不可思议的数字:互联网每天到底能产生多少数据?

640?wx_fmt=jpeg

来源:资本实验室

随着互联网、传感器,以及各种数字化终端设备的普及,一个万物互联的世界正在成型。同时,随着数据呈现出爆炸式的指数级增长,数字化已经成为构建现代社会的基础力量,并推动着我们走向一个深度变革的时代。 


那么,在这个数字洪流汹涌澎湃的新时代,具体到每一天,我们的世界到底能产生多少数据?


为了能对后面内容的数据单位有一个大体的概念,我们可以先了解一下各数据单位。

  • 1B (Byte 字节)=8b (bit 位)

  • 1KB (Kilobyte 千字节)=1024B

  • 1MB (Megabyte 兆字节 简称“兆”)=1024KB

  • 1GB (Gigabyte 吉字节 又称“千兆”)=1024MB

  • 1TB (Trillionbyte 万亿字节 太字节)=1024GB

  • 1PB(Petabyte 千万亿字节 拍字节)=1024TB

  • 1EB(Exabyte 百亿亿字节 艾字节)=1024PB

  • 1ZB (Zettabyte 十万亿亿字节 泽字节)=1024EB

  • 1YB (Yottabyte 一亿亿亿字节 尧字节)=1024ZB


不管是邮件发送、视频上传,还是每天的在线搜索,乃至自动驾驶汽车每天的数据收集,我们会发现,互联网时代形成的数据量是多么的不可思议。


2025年全球每天产生的数据量将达到491EB


据IDC发布《数据时代2025》的报告显示,全球每年产生的数据将从2018年的33ZB增长到175ZB,相当于每天产生491EB的数据。


640?wx_fmt=jpeg


那么175ZB的数据到底有多大呢?1ZB相当于1.1万亿GB。如果把175ZB全部存在DVD光盘中,那么DVD叠加起来的高度将是地球和月球距离的23倍(月地最近距离约39.3万公里),或者绕地球222圈(一圈约为四万公里)。目前美国的平均网速为25Mb/秒,一个人要下载完这175ZB的数据,需要18亿年。


随着物联网基础设施及智能手机、可穿戴设备的普及,我们每个人时刻都在产生大量的数据。我们也完全已经成为数字化的个体。


640?wx_fmt=jpeg

据IDC预测,2025年,全世界每个联网的人每天平均有4909次数据互动,是2015年的8倍多,相当于每18秒产生1次数据互动。


2019年全球每天收发2936亿封电子邮件


电子邮件是用户日常获取信息的重要渠道之一,特别是企业用户。


据Radicati Group统计,2018年全球电子邮件用户数量达到38亿人,即全球超过一半的人口在使用电子邮件。


640?wx_fmt=jpeg


2018年,全球每天发送和接收的商业和消费者电子邮件的总数超过2811亿封,预计2019年每天的电子邮件数量将达到2936亿封,而到2022年年底,将达到3332亿封。


有趣的是,即使电子邮件总数一直增长,但增长率却逐年下降。这里面显然有着社交媒体和更为便利的移动通讯带来的影响。


一辆联网汽车每天将产生4TB的数据


据英特尔公司预测,2020年,一辆联网的自动驾驶汽车每运行8小时将产生4TB的数据。这主要来源于自动驾驶汽车将拥有的数百个车载传感器。英特尔表示,仅摄像头就能每秒产生20-40Mb的数据,而激光雷达每秒将产生10-70MB的数据。


640?wx_fmt=jpeg


英特尔公司首席执行官Brian Krzanich表示,2020年互联网用户每天将产生1.5GB的数据,以此计算,每辆在路上行驶的联网汽车将产生约3000人的数据量。而一百万辆自动驾驶汽车将产生30亿人的数据。


2025年全球物联网连接设备将达到754.4亿


无处不在的物联网设备正在将世界变成一个“数字地球”。据HIS的数据预测,到2025年,全球物联网(IoT)连接设备的总安装量预计将达到754.4亿,约是2015年的5倍。


640?wx_fmt=jpeg


在各种联网设备中,可穿戴设备是重要的组成部分。据预测,到2020年,全球可穿戴设备将产生28PB的数据。


全世界每天有50亿次在线搜索


互联网时代,搜索引擎已经成为人们寻找日常解决方案的重要渠道。有事没事搜一下,已经成为工作与生活的常态。特别是智能手机的普及,让我们随时随地都在产生搜索数据。


640?wx_fmt=jpeg


据Smart insight估计,目前全球每天有50亿次搜索,其中35亿次搜索来自Google,占全球搜索量的70%,相当于每秒处理4万多次搜索。而回到2000年,在那个时候,Google一年的搜索量才140亿次。


无处不在的社交数据


智能手机让人们的社交生活彻底数字化,每天在社交网络上花费的时间越来越多,产生的数据量也相应地不断增长。


640?wx_fmt=jpeg


据Facebook统计,Facebook每天产生4PB的数据,包含100亿条消息,以及3.5亿张照片和1亿小时的视频浏览。此外,在Instagram上,用户每天要分享9500万张照片和视频;Twitter用户每天要发送5亿条信息。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/492200.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

任正非:华为5G芯片用在iPhone上?我持开放态度

来源:机器之心摘要:外媒最近频传的「华为同意卖5G基带给苹果」,让科技界的人们浮想联翩。刚刚,华为终于有了较为官方的回应:华为总裁任正非在接受CNBC的时候表示,华为对于出售5G芯片给苹果用于iPhone「持开…

阿里120页PPT诠释国家“智能+”战略

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云…

边缘检测

1、边缘的特征 先看一张实物图和边缘图 边缘是图片中灰度变化最快的地方。下图清楚地显示了最简单的一种情况。既然找变化最快的地方,可以通过导数来求解边缘 2、图片的导数 一张数字图片F[x,y], 其x方向导数可定义为: 3、图片的梯度 3.1 图片的梯度相…

边缘计算: 与5G同行,开拓蓝海新市场

来源:中银国际摘要:随着日渐成熟的SDN/NFV、大数据、人工智能等技术,5G网络将成为各行业数字化转型的关键基础设施。边缘计算技术作为5G网络架构中核心的一环,顺随运营商边缘机房智能化改造的趋势,致力于解决5G网络对于…

图像重采样

图像重采样包含两种情形,一种是下采样(downsampling),把图像变小;另一种是上采样(upsampling),把图像变大。 1、次级采样(sub-sampling) 每隔一个,扔掉行和…

haha

转载于:https://www.cnblogs.com/izxcheng/p/4539888.html

裸机开发(1)-汇编基础

文章目录 GNU汇编语法常用汇编指令处理器内部数据传输指令存储器访问指令压栈和出栈指令跳转指令算术指令逻辑运算指令实战 函数发生调用时,需要进行线程保护,简单来说,就是先进行压栈操作,将调用函数参数、返回值等存到R0-15寄存…

脑科学研究:对于学习来说,休息可能与练习同样重要...

来源:神经科技近日,在针对健康志愿者的的一项研究中,美国国立卫生研究院(NIH)的研究人员发现,大脑可能会通过短暂的休息来巩固我们几秒钟前刚练习过的新技能的记忆。该研究结果强调了早期休息在学习中可能发…

Harris 角点检测(Harris corner detection)

在许多应用中,会运用到特征提取。 比如,把下方两张图片缝合成一张图片。哪么从哪些地方开始缝合呢?这些地方可以通过特征提取找到。 1、特征 图片上的特征点应该具有怎样的特性? a. 图片上的特征点不随图片的变化(平…

BoW(词袋Bag of words)

Bag-of-words词袋模型最初被用在信息检索领域。例如检索一篇文档,只需考虑文档中出现单词的频率,而不用考虑语法语序等。在图像领域,如果把一幅图像当作文档,图像中的图像块的特征向量视为文档内的词,BoW在图像领域也可…

欧盟最新《AI网络安全政策发展框架》

来源:学术plus报告主要内容编译如下下载全文报告请参见文末链接一、 概要AI进入主流商用,数据收集是关键在过去几年,人工智能(AI)迅速超越研究和学术范畴,进入主流商用,创新的自主代理利用人工智…

2019上海车展重磅新车前瞻

来源:中信建投分析师:余海坤、陶亦然第十八届上海国际汽车工业展览会将于2019年4月18日至25日在上海国家会展中心举行。本次车展的主题为“共创美好生活”,将展现世界汽车工业的创新发展,将汽车与信息通讯、互联网、大数据、人工智…

HDU 4190 Distributing Ballot Boxes【二分答案】

题意&#xff1a;给出n个城市&#xff0c;n个城市分别的居民&#xff0c;m个盒子&#xff0c;为了让每个人都投上票&#xff0c;问每个盒子应该装多少张票 二分盒子装的票数&#xff0c; 如果mid<m,说明偏大了&#xff0c;r应该向下逼近 &#xff0c;rmid 如果mid>m,说明…

局部特征检测器和描述符

图像匹配有三个步骤&#xff1a;检测特征点&#xff0c;特征描述和匹配 1、检测特征点 好的特征点的位置不随图像亮度变换的改变&#xff0c;只与图像的几何变换有关。 1.1 图像变换 1.1.1 几何变换&#xff1a;旋转和伸缩 1.1.2 亮度变换 1.2 Harris角点检测的性质 角点的…

5G+AI系列研究:5G元年,电子行业迎来新时代​

来源&#xff1a;国泰君安证券摘要&#xff1a;本报告作为【5GAI】系列报告的第一篇&#xff0c;主要包括两部分内容&#xff0c;PART A&#xff1a;5G带来终端射频新机遇&#xff1b;PART B&#xff1a;基站建设启动&#xff0c;产业链爆发在即。附报告部分PPT&#xff1a;未来…

卷积神经网络(CNN:Convolutional Neural Network)

1、感知器&#xff08;perceptron&#xff09; 感知器是卷积神经网络的基本单元&#xff0c;下图展示了其工作原理&#xff0c;为了方便理解&#xff0c;图中只显示了3个输入。 向量w为输入向量x的权重&#xff0c;b为偏差&#xff0c;最后对x的线性组合&#xff08;&#xff…

性能调优:理解Set Statistics Time输出

性能调优&#xff1a;理解Set Statistics Time输出 原文:性能调优&#xff1a;理解Set Statistics Time输出在性能调优&#xff1a;理解Set Statistics IO输出我们讨论了Set Statistics IO&#xff0c;还有如何帮助我们进行性能调优。这篇文章会讨论下Set Statistics Time&…

Nature Communications:实时记录神经系统,解开大脑秘密

来源&#xff1a;神经科技人的大脑中大概有一千亿个神经元&#xff0c;每一个神经元都连接到数以百计的神经元邻居。分析大脑中的神经活动和致此活动的原因&#xff0c;一直是科学家们研究的目标。现在&#xff0c;一组科学家设计出整个神经系统高速映射神经元放电的成像技术&a…

图像变换(Image transformations)

1 图像变换和图像滤波&#xff08;image filtering&#xff09;的区别 1.1 图像滤波 图像滤波改变像素点的灰度值&#xff0c;不改变像素点的坐标&#xff0c;如下图所示。 用函数可表示为&#xff1a; 其中f(x)表示原图&#xff0c;h(x)表示滤波器 1.2 图像变换 图像变换改…

图像对齐(image alignment)

1、图像对齐的步骤 已知图像A和B&#xff0c;图像对齐的步骤&#xff1a; 提取图像A和B的特征匹配图像A和B中的特征求解图像A和B的对齐矩阵2 使用最小二乘求解对齐矩阵的问题 使用最小二乘求解对齐矩阵容易受到outliers的影响, 误差会很大。 3 RANSAC&#xff08;random sa…