京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用已成“标配”
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。在人工智能时代,大数据不再只是一次“机遇”,而是成为“标配”。大规模存储和计算平台支撑了大数据挖掘和机器学习的复杂而耗费资源的算法与处理。云计算已成为推动智能时代诸多企业创新及信息产业发展的引擎。
云计算支撑大数据应用
云计算、移动互联网与社交网络是大数据的三大推进器。在过去不到20年的时间里,个人计算设备生成的数据量呈现出惊人的增长态势。而要想处理好这些激增的数据,就需要强大的云存储与计算平台。当大数据和云遇见深度学习,这一计算机科学家朝思暮想了数十载的科技终于不再是无本之木。随着深度学习技术的潜能被充分释放,弈棋程序的胜利以及人们在图像识别、语音识别等领域的连番突破也就顺理成章了。
图像识别
智能手机支持某些看起来很酷很智能的功能,比如人脸检测、根据面孔特征实现身份识别和分类编目等,若没有一流云平台在背后支持,也是不可想象的。
小米手机相册有一些对用户而言相当便利和人性化的功能,例如:用户可以从合影中找到每一张人脸并看到年龄标签;点击“面孔”分栏,所有包含人物的照片便被归入“姓名”影集中;选择其中一张合影,应用还能标示出画面里每个人的姓名……这些功能对于“患有”脸盲症和健忘症的朋友来说非常有用,而且也让手机看起来很“聪明”。但其实,相关的运算过程并不是在手机硬件平台上进行,而是依托于远端的“小米云相册”。
支撑人脸检测与识别这个应用的是其背后的大数据,尤其是强大的云计算和存储能力。其中,人脸识别需要对已知人脸的数据库进行提取,也就是需要依靠强大的存储能力作为支撑。而对于输入的人脸图像或者视频流进行判断,则需要依靠云计算技术才能得以实现。
以围棋人机大战为例,围棋软件AlphaGo和人类六至九段棋手16000次的对局中获得3000万个布点数据,其动用了1920个CPU和280个GPU的高性能计算资源,在一场比赛中消耗的能量是人的300倍。如此巨大的数据存储和计算量,是以前的技术所无法实现的。
无人驾驶
如果没有大数据,世界将会变成什么样呢?让我们在不久前特斯拉无人驾驶汽车车祸中寻找答案。大数据的方法是采用“足够多的数据+简单的模型”来得到更好的结果。因此,想要提高性能,就必然依赖于大数据。数据越多,覆盖量、精密度越高,对模型的依赖就越低,人工智能就变得足够可靠。
“大数据+云”助推ICT腾飞
2015年,我们见证了云计算如何推动消费产品和企业级产品领域的伟大创新,成为不同规模企业的部署对象。如今,云计算已成为推动诸多企业创新的引擎。小米正通过云计算服务全球范围的智能手机用户;猎豹移动通过云计算为全球的用户提供手机安全的保障;WPS通过云为全球的办公用户提供文件的存储和分享。金山云作为国内顶级的云服务商,提供大规模存储和计算平台,支撑大数据挖掘和机器学习的复杂而耗费资源的算法与处理,成为诸多企业创新的引擎。金山视频云平台被视为全球最专注的公有视频云,金山游戏云平台成为国内最大的游戏云平台,已形成完善的游戏产业生态。金山云更多的垂直领域云平台,如医疗云、政务云平台正在成为智慧城市的核心和基础。与此同时,金山云在美国和香港设立了数据中心,以满足美国和东南亚客户的需要。
大数据和云计算将极大地推进我国信息产业发展。当前,人工智能时代正在来临,对于存储和计算能力将产生更大需求。最近五年,人工智能在数据本身已经有了很大的突破。当拥有了海量数据并在算法上有所突破之后,人工智能水平将进一步突破。未来,人们将在人工智能上持续挖掘需求和应用,这需要数据存储和计算能力的支撑。
人工智能已成为信息技术产业的主流与传统行业升级、转型和变革的关键。而算法、大数据、计算资源不仅构成了人工智能的坚实支点,还将成为现实中构建通往全新“智能”之路的能量之源。人工智能飞速发展,大数据和云共存共生、相互促进,一种不一样的思考方式正在成长成熟。大数据和云正在推动人工智能时代的来临,同时拥有大数据和云计算技术储备的企业将在智能时代发挥更大作用,助力ICT产业腾飞。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16