到目前为止，我们处于大数据时代已经有好几年了，我们越加善于收集数据，但是这并没有使我们更加有效地管理和充分利用大数据。

 

　　多年来，我们依靠给一个问题配置越来越多的一般用途微处理器来满足我们日益增长的数据处理需求。我们的数据集不断地倍增，而且变得越来越复杂，但我们却仍只是将任务分配于千篇一律的处理器之间，每个处理器仅有自己的少量内存。这种方法很快就将成为过时的、低效的解决方案了。

 

　　我们生活在数据量不断增加的环境中，为了开启自身的洞察力和智慧，需要一个全新的计算架构，我们称之为内存驱动计算。

 

　　支持惠普公司“机器”研究项目的团队正在设计首个内存驱动计算的架构，这种计算系统将围绕内存而构建而不是围绕处理器。内存不仅仅是连接到处理器的部件，而且还是这种计算系统的核心。

 

　　这样的系统在内存中一次可以容纳数百T字节的信息，甚至可以容纳数P字节的信息。跟传统的计算机相比，它解决问题的速度要快数千倍。

 

　　那么，对于互相迥异的医疗保健、交通运输、城市服务和零售业等行业和部门来说，这究竟意味着什么呢？这意味着，你能够以指数型增长的速度和更高的效率从数据中获得洞见和智慧，为解决问题和进行创新提供全新机遇。

　　在接下来的十年中，我们在计算领域要面临的最严峻的挑战之一就是医疗卫生数据的处理。

 

　　到目前为止，“开出对绝大多数病人管用的处方”――这个医疗方法被当作标准治疗法的时间太久了。问题是，如果你不像普通病人那样，那么要想找出医疗方案可能会需要时间，这就相当于让医生做出有根据的猜测，并进行各种治疗尝试，直到某个方案有效为止。然而，精准医疗革命是可以实现的，内存驱动计算可以使这个愿望成为现实。

 

　　为了设计个性化诊断和治疗，医生和研究人员需要了解患者的整个病史及其家人的健康史、生活方式数据和环境暴露状况。他们还需要患者的基因组数据和微生物组（生活在人体中的所有微生物）数据。这样，医生就掌握了内脏、骨骼和大脑之化学的具体范围和特性。以数十亿其他医疗档案为背景分析这一切，就可以确定与该患者匹配的患者人群、匹配的诊断资料和治疗方案，而不是利用对普通患者最有效的治疗方案。

　　这样的变量记载呈现为大量的数据，令人头晕目眩。甚至，其中还没有将医院中互连的医疗设备和可穿戴健康技术考虑在内，而这项健康技术正在为我们每个人创建精细的个人数字蓝图。

 

　　内存驱动的计算系统对于有效地综合所有这些信息是至关重要的。佐治亚理工大学计算学院执行院长兼高性能计算教授大卫·巴德（David Bader）表示：“要想通过分析数据来对特定疾病的起源给出有用的临床见解，如果使用当前的计算机系统，可能需要花掉数百年的时间。但是，如果使用内存驱动的计算系统，我用自己想用的计算方法在5分钟内就可以得到一个方案。”

 

　　这样建模和模拟将使医生们能够对付一些最棘手的人类健康难题，如癌症、心脏病、慢性病和艾滋病，还会有助于确诊和治疗极其罕见且不易诊断的疾病。实际上，通过更加强大的预测分析，内存驱动计算可以在发病前阻止那些重大疾病。大数据已经帮助医生进行疾病治疗，未来的计算完全有可能达到预防疾病的效果。

 

　　美国人每年在交通上花费42亿小时，在经济上耗费资金872亿美元。同样，在所有商业航空公司的航班中，大约有20%的航班出现延误情况，航班的延误通常会在整个航空运输网络中产生多米诺骨牌效应，从而对机票预订、行李处理、登机口变换、机组人员配备和安全因素等造成全面破坏。

 

　　未来的智能机场和智能运输系统将会拥有良好的配备，即使不能消除这些复杂问题，一旦出现也能够将其解决掉。但是要想做到这一点，就需要更快的速度、更好的连接性。佐治亚理工大学土木与环境工程学院交通运营和设计专家迈克·亨特（Mike Hunter）副教授说：“我们想要实施的交通控制大都是短期行为，你必须能够做到快速。内存驱动计算将允许运输系统以更快的速度和更大的数据集来预测问题”。

 

　　例如，机场可以模拟候机楼周围不同地方所发生的几乎无限的潜在延误情况，并将解决方案保留在内存中。一旦其中的某种延误情况产生，通过模拟就能够知道该如何准确地做出回应了。

 

　　同样，在发生重大基础设施故障的情况下――比如，亚特兰大近期发生的一个关键桥梁的崩塌事件――如果利用对内存中复杂数据集的实时分析来协调交通流量信号和导航地图的路线，从而安全有效地避免交通阻塞，一个城市可能早已知道该如何优化交通车流了。利用传统的计算机是不可能做到这一点的，因为要想模拟亚特兰大整个城市的交通状况、说明该地区所有的旅行者情况、然后再制定出适当的解决方案，需要花上几周的时间。

　　如果城市行人的死亡情况可以完全排除，那会怎样呢？这就是未来城市规划者所谓的“零死亡愿景”，是20世纪90年代首先在瑞典提出的，目前正在美国蔓延开来。一种实现方法是使用智慧城市传感器来找到侥幸脱险事件最多的交叉路口，这些路口也是行人死亡风险最高的地方。然后，改造这样的十字路口，使其更加安全。

　　芝加哥西北-阿贡科学与工程研究所副所长皮特·贝克曼（Pete Beckman）正在协助主持该市的“系列事件”智慧城市项目，他说：“通常，在事后做调查就已经太晚了。”贝克曼称：为了预测可行的方法，你需要在事件发生的确切地点和确切时间去检测这些模式。应该将运算法则嵌入相机本身之中，进行所谓的“就近”处理，而不是将数据进行远程处理或云处理。

 

　　贝克曼表示：“在设备中为智慧城市编写代码和处理代码――不论此设备是交通灯、汽车、垃圾桶、液晶广告显示屏还是自行车――这个观念是很新奇的。内存驱动计算正是可以帮助实现这种前沿计算的一种技术。”

 

　　零死亡愿景仅仅只是内存驱动计算应用于智慧城市的实例之一。芝加哥的目标是：到2018年，在该市街道和公园内要安装500个节点传感器，包括空气质量监视器、扩音器和摄像头。居民的手机、连网的汽车和自我跟踪设备将会提供额外的数据层。同时处理这么多的变量，在城市安全和城市效率方面可以产生各种效益，但这依赖于能够即刻地访问、整合并处理所有数据。

　　想象一下未来：跟你最好的朋友相比，你最喜欢的零售商能够更准确地预测你的购物需求、你的品味和购物预算。例如，当你在最喜爱的商店附近时，你的智能手机可能会通知你在旅行用品方面有特别的优惠，这些用品完全适合于你最近在线预订的伦敦之旅。

 

　　欢迎来到个性化零售的时代！对于顾客购物历史、未来计划和参与销售网点的活动，零售商了解得越多，就能够越快、越准确地为顾客带来他们所需要的产品。原始信息并不缺乏：零售商将于2020年前投资数十亿美元来建设信号站、安装传感器，使用射频识别标签。但是，如果销售公司不能在没有侵犯顾客隐私、没有使他们感觉受到监视的条件下，及时识别出购物趋势和客户需求，所有这些数据都是无用的。

 

　　当前的计算系统架构需要经过长时间的滞后才能够处理庞大的数据集。但是，基于惠普公司内存驱动计算架构的系统可以在分析能力方面获得明显的提升，并且能够在购物者的关注期限内为其提供可行的见解。想象一下：考察某位顾客的整个购物历史，再调出和它最相似的百位顾客的购物趋势，与之进行比较。当完成这些之后，顾客们还站在货架间的过道上呢。

 

　　数据科学与分析部是超市连锁企业克罗格公司内部的分析部门，该部门架构分析主管詹姆士·康纳（James Connor）说：“我认为，趁顾客们在店内的时候介入并与其进行交流互动，是零售商想要涉足的前沿领域。这就要求进行机器学习和预测分析，而目前这两项程序运作都很缓慢，着实令人沮丧。内存驱动计算可以帮助解决这个问题。”