数据存储框架07
当前视频记录应用的普及和物联网应用的加深，成为数据快速增长的主要推进剂。ZB级数据时代已经嗯到来，IDC分析显示到2023年，两者将贡献近100ZB的数据增量。特别是人工智能技术在视频监控领域的下沉和普及，未来大部分视频监控设备都具有AI能力。AIOT的迅猛发展，使得数据产生由人向机器不断延伸。预计到2023年，超过90%的数据将由机器生成，视频和物联网是主要的数据来源。
如何看到从传统视频向智能视频的转型？
如何从数据的角度赋能智慧视频发展？
从企业角度看数据发展，当前数据非常明显划分为三个层次： 数据产生的终端层面、数据初步汇聚分析的分布式数据中心层面(边缘)，最大化提取数据价值的中央数据中心层面(中心)。
终端设备产生的海量数据，如果不加提炼和甄别就全部存储到边缘和核心，将造成资源的严重浪费。这也带动视频分析产品在视频监控领域的快速渗透。传统视频监控最大的特征是一个事后调查系统，案件发生时依靠人力在事后调取录像查看，视频数据保留价值低。而智慧视频会在每一个环节都发生革命性的变化，可以做到事发时实时报警甚至事前预警，视频保留价值明得到提高。从“有据可查”到“防患于未然”的趋势。
智能视频的生态系统:算法、算力和数据。
-算法，设计高效准确的AI算法，开发目标行业的应用。需要算法厂商不断努力。
-算力，计算算力不断提升，成本可控。需要AI芯片厂商发适合市场，可大规模使用的AI芯片。
-数据，存储厂商需要解决人工智能时代的大数据存储问题。
在终端：摄像头将产生大量随机读写结构化的数据，要求更高读写性能的嵌入式闪存产品。
在边缘：传统的边缘服务器向AI边缘和分布式云边缘转变，要求更大容量和更高的可靠性。
在核心: 随着更多视频图像数据不断从边缘/终端汇聚并累计，海量高数据价值存储量带来存储容量和成本的巨大提升。同时，随着云/边的AI训练及推理的增长，高性能的SSD必然被引入做为数据计算的缓存。