簡述「瘦客戶端/胖伺服器」模式與雲計算

雲端化就是講它的很多控制邏輯人工智慧很多處理是在雲端，通過雲端的強大算力和大數據的方式來進行處理。很多現有的行業都被去重塑或重新改造。

雲計算的出現和完善大幅改變了企業、高校等機構需要高配伺服器的現狀。高並行計算技術強大的浮點數處理能力使得伺服器的運算能力有了質的飛躍，同時易於升級，成本也大幅下降。同時，網路帶寬的迅速提高直接讓複雜計算任務雲化成為了可能。在這種前提下，終端的計算能力需求已經不再重要，重要的是無論何時何地與企業雲的連接性，可管理性，以及可移動性。

最適合雲桌面的客戶，應該是中型大型非涉密公司，一個是硬體每年的電費合理利用數據中心低價電，管理人員成本降低，利用規模效應，減少人均帶寬及雲主機費用，除了這些還可以減少一大批因為正版辦公軟體的使用費用，維護更容易。

雲計算將會促使人們更加積極地購買平板電腦和瘦客戶端，而不是高配的個人電腦。個人通過電腦訪問他們的計算基礎設施，也可以通過廣泛分散的虛擬桌面、雲電腦等進行訪問。

人類已經步入雲計算時代， 慢慢的用戶將在不需要個人主機， 所有的資料都存在雲主機上， 只需要一個統一應用桌面便可登陸使用。 有人說，雲計算杜絕了盜版和山寨。另外，按需按量計價的雲計算服務也是比較合理、經濟的收費方式。

對於智能手機，不論Siri、Google Assitant、Alexa還是訊飛支持語音輸入的輸入法，想要實現語音辨識功能都需要網路在雲端處理。在線的語音庫在雲端，存儲的數據是非常龐大的；如果語音庫在本地，空間是有限的，那樣對比的數據樣本差異就比較大。識別的過程就會將語音拿來與語音庫中的聲音樣本做對比，語音庫中數據樣本越多，成功匹配的可能性就越高，所以識別成功率就越高。

目前，大多數深度學習應用程序都在雲端運行，具備大量高性能的圖形處理單元。比如人臉識別，用視頻錄像或者圖片抓拍，在雲端進行識別處理，辨別身份。所以，最近熱門的人臉識別技術。從某種意義上看，它並不是什麼新技術。但是過去識別的準確率不高，只是在小範圍應用。在計算機深度學習、雲計算技術近年取得突破後，識別的準確率和穩定性大大提高。

總而言之，瘦客戶端模式的智能手機，就是利用系統收集數據儲存在雲端計算，將AI（人工智慧）賦能給智能硬體。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！