不擅长机器做得更好的许多决策，例如驾驶汽车。Peter 有一辆特斯拉，他说“我的车比我更会开车。” 在为我们驾驶时，我们事物中的机器学习系统将“优化敏捷性而不是力量”。今天战斗机中的系统已经为空战中的飞行员做到了这一点。它们是一种共生体，充当飞行员的一种外部神经系统，实时收集数据、学习和反应，但将实际驾驶交给驾驶舱中的人。（在空战中，飞行员也不依赖远程和集中式云，但他们确实在非隐喻类型的云中和周围飞行。）

这些系统的学习曲线由在递归循环中运行的三个动词组成。这些动词是感知、推断和行动。以下是它们的分类方式。

感知

数据将从各处的传感器进入这些循环——摄像头、深度传感器、雷达、加速度计。他说，已经“一辆自动驾驶汽车每英里产生约十千兆字节的数据”，并且“Lytro 相机——相机中的数据中心——每秒产生 300 千兆字节的数据。” 他补充说，很快跑鞋将配备带有机器学习算法的传感器，它们将非常智能，因此它们可以告诉您，例如，您做得如何或应该如何做。

推断

来自我们智能事物的数据将主要是非结构化的，需要更多的机器学习来提取相关性、进行特定于任务的识别、训练“深度学习”，并提高准确性并自动化需要自动化的内容。（这将把人类的事情留给人类——再次像战斗机飞行员一样做只有他或她才能做的事情。）

行动

随着物联网设备变得越来越复杂，我们将有更多的数据积累和处理决策，并且在许多（或大多数）情况下，机器将对要做什么做出越来越明智的选择。同样，人们将做他们最擅长的事情。而且，他们将根据来自受过教育的事物的更好输入来做到这一点，这些事物也在他们自己最擅长的事情上做到最好。

与此同时，旧的集中式云将变成他所说的“培训中心”。由于机器学习需要大量数据才能学习，并且最相关的数据来自许多地方，因此云存储重要内容、从各处学习一切并将相关学习推送回边缘是合理的。想想当数百万辆汽车、鞋子、滑雪板、烤面包机和太阳镜将边缘整理的数据发送回云端进行深度学习时会发生什么（或应该发生什么），以及最佳和最相关的学习被推送回边缘的机器和人类。一切都会变得更智能——大概。

他的预测

• 传感器将激增并产生大量的地理空间数据。
• 现有基础设施将回传相关数据，而大多数计算发生在边缘，并进行现场机器学习。
• 我们将回归点对点网络，边缘设备在其中减轻核心网络的负载并在本地共享数据。
• 我们将减少代码，增加数学，或“以数据为中心的计算”——不仅仅是逻辑类型的。
• 下一代程序员将不仅仅做逻辑：IF、THEN、ELSE 和其余的。
• 我们将有更多的数学家，至少在所需人才方面是如此。
• 还要期待新的编程语言来解决边缘用例。
• 边缘的处理能力将提高，而价格将下降，这在每一代技术中都会发生。
• 供应链中的数万亿个设备将使处理能力和传感器商品化。谷歌汽车的第一个激光雷达是 7,000 美元。新的激光雷达是 500 美元。它们将降至 50 美分。
• 整个世界都成为 IT 的领域。“谁将运行无人机队来检查房屋？” 当我们使用机器人进行远程手术时，我们也需要相关形式的人类专业知识，只是为了保持整个系统的运行。
• 我们将拥有“面向消费者的应用程序，具有企业可管理性”。

他的结论：“地平线上将出现一场重大颠覆。它将影响网络、存储、计算、编程语言，当然还有管理。”

所有这些都很好，因为它达到了公司的目标。但是，拥有和使用这种自学和自我实现的机器的人类呢？当然，关于该机器的专家将有新的工作。我们所有人也将在某种程度上成为我们自己的专家，就像我们大多数人已经是我们笔记本电脑和移动设备的专家一样。但是我们已经拥有的物联网领域知识仅限于孤岛。更糟糕的是，智能事物的孤岛化被认为是现状。

以 Brian X. Chen 在纽约时报上发表的 “Google Home 与 Amazon Echo——智能扬声器的正面交锋” 为例。Google Home 和 Amazon Echo 都是“虚拟助手”领域的竞争对手，该领域还包括 Apple 的 Siri 和 Microsoft 的 Cortana。所有这些都由人工智能驱动，并在销售它们的公司的服务器场中进行大脑训练。它们彼此都不兼容，这意味着不可替代。所有这些都是 Phil Windley 在三年前一篇标题为 Things 的 Compuserve 的博文中称之为的事物的例子。他的总结是：

在今天的互联网上，我们面临着自由和囚禁、独立和依赖之间的选择。我们如何构建物联网对将使用它——或被它使用——的人类具有深远的影响。我们将向前推进，使用让人想起 1980 年代在线服务的孤岛森林来连接事物，还是我们将吸取互联网的教训并构建真正的物联网？

如果进步继续沿着当前的道路前进，那么 Peter Levine 预测的分布式未来将建立在我们已经拥有的孤岛森林 Compuserve of Things 模型之上。亚马逊、苹果、谷歌和微软都是孤岛构建 Compuserve，它们显然没有吸取互联网的第一课——互联网旨在为每个人和一切事物服务，而不仅仅是为了让控制巨头可以围起领地，在这些领地中，供应链和客户可以被俘虏。尽管这些公司在互联网使用方面拥有专业知识，但它们对完全为自身利益运营的负面外部性视而不见，无视互联网是如何提升其所有经济和技术船只的潮汐。在这方面，它们就像煤炭和石油公司：擅长地质学、开采和将商品推向市场，同时最不尊重它们从地球上开采的商品的绝对有限性以及燃烧这些商品在世界上造成的危害。

但这都无关紧要，因为真正的物联网是我们唯一的选择。如果最重要的所有决策都需要在实时（或足够接近）在边缘做出，并且那里的人们需要能够像今天的战斗机飞行员一样熟练且随意地使用这些东西，那么他们就需要为我们工作，而不仅仅是为他们的制造商工作。它们将像今天的汽车、烤面包机、冰箱和其他电器一样，具有两个基本特征：它们对每个人都以大致相同的方式工作，因此学习曲线不陡峭；并且它们是可替代的。如果 Apple 的设备出现故障，您可以购买 Google 的设备并继续使用。

例如，考虑租车。它们都有些不同，但您知道如何驾驶所有这些汽车。当然，也有故障。我租的每辆丰田汽车只要我将手机插入汽车的 USB 插孔，就会播放 Edith Piaf（来自我音乐收藏的某个地方）。其他汽车品牌也有自己的仪表板怪癖。（上个月，我来访的妹妹租了一辆克莱斯勒 200，它的气候控制系统是我见过的最愚蠢和最无用的，但我们俩都很容易驾驶。）

此外，随着 Peter Levine 模型中智能事物使日益分布的世界饱和，我们将更需要解决现有问题，这些问题在当前时代每天都在恶化。一些例子：

• 登录名和密码组合太多，而且我们仍然需要登录名和密码。天哪，现在是 2017 年。我们可以做得更好。
• 彼此发送消息的方式太多。上次我统计时，苹果的 App Store 大约有 170 个不同的消息应用程序，而 Google Play 有 100 多个。我们曾经拥有的唯一用于桥接所有这些应用程序的标准是 XMPP，最初称为 Jabber，我在Linux Journal中大力倡导，大约在千禧年之交。（请参阅 “消息”、“谈论 Jabber” 和 “Jabber 提出难题”，原因不明，XMPP 停滞不前。（别管为什么。制定另一个每个人都可以采用的标准协议。）
• 联系人太多，将它们连接到登录名/密码管理、待办事项列表、日历或其他记录方式的方法太少。
• 日历和联系人应用程序被孤立在苹果、微软、谷歌和其他公司的内部，兼容性太少。

要解决所有这些问题，您需要从个人开始：个人设备、个人文件、个人。

如果您从中央权威和中央系统开始，您会使人和物成为从属的依赖者，并且看到的只是孤岛可以解决的问题。您的所有事物和人都会被俘虏，这是设计好的。无法避免。

我为什么要在这里提出这个挑战？两个原因：1) 因为 Linux 首先回答了同样的挑战，并且它可以再次做到；2) 因为 Linux 极客最有机会理解挑战并为此做些事情。