2025 年回顾：塑造人工智能、云和边缘计算的 5 篇 RTInsights 文章

在 2025 年的技术格局中，出现了一个共同的主线：随着人工智能成为业务运营的基础，企业正在迅速重新思考数据的处理、管理和应用的地点和方式。

无论是研究专为高级人工智能工作负载构建的 Neocloud 的兴起、工业 4.0 不断发展的前景和陷阱、人工智能代理时代结构化数据的新重要性、边缘计算的战略主导地位，还是 PostgreSQL 对人工智能驱动的应用程序日益增长的吸引力，2025 年 RTInsights 的前五篇文章共同强调了一个重大转变。组织正在从单一架构和实验试点转向集成、可扩展和智能就绪的生态系统。

总而言之，这些文章表明，数字化转型的未来在于新技术以及跨分布式环境高效、负责任地操作数据的能力。

作为介绍，以下是今年最热门的 5 篇 RTInsights 文章。

什么是 Neoclouds 以及为什么 AI 需要它们？

本文解释了 neocloud 的概念，这是专为 AI 工作负载而不是通用 IT 构建的新一代云提供商。 Neoclouds 专注于提供针对机器学习和大规模模型训练或推理进行优化的基于 GPU 的高性能计算。与传统的超大规模提供商（例如 AWS、Azure 和 GCP）不同，neocloud 运营商强调快速的 GPU 可用性、灵活的定价以及裸机或专用访问。这些目的和目标有助于避免通常与高端 GPU 相关的供应瓶颈、高昂的成本和不可预测的交货时间。

文章认为，随着 2025 年人工智能在各行各业变得更加普遍，基础设施提供商需要不断发展，而 Neoclouds 可以满足这一需求。它们使初创公司、研究人员和企业能够获得人工智能级计算能力，而无需大量的前期资本投资或长期的采购延迟。 Neoclouds 还有助于降低 AI/ML 开发的准入门槛，并支持持续工作负载的可扩展性，从而可能使高级 AI 功能的访问民主化。

为何工业 4.0 未能实现？弥补产业转型中的差距

本文反映了工业 4.0（即由物联网、人工智能、云和实时分析提供支持的智能互联工厂）的雄心勃勃的愿景如何常常未能达到预期。尽管承诺涉及预测性维护、优化供应链、提高质量和提高敏捷性，但许多公司发现自己陷入了困境。他们的项目经常保持为孤立的试点，而不是跨业务扩展。常见的挑战包括分散的实施、缺乏可行见解的数据过载、高成本、遗留系统不兼容以及难以证明投资回报率。

此外，文章还提到了更深层次的组织和文化障碍。其中包括网络安全问题、缺乏数字技能的劳动力、缺乏标准化以及专有解决方案的供应商锁定。文章的结论是，要实现工业 4.0 的潜力，企业需要结合统一数据平台、现代分析（包括人工智能）、边缘计算、强大的安全性以及对人员和流程的投资的综合战略，而不是将新技术视为单点解决方案。

PostgreSQL 成为人工智能项目最佳选择的 7 个理由

在这里，作者充分论证了使用 PostgreSQL (Postgres) 作为人工智能和机器学习项目的骨干数据库。文章认为 Postgres 结合了灵活性、可扩展性和成熟度。这使其成为 2025 年人工智能工作负载的坚实基础，并且没有狭隘或专有的“仅限人工智能”数据库的缺点。

列出的主要优势包括：内置或轻松添加对矢量搜索的支持（通过 pgvector 等扩展），这对于基于相似性的搜索或基于嵌入的 AI 至关重要；丰富的索引选项（B-tree、hash、GiST 等）可实现高效查询；对半结构化数据的 JSON/JSONB 和 NoSQL 风格存储的本机支持；并行查询执行以提高性能；以及通过复制、分片和分布式架构实现的强大可扩展性。

Postgres 还提供强大的访问控制、加密和审计来增强数据安全性和合规性。最后，Postgres 作为一个成熟的开源系统，拥有活跃的社区和广泛的生态系统，具有灵活性和长期可维护性。

总体而言，本文将 Postgres 视为一种务实、经济高效且多功能的选择，可以支持传统的结构化数据需求和现代 AI 工作流程，同时避免因使用单独的专用数据库执行 AI 任务而可能产生的复杂性和碎片化。

到 2030 年，边缘计算将主导数据处理

本文探讨了到 2030 年代初边缘计算如何可能取代传统的集中式数据中心，成为数据处理的主要场所。根据引用的预测，到那时，全球约 74% 的数据将在传统数据中心之外进行处理，这主要是由于对低延迟、人工智能驱动和地理本地化应用程序的需求不断增长。

边缘计算的兴起与人工智能的普及密切相关，尤其是生成式人工智能，它有利于本地化处理的速度、响应能力和带宽效率。文章指出，边缘计算的总支出预计将快速增长，为电信运营商、超大规模企业和企业等创造新的机会。尤其是电信运营商，他们认为可以通过将边缘解决方案嵌入其网络（例如，通过开放的无线接入网络架构）来受益。

因此，边缘计算被视为数据处理方式的战略转变：分散计算能力、减少延迟、实现实时决策，并为人工智能、物联网和实时分析应用程序开辟新的业务模式。

随着人工智能代理的出现，结构化数据重新流行

在本文中，作者认为，2025 年企业内部结构化数据的复兴与人工智能代理的日益普及及其对可靠、组织良好的输入的需求有关。随着人工智能代理越来越嵌入到业务工作流程中，结构化数据更易于查询、分析、集成和验证，与可能需要更多预处理、一致性较差或难以管理合规性和可靠性的非结构化格式相比具有优势。

该文章认为，结构化数据可以实现更好的治理、一致性、可追溯性以及与业务系统的集成。当人工智能代理自主行动或做出决策时，这些都至关重要。随着公司越来越倾向于人工智能驱动的自动化、分析和决策支持，结构化数据成为基础，为模型输入、下游处理、审计和合规性提供清晰度和结构。

实际上，结构化数据并没有因大型非结构化数据（文本、图像等）的兴起而被边缘化，而是重新获得重要性，因为它以非结构化数据通常无法做到的方式支持人工智能代理：速度、可靠性、可追溯性以及更容易与现有数据生态系统集成。

关于 2025 年的最后一句话

虽然每篇文章都探讨了现代企业数字化工作的不同方面，但它们都汇聚了一个共同的见解：人工智能正在重塑跨行业的基础设施、流程和优先事项。

Neocloud 和边缘计算的兴起反映了计算能力的去中心化，以满足生成式 AI 和实时分析的性能需求。

工业 4.0 的困境凸显出，如果没有凝聚力的战略、集成的数据和组织协调，仅靠技术就无法实现转型。

PostgreSQL 在人工智能项目中的优势以及结构化数据的复兴表明，随着人工智能进入生产阶段以及代理承担自主任务，可靠、管理良好的数据基础至关重要。

最终，中心信息是，人工智能时代的成功需要将正确的基础设施与正确的数据架构相结合，并以实现可扩展性、敏捷性和信任的方式实现这一点。