但渐渐的，人们发现在这种模式下，随着应用数量增多与数据不断积累，虽然逻辑上后台是中心化的，但以相互独立的（也可以认为是一种分散）物理服务器/存储构成的IT基础设施，在成本、利用率、业务动态响应方面的表现，已经越来越差。

　　为此，人们开始进行新的努力。随着服务器、存储虚拟与网络虚拟化等IT技术的发展，机构自有的IT再次从资源整合的高度进入"中心化"时代，将后台原本割裂的物理资源，整合为单一的资源池，逐渐演变为私有云。

　　而跨越机构界限的IT中心化，也以云的形态重新出现在我们的面前，这就是"公有云"——其以全新的IT服务形态，打破了人们对IT中心化的传统认知。这也让人第一次觉得"全世界5台大型机就够用"的预言即将实现——各机构自身的中心化IT（私有云）都不需要了，如果愿意，全国及至全世界的IT需求，都可以用一个超大规模的公有云体系来承载。

　　但是，历史规律告诉我们，这只是一个短暂的阶段。

　　无论公有云的支持者愿不愿意，atv直播，都要面对这个现实——随着技术的突破，前台互联终端的能力不断增强，类型也在迅速增多，并由此诞生出新的应用场景和信息处理需求。

　　随之而来的，将是相对于公有云的大集中化，IT平台的重心将进入第二个"分散化"时代。

　　这其中将有多个层级——组件、系统、机构，而从云的角度，我认为私有云仍将是这一轮 "分散化"进程中，比公有云最重要的中枢节点。

（图片来源：a16z.com）

　　回顾IT的发展历史，就会发现"分分合合"的客观规律，而随着IoT的发展，新的一轮分散化时代已经来临，以大中心化为核心理念的公有云将难以应对。

　　为什么会这么说？

　　核心的关键在于，不可阻挡的IoT（物联网）大潮已至。

　　各种物联网配套技术的发展（无线通信、移动化CPU、GPU、FPGA等芯片技术），让"信息处理越来越走向前端的进程",进入了横向普及的高速发展期，即在第二个维度上迅速爆发——所物联的事物包罗万象：比如机械设备上的状态传感器、遍布城市的摄像头、可穿戴的智能设备等等。

　　这些事物可以是消费类的，也可能是工业级的，并由此带来了新的管理、业务与商业模式。随之而来的结果就是，面对数以亿级乃至百亿级前端设备所产生海量数据，实时反应能力面临严峻的考验。

　　为此，一种新的在最前端进行实时信息处理的概念出现了，这就是如今异常火热的Edge Computing，即 "前沿（边缘）计算"，或者说"雾计算"。

　　与传统的中心化理念相比 ，显然Edge Computing更符合未来发展的需求，而基于互联网的公有云服务，则在及时应对分散化的能力与安全性上受到越来越大的制约。

　　第二个"分散化"时代里的云计算

　　从技术上讲，云计算本身和实时处理并不冲突，但公有云的应用理念，是以规模化取胜——用超级的数据中心（或数据中心集群）来覆盖尽量广阔的地域，但不可能在每个城市，每个客户的旁边都建立一个数据中心。

　　比如在中国，AWS目前只有一个北京大区，atv，我们可以想象在哈尔滨或海口的AWS服务延迟，相对于北京的差距会有多大。

　　而在安全层面，IoT将原本很多机构内核心的物理环境、状态都数字化了，对这类数据的处理（如关键生产设备的状态、关键地区的影像等），安全性要求明显更高，放在外部的公有云，也可能会带来严重的安全隐患。

　　再从数据量角度来看，对于传统的普通应用，公有云有较强的综合优势，但在应用场景不断增多，需要海量数据实时处理的趋势下，公有云应对起来将愈发捉襟见肘。

　　比如一辆自动驾驶汽车，以当前的水平，平均每行驶1.6公里就会产生10GB的数据（来自内部机械监控、周身雷达与摄像头等传感器），如果以时速60公里计算，相当于每秒产生106MB的数据。而且，这个数据量将随着车速、汽车数量的增加而增加，所以必须要在汽车本地（即Edge端）处理。即使是外传部分数据，进行次实时的响应处理，也因为时延等原因，不可能选择非本地的云。

　　再比如，对于城市安防意义重大的街道摄像头，对其拍摄视频进行人像识别的速度，很可能就决定了抓捕重要逃犯的速度，而面对成千上万的摄像头，除了逐步让它们本身具备Edge Computing的智能，另一方面也可以选择高响应速度的云予以支撑，但首选绝不会是非本地的云服务。

　　另一个明显的例子，就是在工业4.0中，一个重要的环节：生产系统的实时自动调节与控制（比如与外界实时沟通的CPS系统）。