
百度“工业革命”思维:大数据再造互联网
腾讯创始人马化腾就用“互联网+”来概括互联网行业的未来机会,即互联将向更多的传统行业渗透,并使传统行业脱胎换骨;百度创始人李彦宏则认为互联网未来有一个趋势,除了马化腾论及的“互联网+”之外,另一个趋势是互联网本身也在被技术改变,此前一波是移动技术,未来主要是云计算与大数据。
“互联网+”是已经发生的事情。李彦宏说:“接下来发生的事是技术改变互联网。”
4月24日,百度第四届技术开放日在北京举行,会议的主题是“大数据引擎驱动未来”。百度在当日宣布发布大数据引擎,并将这一大数据引擎向外界开放,为其提供大数据存储、分析及挖掘的技术能力。这是全球首个开放大数据引擎。
百度大数据引擎的意义是什么?至少包括两个方面的意思:一是利用新技术,特别是移动、云计算、大数据技术改造互联网;二是打造一个开放平台,把“互联网+”的思想引入更多行业。
数据开放平台
百度大数据引擎包含三层开放平台,分别是开放云、数据工厂、百度大脑。
百度开放云解决的是数据存储和计算瓶颈,这是由百度低能耗数据中心和分布式运算架构等技术来解决;在数据工厂平台,百度提供了“大数据挖掘机”把数据关联起来,并从中挖掘出它的价值;百度大脑建立在百度深度学习和大规模机器学习基础之上,现在已经可以模拟两、三岁婴儿的智力水平。
随着移动设备的普及,现在的人们已经随时随地都在产生数据,无论是某个PC网站上购物,搜索某条新闻,或是在手机玩某一个游戏,这些行为都会留下数据。
这种趋势还会继续。未来产生的数据,除了电脑、手机外,还有移动传感器、可穿戴设备、智能电视、车载电子设备,也包括了手机定位器、手机照相机等。这些设备会产生更加丰富的数据,使未来成为一个“大数据”时代。
在设备方面,百度开始进行尝试投资,包括智能手环、智能手机等产品。这些硬件产品多与第三方公司合作,百度出技术、出钱,甚至出人。百度的目的就是把百度的技术,包括搜索、地图等植入到这些硬件产品中,获得更多数据。
李彦宏把这一策略称为“baidu inside”,类似PC时代的“wintel inside”,不同的是,“baidu inside”是免费的,目的在于数据,“wintel inside”很昂贵,在PC时代,微软与英特尔攫取整个产业大部分利润。
百度高级副总裁王劲说,现在这个时代是一个数据大爆炸的年代,每个人,每个机构都要适应这一变化。
百度大数据引擎已经推出了一些十分好玩的服务:今年春节期间,百度和央视一起做了“百度迁徙活动”,利用基于百度地图LBS开放平台,根据每天多达70亿次的定位信息,在地图上直观显示春运期间人们怎样运动。
另外例子是百度大脑与语音识别技术相结合的应用:可以把海量的婴儿声音上传到大数据中心提取特征,年轻父母可以录下婴儿哭声上网比对,就知道孩子因为什么哭,是饿了,还是想撒撒娇,让没有带孩子经验的父母得到帮助。
百度工业革命
上述好玩的应用只是百度自己在百度大数据引擎上开发出来的应用;百度未来要把百度大数据引擎开放给更多行业的更多企业,让他们插上互联网的翅膀。
王劲举了一个医疗行业的例子,现在已经有很多可穿戴设备能够24小时每天监控健康状况,记录血压、心跳、睡眠状况、运动状况,检测汗液、血液,分析用户的身体情况,并且24小时不间断地把检测数据上传到大数据中心。
王劲说:如果把这些数据跟医院关联,这些数据将产生极大的价值。
王劲以心脏病做例子解释:每年有几百万人得了心脏病,百度大数据中心具有很好的计算能力,可以从几百万患者的24小时监控数据里头找到它的共性,我们提前两天给人发预警,如果你再这样下去就有可能得心脏病,由医院给人群发出警告,由于预防的代价远远低于治疗的代价,我们有可能把治的成本转换成预防的成本,提高了人们对疾病预防的能力,也能极大改变医患之间关系。
另一个可以改变的行业是保险行业:保险公司希望降低赔付率,在预防的模式下就可以降低赔付率,就有可能打造一个多方共赢新的医疗模式。
百度大数据引擎另一技术是以图搜图的技术:用手机拍一张某人现在的照片,就能在网上把这个人过去在网上所有的照片都找出来。
李彦宏认为:未来数据会无处不在,无论做什么事情都离不开大数据,百度开放自己的大数据核心能力,将更好地帮助传统行业挖掘数据价值,加快传统行业转型升级,进而发挥出对整体社会经济的革命性影响。
李彦宏表示,“海量数据存储、关联、分析是大数据时代的关键,是挑战更是机遇。”百度推出大数据引擎,旨在帮助各行业应对挑战,推动社会大数据、行业大数据的价值挖掘进程,帮助各行业发现并抓住新机会。
并不是每个公司都有存储、关联、分析大数据的能力,百度大数据引擎就是给这些公司提供存储、关联、分析大数据的能力,提供大数据基础设施。
李彦宏说,互联网发展已有二十年,这二十年就是各行各业被互联网冲击的二十年,最先受到冲击的是媒体,然后是零售业,旅游,刚刚开始的是金融业。
每一次涅槃,也是一次重生。李彦宏认为,未来会有更多行业被卷入,而且被卷入的速度越来越快,是一个加速发展的过程,产生一场新的工业革命。
百度本身是一个互联网公司,但却同样需要拥抱互联网:百度搜索引擎抓住的是互联网巅覆媒体的潮流,百度需要变化,迎接下一波潮流。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29