精华内容
下载资源
问答
  • 2019八大科技趋势,指引你走向技术下一站

    千次阅读 多人点赞 2019-01-09 10:27:33
    “我的成功秘诀,并非以...本文汇总了来自Gartner、阿里达摩院等机构对2019年科技热点,并提炼其中与开发者有关的部分(几乎所有预测中,都提到了区块链),以及产业方向的预测,指引你走向技术的下一站。 区块链商...

    “我的成功秘诀,并非以最快速度,冲到球前,而是奔向它即将飞去的方向。”

    ——冰球传奇Wayne Gretzky

    每样科学都有“半衰期”,而计算机科学可能是最短的一个——洗个澡的工夫,就有一半知识要过时了。本文汇总了来自Gartner、阿里达摩院等机构对2019年科技热点,并提炼其中与开发者有关的部分(几乎所有预测中,都提到了区块链),以及产业方向的预测,指引你走向技术的下一站。

    区块链商业化应用加速

    区块链技术将促进可信数据在路径上重组和优化,从而提高流转和协同效率。在跨境汇款、供应链金融、电子票据和司法存证等众多场景中,区块链将开始融入日常生活。随着“链接”价值的体现,分层架构和跨链互联将成为区块链规模化的技术基础。区块链领域将从过度狂热和过度悲观回归理性,商业化应用有望加速落地。

    如今许多“所谓的”区块链项目并没有实现区块链的所有属性,比如高度分布式的数据库。这些受区块链启发的解决方案只是通过自动化业务流程或通过数字化记录来实现运营效率的一种手段。它们有望加强已知实体之间的信息共享,并改善跟踪并追踪物理和数字资产的机会。

    这些方法并没有发挥区块链真正颠覆的价值,可能加大厂商锁定的风险。选择这个方法的企业应了解限制因素,准备好逐步完成区块链解决方案,还要明白这点:可以使用更高效、更优化地使用现有的非区块链技术获得相同的效果。

    自动驾驶,进入冷静发展道路

    依靠“单车智能”,我们可能在很长时间内都无法实现可靠的自动驾驶,但这并不意味着自动驾驶技术与应用进入寒冬。车路协同技术路线,会加快无人驾驶的到来。在未来2-3年,物流、运输等限定场景为代表的自动驾驶商业化应用会迎来新的进展,如固定线路公交、无人配送、园区微循环等商用场景将快速落地。

    AI驱动开发

    过去,专业的数据科学家必须与应用软件开发人员合作,共同开发大多数由AI增强的解决方案,而现在流行这种模式——专业开发人员可以单枪匹马,使用作为一项服务而提供的预定义模型。这为开发人员提供了由AI算法和模型组成的生态系统,并提供了将AI功能和模型集成到解决方案中的定制开发工具。

    随着AI运用于开发流程本身,使各种数据科学、应用软件开发和测试功能实现自动化,专业应用软件开发面临另一批机会。未来5年,至少40%的新应用软件开发项目会在团队中有AI开发人员协同工作。

    专用芯片挑战GPU的统治地位

    当下,计算和存储之间数据搬移已成为瓶颈,新一代基于3D堆叠存储技术的AI芯片架构已成为趋势。

    AI芯片中数据带宽的需求会进一步推动3D堆叠存储芯片在AI训练芯片中的普遍应用。而类脑计算芯片也会在寻找更合适的应用中进一步推动其发展。在数据中心的训练场景,AI专用芯片将挑战GPU的绝对统治地位。

    专用AI芯片以及更强大的处理能力、存储和其他先进功能将被添加到更广泛的边缘设备中。嵌入式物联网世界的极端异质性和工业系统等资产的长生命周期将带来重大的管理挑战。从长远看,随着5G成熟,不断扩展的边缘计算环境将更加强大的通信回到集中式服务。5G提供更低延迟、更高带宽,并且每平方公里节点的数量急剧增加。

    超大规模图神经网络系统将赋予机器常识

    “图”是一种数据结构,它对一组对象(节点)及其关系(边)进行建模。近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,GNN最近已成为一种广泛应用的图分析方法,在结构化场景中,GNN被广泛应用在社交网络、推荐系统、物理系统、化学分子预测、知识图谱等领域。

    单纯的深度学习已经成熟,而结合了深度学习的图神经网络将端到端学习与归纳推理相结合,有望解决深度学习无法处理的关系推理、可解释性等一系列问题。

    计算体系结构被重构

    未来的计算、存储、网络不仅需要满足AI对高通量计算力的需求,也要满足物联网场景对低功耗的需求。基于FPGA、GPU、ASIC等计算芯片的异构计算架构,以及新型存储器件的出现,已为计算架构的演进拉开了序幕。

    从过去以CPU为核心的通用计算而走向由应用驱动和技术驱动,所带来的领域特定体系结构的颠覆性改变,将加速人工智能甚至是量子计算时代到来。

    5G催生全新应用场景

    第五代移动通信技术,主要特点是波长为毫米级,超宽带,超高速度,超低延时。它将使移动带宽大幅度增强,提供近百倍于4G的峰值速率,促进基于4K/8K超高清视频、AR/VR等沉浸式交互模式的逐步成熟。

    5G将带来海量的机器类通信及连接的深度融合。网络向云化、软件化演进,网络可切片成多个相互独立、平行的虚拟子网络,为不同应用提供虚拟专属网络,加上高可靠、低时延、大容量的网络能力,将使车路协同、工业互联网等领域获得全新的技术赋能。

    数字身份愈加重要

    生物识别技术正逐渐进入大规模应用阶段。随着3D传感器的快速普及、多种生物特征的融合,每个设备都能更聪明地“看”和“听”。生物识别和活体技术也将重塑身份识别和认证,数字身份将成为人的第二张身份证。从手机解锁、小区门禁到餐厅吃饭,到高铁进站、机场安检以及医院看病,靠脸走遍天下的时代正在加速到来。

    另一方面,数字道德和隐私是个人、组织和政府日益关注的一个问题。人们越来越关注公共和私营部门的组织如何使用他们的个人信息,没有积极主动地打消这些顾虑的组织只会遇到越来越强烈的反对。

    推荐阅读:

     

    展开全文
  • 大数据的下一站是什么?服务/分析一体化(HSAP)作者:蒋晓伟(量仔) 阿里巴巴研究员因为侧重点的不同,传统的数据库可以分为交易型的 OLTP 系统和分析型的 OLAP 系统。随着互联网的发展,数据量出现了指数型的增长...

    简介: 大数据的下一站是什么?服务/分析一体化(HSAP)

    作者:蒋晓伟(量仔) 阿里巴巴研究员
    因为侧重点的不同,传统的数据库可以分为交易型的 OLTP 系统和分析型的 OLAP 系统。随着互联网的发展,数据量出现了指数型的增长,单机的数据库已经不能满足业务的需求。特别是在分析领域,一个查询就可能需要处理很大一部分甚至全量数据,海量数据带来的压力变得尤为迫切。这促成了过去十多年来以 Hadoop 技术开始的大数据革命,解决了海量数据分析的需求。与此同时,数据库领域也出现了一批分布式数据库产品来应对 OLTP 场景数据量的增长。
    01.jpg
    为了对 OLTP 系统里的数据进行分析,标准的做法是把里面的数据定期(比如说每天)同步到一个 OLAP 系统中。这种架构通过两套系统保证了分析型查询不会影响线上的交易。但是定期同步导致了分析的结果并不是基于最新数据,这种延迟让我们失去了做出更及时的商业决策的机会。为了解决这个问题,近几年出现了 HTAP 的架构,这种架构允许我们对 OLTP 数据库里的数据直接进行分析,从而保证了分析的时效性。分析不再是传统的 OLAP 系统或者大数据系统特有的能力,一个很自然的问题是:既然 HTAP 有了分析的能力,它是不是将取代大数据系统呢?大数据的下一站是什么?

    背景

    为了回答这个问题,我们以推荐系统为例分析一下大数据系统的典型场景。
    当你看到购物应用给你展示正好想要买的商品,短视频应用播放你喜欢的音乐时,推荐系统正在发挥它神奇的作用。一个先进的推荐系统,核心目标是根据用户的实时行为做出个性化的推荐,用户和系统的每一次交互都将即时优化下一步的体验。为了支持这样一个系统,后端的大数据技术栈已经演变为一个非常复杂和多元化的系统。
    下图展示了一个支持实时推荐系统的大数据技术栈。
    02.jpg
    为了提供优质的实时个性化推荐,推荐系统重度依赖实时特征和模型的连续更新。

    实时特征可以分为两类:

    1. 系统会收集大量的用户行为事件(比如说浏览、点击等),以及交易记录(比如说从 OLTP 数据库同步过来的付款记录等)。这些数据量非常巨大(可能高达每秒种数千万甚至上亿条),并且其中的绝大部分不是来自交易系统。为了方便以后使用,这些数据会导入到系统里(图中的 a),同时它们会和各种维表数据做关联推导出一系列重要的特征(图中的 1),这些特征会实时更新到推荐系统以优化用户体验。这里的实时维表关联需要低延迟高吞吐的点查支持才能跟得上新产生的数据。
    2. 系统也会使用滑动窗口等方式去计算出各种不同维度和时间粒度的特征(比如说一个商品过去 5 分钟的点击数、过去 7 天的浏览量和过去 30 天的销售等)。根据滑动窗口的粒度,这些聚合可能通过流计算或者批处理的方式完成。

    这些数据也被用来产生实时和离线机器学习的样本,训练出来的模型经过验证后会持续地更新到推荐系统中。

    上述所解释的是一个先进的推荐系统的核心部分,但这只是整个系统的冰山一角。除此之外还需要实时模型监控、验证、分析和调优等一整套体系,这包含:使用实时大屏去查看 A/B 测试的结果(3),使用交互式分析(4)去做 BI 分析,对模型进行细化和调优。除此之外,运营还会使用各种复杂的查询去洞察业务的进展,并且通过圈人圈品等方式进行针对性的营销。
    这个例子展示了一个非常复杂但典型的大数据场景,从数据的实时导入(a),到预聚合(b),从数据服务(1),持续聚合(3),到交互式查询(4),一直到批处理(2)。这类复杂场景对大数据系统有着非常多样化的需求,在构建这些系统的实践中我们看到了两个新的趋势。

    • 实时化:业务需要快速地从刚刚收集到的数据中获得商业洞察。写入的数据需要在秒级甚至亚秒级就可见。冗长的离线 ETL 过程正在变得不可容忍。同时,收集到的数据比从 OLTP 系统同步过来的数据要大得多,用户浏览点击等日志类数据甚至要比它大几个数量级。我们的系统需要有能力在大量实时数据写入的同时提供低延迟的查询能力。
    • 服务 / 分析的融合:传统的 OLAP 系统在业务中往往扮演着比较静态的角色。我们通过分析海量的数据得到业务的洞察(比如说预计算好的视图、模型等),这些获得的知识通过另外一个系统提供在线数据服务。这里的服务和分析是个割裂的过程。与此不同的是,理想的业务决策过程往往是一个持续优化的在线过程。服务的过程会产生大量的新数据,我们需要对这些新数据进行复杂的分析。分析产生的洞察实时反馈到服务创造更大的商业价值。服务和分析正在形成一个闭环。

    现有的解决方案通过一系列产品的组合来解决实时的服务 / 分析融合的需求。比如说,通过 Apache Flink 做数据的实时预聚合,聚合后的数据会存储在类似 Apache Druid 这种提供多维分析的产品中,并且通过 Apache HBase 这类产品来提供数据服务。这种烟囱式开发的模式会不可避免地产生数据孤岛,从而引起不必要的数据重复,各个产品间复杂的数据同步也使数据的一致性和安全性成为挑战。这种复杂度使得应用开发很难快速响应新需求,影响了业务的迭代速度,也给开发和运维都带来了较大的额外开销。
    03.jpgimage.gif

    我们认为实时的服务 / 分析的融合应该通过一个统一的 Hybrid Serving/Analytical Processing(HSAP)系统来实现。
    通过这样一个系统,应用开发不再需要和多个不同的产品打交道,不再需要去学习和接受每个产品的问题和局限,这能够大大简化业务的架构,提升开发和运维效率。这样一个统一的系统能够避免不必要的数据重复从而节约成本。同时这种架构还能够为系统带来秒级甚至亚秒级的实时性,让业务的决策更实时,从而让数据发挥出更大的商业价值。

    分布式 HTAP 系统虽然具有了实时分析的能力,但是并不能解决大数据的问题。

    首先,交易系统同步过来的数据只是实时推荐系统需要处理的一小部分数据,其他绝大部分数据来自日志等非交易系统(用户每次购买前往往有数十个甚至数百个浏览行为),大部分分析是在这些非交易数据上进行的。但 HTAP 系统并没有这部分数据,所以在这些非交易数据上做分析就无从谈起。
    那么是不是可以将这些非交易数据写入 HTAP 系统来进行分析呢?我们来分析一下 HTAP 系统和 HSAP 系统在数据写入模式上的不同。HTAP 系统的基石和优势是支持细粒度的分布式事务,交易型数据往往以很多分布式小事务的方式写入 HTAP 系统。然而来自日志等系统的数据并没有细粒度分布式事务的语意,如果要把这些非交易型数据导入 HTAP 系统势必会带来不必要的开销。
    相比之下, HSAP 系统并没有这种高频率分布式小事务的需求。数据写入 HSAP 系统一般有两种模式:1)海量的单条数据实时写入;2)相对低频的分布式批量数据写入。这就允许 HSAP 系统在设计上做出一系列优化,从而提升性价比,避免把非交易型数据导入 HTAP 系统带来的不必要开销。
    就算我们不在乎这些开销,假设能不计成本把数据都写入 HTAP 系统,是不是就解决问题了呢?答案仍然是否定的。
    支持好 OLTP 的场景是 HTAP 系统的前提条件,为了做到这点,HTAP 系统往往采用了行存的数据格式,而分析型的查询在行存的效率相比于列存有很大的(数量级的)劣势。具备分析的能力和能够高效地分析并不是一回事。为了提供高效分析的能力,HTAP 系统必须把海量的非交易数据复制到列存,但这势必带来不小的成本,不如把少量的交易数据复制到 HSAP 系统成本更低,同时还能更好地避免对线上交易系统产生影响。
    所以,我们认为 HTAP 和 HSAP 会相辅相成,分别引领数据库和大数据领域的方向。

    HSAP 的挑战

    作为一种全新的架构,HSAP 面临着和已有的大数据以及传统的 OLAP 系统相比很不一样的挑战。

    高并发的混合工作负载:HSAP 系统需要处理远远超出传统的 OLAP 系统的并发查询。在实践中,数据服务的并发远远超出了 OLAP 查询。比如说,我们在实践中见到数据服务需要处理高达每秒钟数千万个查询,这比 OLAP 查询的并发高出了 5 个数量级。同时,和 OLAP 查询相比,数据服务型查询对延迟有着更加苛刻的要求。除此之外,更大的挑战是系统在提供数据服务查询的同时需要处理非常复杂的分析型查询。这些混合查询负载在延迟和吞吐间有着非常不同的取舍。如何高效地利用系统资源处理好这些非常不一样的查询,并且保证每个查询的 SLO 是一个巨大的挑战。

    高吞吐实时数据导入:在处理高并发的查询负载的同时,HSAP 系统还需要支持海量数据的实时写入。这些实时写入的数据量远远超出了传统的 OLAP 系统的需求。比如说,上面的实时推荐场景会持续写入每秒钟数千万甚至上亿条事件。和传统的 OLAP 系统的另外一个区别是 HSAP 系统对数据的实时性有着很高的要求,写入的数据需要在秒级甚至亚秒级可见,这样才能保证我们服务和分析结果的时效性。

    弹性和可扩展性:数据写入和查询负载可能会有突发的高峰,这对系统提出了很高的弹性和可扩展性的要求。在实践中,我们注意到数据写入峰值能达到平均的 2.5 倍,查询的峰值能达到平均的 3 倍。而且数据写入和查询的峰值不一定同时出现,这也需要系统有根据不同的峰值做迅速调整的能力。

    HSAP 的系统设计

    为了应对这些挑战,我们认为一个典型的 HSAP 系统可以采用类似于上图的一个架构。
    image.gif04.jpg
    存储计算分离:所有的数据存储在一个分布式文件系统中,我们以数据分片的方式来扩展系统,Storage Manager 会管理这些数据分片(Shard),Resource Manager 管理系统的计算资源,保证系统能够处理高吞吐的数据写入和查询的需求。这种架构能够快速应对工作负载的变化,当查询负载变大需要更多的计算资源的时候可以扩展计算资源,当数据量快速增长的时候可以快速扩展存储资源。存储计算分离的架构保证了不需要等待移动 / 拷贝数据就能快速完成这些操作。这种架构较大地简化了运维,为系统的稳定性提供了保障。

    统一的实时存储:为了能够支持各种查询模式,统一的实时存储层至关重要。查询大体可以分为两类,一类是简单的点查询(数据服务类的大多是这类),另一类是扫描大量数据的复杂查询(分析类的大多是这类),当然这是一个连续变化的过程,很多查询介于两者之间。这两种查询模式对数据存储也提出了不同的要求。行存储能够比较高效地支持点查询,而列存储在支持大量扫描的查询上有明显的优势。我们可以通过类似 PAX 的方式在行存和列存之间做一个折衷,付出的代价是可能在点查和扫描数据的场景都不能获得最佳的性能。我们希望在两种场景都做到最优,所以在系统里同时支持了行存和列存,用户可以根据场景选择每个表的存储方式。对同时有两种需求的表我们通过索引的抽象允许用户同时选择两种存储,系统通过索引维护的机制保证两者间的一致性。在实践中我们发现这种设计带来的效率和灵活性能够更好地支持业务。

    工作负载的隔离:系统在混合工作负载下的 SLO 是通过调度来保证的。在理想情况下,一个大查询就应该能把所有的资源都利用起来。而当有多个查询同时运行的时候,这些查询需要公平地共享资源。由于服务型的查询通常比较简单从而需要的资源比较少,这种公平调度的机制能够保证服务型查询的延迟即使在有复杂的分析型查询的情况下仍然能够得到保障。作为一个分布式的系统,调度可以分为分布式和进程内两部分。Coordinator 会把一个查询分解为多个任务,这些任务被分发到不同的进程,Coordinator 需要采取一定的策略保证公平性。同样重要的是,在一个进程内我们也需要让不同任务公平地分享资源。由于操作系统并不理解任务间的关系,所以我们在每个进程里实现了一个用户态的 Scheduler 去更灵活地支持工作负载的隔离。

    系统的开放性:很多业务已经使用了其他存储平台或者计算引擎,新的系统必须考虑和已有系统的融合。对时效性要求高的查询,计算和存储的一体化能够带来明显的优势。但是对时效性不高的离线计算,存储层可以提供统一的接口开放数据,这种开放性允许其他引擎把数据拉出去处理能够赋予业务更大的灵活度。开放性的另外一面是对存储在其他系统中数据进行处理的能力,这个可以通过联邦查询的方式去实现。

    HSAP 的应用

    这里我们分享一下阿里巴巴搜索推荐精细化运营业务,下图显示了在采用 HSAP 前这样一个系统架构的示例。
    05.jpgimage.gif
    我们通过一系列存储和计算引擎(HBase、Druid、Hive、Drill、Redis 等)的复杂配合才能满足业务的需求,并且多个存储之间需要通过数据同步任务来保持大致的同步。这种业务架构极其复杂,整个业务的开发耗费了大量的时间。
    06.jpg
    我们在 2019 年的双十一使用 HSAP 系统升级了这个业务,新架构得到了极大的简化。用户、商品、商家属性数据和海量的用户行为数据经过实时和离线的数据清洗统一进入 HSAP 系统,由 HSAP 系统向上承接了实时大屏、实时报表、效果跟踪、实时数据应用等查询和分析服务。实时大屏、实时销售预测、实时库存监控、实时 BI 报表实时监测业务进展,洞悉运营增长,跟踪算法效果,从而助力高效决策。实时标签、实时画像、竞对分析、圈人圈品、权益投放等数据产品助力精细化运营和决策。实时数据接口服务支持算法调控、库存监控预警等服务。一套 HSAP 系统实现了全渠道全链路的数据共享和复用,解决了运营、产品、算法、开发、分析师到决策层不同业务视角的数据分析和查询需求。

    总结

    HSAP 架构通过统一的实时存储,数据无需复制就能一站式提供简单查询、OLAP 分析、在线数据服务等多样化的数据查询和应用服务,满足数据应用方的访问和接入需求。这种新架构大大地降低了业务的复杂度,让我们能够快速应对新的业务需求。它提供的秒级甚至亚秒级实时性让决策更及时高效,从而让数据创造出更大的商业价值。

    展开全文
  • 百度智能云的下一站

    千次阅读 2020-09-25 19:38:50
    云途腾是一家国内领先的私有云厂商,专门面向企业级用户,提供云平台产品、解决方案及服务,包括云平台的交付及定制研发、超融合一体机及混合云解决方案,并提供服务咨询、架构设计、产品开发以及交付运维一站式服务...

    作者 中国软件网 陈杨

    校对 中国软件网 麒麟

    9月15日,百度年度AI盛会“百度世界2020”于线上直播召开。

    由于本次大会由百度与央视新闻联合呈现,以及总台央视主播康辉与李彦宏跨界主持,再加上宝晓峰、郑丽几位总台央视主播担任AI体验官,这场大会无疑“破了圈”。

    而无论是大会直播中的全无人驾驶,还是实时同声传译耳机、可盐可甜的虚拟助手度晓晓,这一系列智能化的应用,均离不开百度大脑以及百度智能云的支撑。

    在大会下午的百度智能云分论坛上,百度CTO王海峰也详细阐述了百度智能云的战略布局和发展愿景:

    “百度智能云的战略是‘以云计算为基础,以人工智能为抓手,聚焦重要赛道’。我们会持续聚焦社会价值及商业价值兼具的重要赛道,并持续探索和拓展新赛道,加速提升影响国计民生的重要行业的智能化水平,激发经济新活力。”

    01

    百度智能云战略,五年三升级

    2015年,百度智能云(时称百度云,2019年4月更名为“百度智能云”)正式对外开放运营。随后的2016年7月,李彦宏在百度云计算战略发布会上公布了百度智能云的首个发展战略——做“人工智能+大数据+云计算“三位一体的云。

    同年11月,百度总裁张亚勤又在2016百度云智峰会上首次将“人工智能+大数据+云计算“三位一体的战略总结为ABC,即AI、大数据、云计算三方面的融合,这也是我们所熟知的百度智能云ABC战略的开始。

    随后的2017年百度云智峰会、ABC SUMMIT 2018百度云智峰会上,百度智能云ABC2.0战略、3.0相继推出。时任百度副总裁的尹世明也在峰会上表示,百度智能云一直坚定AI、大数据和云计算是三位一体,不过智能应该是其中的核心,百度智能云也将借助ABC的深度融合发现产业新价值,引领全产业的智能化变革。

    也是在这一年12月份,百度智能云从事业部(ACU)升级为智能云事业群组(ACG), 同时承载AI to B和云业务的发展。

    此后的两次战略调整上,也能明显感觉到,智能在百度智能云的战略中地位越来越高。2019年9月,李彦宏发布全员信,宣布进一步升级“云+AI”战略,提高百度智能云的战略地位。并将ACG与CTO体系融合,直接向王海峰汇报。

    在今年1月初,百度又将ACG与AIG(AI技术平台体系)、TG(基础技术体系)、整合为AIG(百度人工智能体系),继续由百度CTO王海峰负责。

    随后,在新基建的提出下,百度智能云也表示要做AI新基建。王海峰发送内部邮件,对ACG再次进行调整,实施扁平化管理。其中,尹世明、张志琦两人卸任原职务,另作安排,云计算、智能金融、智能客服、渠道生态等业务负责人将向王海峰汇报。

    自此,百度智能云迎来其第三个发展战略,这便是王海峰表示的“以云计算为基础,以AI为抓手,聚焦重要赛道。”

    02

    AI-Native阶段,提供AI新基建

    在这一战略的引领下,8月20日举行的ABC SUMMIT 2020百度智能云智能计算峰会上,百度智能云也发布了自主研发的新一代云基础架构百度“太行”以及六大新产品,并升级了四大应用平台,以实现智能计算能力全面升级。

    其中,百度也提出了“AI-Native”(人工智能原生)一词,表示我国智能家居、智能金融、自动驾驶、智慧医疗、智能零售、智能制造等领域的行业应用已全面进入AI-Native阶段。

    为了更好地适应AI-Native阶段,百度智能云也打造了AI-Native服务架构。该服务架构自下至上包括四个层面,分别为:云基础设施层。包括芯片、AI计算集群、高速互联技术、智能数据中心等,提供AI-Native阶段所需的高性能AI算力;

    工程平台层。包括自主研发的飞桨平台、数据智能平台、云原生平台、云边端一体平台,使得AI的整个开发过程简单、易用、高效;

    AI应用开发平台。助力企业实现云能力和AI能力的深度融合,最大化发挥出云计算性能,实现与视频、区块链、硬件等生态的链接,享受到端到端的应用开发全流程体验;

    三大方法论。包括互联网架构、数据智能、模型工厂,方便企业快速落地AI能力。

    不难看出,在过去几年间,百度智能云的战略以及组织架构调整得很频繁。从中也能察觉出来,百度智能云越来越弱化对“云”本身的宣传,而是将其作为各行各业智能化的基础设施和平台,突出百度智能云的能给产业带来的“智能”应用。

    03

    收购私有云厂商,目标不止混合云

    这一点,从百度收购私有云厂商云途腾也能看出来。

    9月11日,爱企查数据显示,北京云途腾科技有限责任公司原股东们退出,百度旗下达孜县百瑞翔创业投资管理有限责任公司成为该公司的唯一股东,李彦宏成为该公司的实际控制人。这便意味着,百度成为云途腾的实际控制者。

    看到这条消息,想必我们的第一反应是一致的:中国软件网也认为,这是百度智能云准备发力混合云市场。的确,尽管百度云在私有云产品上早有布局,如云存储、原生数据库、虚拟化计算、运维、安全等产品和解决方案。但业界对百度智能云的印象还是公有云为主,且与阿里云、腾讯云仍有差距。

    而混合云又是全球范围内云计算市场的未来。收购云途腾则将进一步完善了私有云产品矩阵,直接提升百度智能云在私有云市场的能力,再结合自身在公有云市场的能力,这样百度智能云便可为企业提供混合云方案,在已经到来的混合云时代实现“弯道超车”。

    事实也正是这样的,根据云途腾官网描述:云途腾是一家国内领先的私有云厂商,专门面向企业级用户,提供云平台产品、解决方案及服务,包括云平台的交付及定制研发、超融合一体机及混合云解决方案,并提供服务咨询、架构设计、产品开发以及交付运维一站式服务。

    但除了发力混合云市场外,百度收购云途腾的另一目的便是进一步帮助传统企业智能化转型。根据云途腾的介绍,云途腾从2011年起便开始向铁路、广电、电信运营商、政府、物联网、金融等行业提供云平台及云解决方案。

    可以看到,云途腾的客户不乏传统行业,同时又有对数据敏感、安全要求高额度政府金融客户,而在疫情的“逼迫”下,这些行业均需要智能化升级。云途腾的私有云服务,加上百度智能云在人工智能方面的能力,无疑能很好地满足这些客户的要求,百度智能云自身也能践行自身“聚焦重要赛道”这一战略。

    综上,从2015年百度智能云正式对外运营到今天,五六年的时间里,百度智能云正从云服务商向AI服务商转变。或许未来几年内,百度智能云又将进行一次品牌升级,从“百度智能云”升级到“百度云智能”。

    展开全文
  • 下一站,回家过年 (含泪都要看完)

    万次阅读 多人点赞 2020-01-19 15:18:03
    只要我们的父母健在,那个生你养你的家才是我们的归宿,才是回家过年的终点。所以,无论你年龄有多大,身边的儿女有多少,都会习惯而幸福地说:“今年春节,我要回家过年”。 回家是一张车票,隔着万水千山,依然是...

    写在前面: 我是「扬帆向海」,这个昵称来源于我的名字以及女朋友的名字。我热爱技术、热爱开源、热爱编程。技术是开源的、知识是共享的。

    这博客是对自己学习的一点点总结及记录,如果您对 Java算法 感兴趣,可以关注我的动态,我们一起学习。

    用知识改变命运,让我们的家人过上更好的生活

    在这里插入图片描述

    时间不愿意停留,岁月不喜欢等待。不知不觉中, 春节临近,回家的脚步也越来越近。我的家乡,无意间变成了一家客栈,一家我求学和工作路上的客栈。几乎一年才回家一次,甚至更久。每次与家人的相聚,短之又短!‍

    上次回家父辈们送我在马路上坐车的情景
    上次离开家,父辈们送我在马路上坐车的情景


    有家就有年,无论路途是多么的遥远、人潮是多么的拥挤、春运的车票有多么的难买、各种回家的交通工具有多么的拥挤,都难以阻挡在外漂泊了一年的游子渴望回家过年的匆匆脚步。因为哪里有着我们的思念和牵挂。

    春节临近,回到我们温暖的目的地——家,也许是每一位归乡人最热切的期盼!
    在这里插入图片描述

    回家过年,那是多少游子一年的期盼,在外漂泊久了,我们多想回到那日夜思念的故乡,多想看看那天天为我们担心的父母。

    只要我们的父母健在,那个生你养你的家才是我们的归宿,才是回家过年的终点站。所以,无论你年龄有多大,身边的儿女有多少,都会习惯而幸福地说:“今年春节,我要回家过年”。

    回家是一张车票,隔着万水千山,依然是连着心中的暖。在这里插入图片描述

    • 回家是一种幸福,在外的游子结束了一年的奔波;

    • 回家是一种温暖,在外的游子与家人结束了一年的思念;

    • 回家是一种感动,在外的游子与家人结束了一年的牵挂。

    陪父母吃一顿年夜饭,和儿时的小伙伴再放一次鞭炮。只有一个地方值得我们留恋,那就是生我们、养我们的家!

    在家,我可以敞开心扉和少年时的伙伴畅聊,也可以向我们的父母倾诉心中烦事,可以静下心来重温往事。

    在这里插入图片描述

    故乡的方向都是暖的,暖暖的山,暖暖的水,暖暖的乡音。

    朝着暖暖的方向上路,走得再远也不会迷失。

    家的方向,就是心的方向。过年了,最大的梦想就是回家

    • 不管有钱没钱,回家过年;

    • 不管工作多累,过年回家吃饭;

    • 不管工作多忙,过年回家看看;

    • 不管官大官小,回家和亲人在一起就是福。

    在这里插入图片描述

    不曾相伴在旅途,相伴在归乡的心,不曾迷失在奔忙,迷茫在归乡,不曾成就的我们,不曾开心的梦想,不曾报答的亲情,不曾感悟的家乡。

    春节到了,一年的忙碌铺成了回家的大路,希望回家的你平安一路,一年的辛苦变成了盼望的归途,希望回家的你一路顺风。


    谨以此文,献给在外漂泊多年的朋友,永远请不要忘记自己的梦想,不要忘记你的家乡。有钱没钱,回家过年!

    展开全文
  • 人生的下一站会是哪里?

    千次阅读 2008-03-30 00:25:00
    Teacher→Coder→?人生的下一站会是哪里……
  • 简介: 本文源自 2020 年 12 月 20 日作者在云原生社区 meetup 第二期北京演讲 《Apache Dubbo-go 在云原生时代的实践与探索》的部分内容 自从以 2013 年开源的 docker 为代表的的容器技术和以 2014 年开源的 K8...
  • 下一站会更幸福吗?没有人知道。那只是我们美好的愿望而已。如果这一刻感觉是对的,请珍惜。把握现在远比憧憬未来更实际。 Life is full of confusing and disordering Particular time, a particular location, ...
  • 自己动手做的RTSP的例子终于跑通可以与Live555的RTSP Server交互了。 后面再花点时间梳理下,RTSP协议的学习就可以告一段落了。 下一站SIP协议!~加油
  • 安全员作为自动驾驶进程中的个“增量”岗位,还会存在多久? 这个问题的答案或许很快就会揭晓。 Waymo今年10月8日宣布,在美国凤凰城郊区向公众开放完全无人驾驶叫车服务。 紧接着,Cruise获准在加州公共道路...
  • 下一站,长沙

    千次阅读 2010-02-22 17:47:00
    昨天,来到了我的求学之地----长沙!在这里已有半年的学习了,明天就要进入紧张的学习中,我相信我的求钱之路就会从这里开始----长沙
  • 网购体验下一站

    千次阅读 2008-10-10 08:50:00
    互联网的飞速发展在给人们增添生活乐趣之时,也掠夺了更...然而面对铺天盖地的商品图片,以及华丽繁琐的夸耀之词,人们不免会想:能否有种方式,让网购的过程像在现实中逛街般真实亲切、轻松易行?EDS销售模式的诞生
  • 与几年前“研究和展望区块链”的阶段不同,今年以来,我们见证了区块链在产业各处更多的落地应用。在“新基建”的浪潮,区块链迎来更为广阔的历史发展机遇。从宏观政策鼓励到各级政府大力支持,从中...
  • 方面,我们将立足大湾区,吸引培养高层次AI人才,另方面,创新工场发起的DeeCampAI夏令营今年也正式落地广州,为大湾区培育用AI解决真实世界问题的人才大军,为当地大学生AI人才培养注入新力量。”周哲称。 ...
  • 随着近几年科技的发展,“协作”才是制造业实现智能化真正的下一个发展阶段。 工厂在实现自动化或智能化的进程里,有几个简单直观的衡量指标。在目前阶段,工厂在生产制造端引入新技术时可能会碰到以下问题: ...
  • 关注ITValue,查看企业级市场最新鲜、最具价值的报道!... 但是,在新世界起点,我们也看到一些似曾相识的情形,作为见证过互联网发展热潮的人,不免会发现现在的AI领域像极了当年的互联网在1998年勃兴两年后又遇到
  • 搜索下一站:个性化搜索基本方法和简单实验

    万次阅读 热门讨论 2010-12-02 15:52:00
     实验系统建好之后,遇到个重要问题就是如何对搜索的效果进行评测,个性化搜索的效果涉及不同的用户、不同的检索词、不同的数据集,还没有个统一的评测标准。而作为实验系统,也很难进行 A/B 评测等的在线的...
  • 1 摩托罗拉研发中心 81.2 --  2 Oracle(甲骨文)软件研发中心 71 --  3 IBM杭州分公司 66 --  4 诺基亚研发中心(Nokia R&D Center)- 诺基亚(中国)投资有限公司 65.1 --  5 三星半导体(中国)研究所...
  • (本文首发于《上海信息化》2008年第6期) 最初的网络媒体,电子邮件是最主要的形式。1996年间,人们要用个名叫“蓝波快信”的软件登录电话那端的BBS服务器。登录上去后,要快速地下载
  • 超 60 万人落户西安,程序员就业下一站

    万次阅读 热门讨论 2018-09-05 20:01:52
    报告显示,在持续推进“百万大学生留汉工程”的背景,上半年留汉大学生突破了25万人,落户人数已达7.6万人次。伴随着留汉大学生人数不断增多,高质量就业岗位需求逐步扩大。 老家湖北、两年前硕士毕业后到珠海工作...
  • 聊我在 B 上自学编程的经历吧!

    万次阅读 多人点赞 2021-04-19 11:50:18
    今天在 b 看视频的时候,看到了句话众所周知,b 是用来搞学习的,对于我们学习编程的童鞋来说,b 有着非常多的学习资源,但是有一些质量并不是很好,看了之后不容易理解,这也是写这篇文章的原因,为大家...
  • 在配置静态路由时,下一跳可以使用下一路由器的IP地址,也可以使用本路由器的出接口。在点对点的网络中,两者可能没有什么差别,但在以太网中,两者有很大差别。  在以太网中,两个相邻接口之间的通信是依靠MAC...
  • 作为名大学生,如何在B上快乐的学习?

    万次阅读 多人点赞 2020-01-18 20:32:11
    作为名大学生,你必须掌握的项能力就是自学能力,很多看起来很牛X的人,你可以了解,人家私底下一定是花大量的时间自学的,你可能会说,我也想学习啊,可是嘞,该学习啥嘞,不怕告诉你,互联网时代,最不缺的...
  • 路由下一跳与出接口区别

    千次阅读 2013-01-17 21:29:42
    用出接口,意思就是去往指定目标网络从这个接口... 用下一跳IP地址,下一跳IP地址,叫递归静态路由,路由器在转发数据包到目标网络的时候,首先要先解析下一跳的可达性,换句话说总共要解析两次,从转发效率上来说低
  • 心血来潮搞了个简单的爬虫,主要是想知道某个人的b账号,但是你知道,b在搜索个用户时,如果这个用户没有投过稿,是搜不到的,,,这时就只能想方法搞到对方的mid,,就是 space.bilibili.com/9444976 后面...
  •  总存在一个加油,仅用它的油就足够跑到下一个加油(否则所有加油的油量加起来将不够全程)。把下一个加油的所有油都提前搬到这个加油来,并把油已被搬走的加油无视掉。在剩下的加油中继续寻找油量...
  • # -*- coding:utf-8 -*-#Quetion:#长途旅行中,刚到一个加油,距下一个加油还有200Km,而且以后每个加油之间距离都是200km#编写一个程序确定是不是需要在这里加油,还是可以等到接下来的第几个加油再加油#...
  • Linux 回收机制

    千次阅读 2018-03-25 23:29:50
    Linux删除文件不像Windows那样,删除文件放入回收. 而是通过rm 命令删除文件.文件一般无法找回, 就是这种机制,每次带来的都是巨大的教训. 为此这里实现个简易的回收机制: 功能: rm 删除的文件备份到...
  • format c: /fs:ntfs //格式化系统盘 d:\WinSRV2012R2\sources\setup.exe //找到setup的位置。
  • windows服务器从零开始用wordpress步步建wordpress介绍购买云服务器远程连接服务器下载安装XAMPP和wordpress搭建网站欢迎关注微信公众号:Java后台开发 wordpress介绍 WordPress是使用PHP语言开发的博客平台,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 41,192
精华内容 16,476
关键字:

下一站