
重庆发力"互联网+" 欲破云计算大数据产业难题
在4月12日闭幕的2015(重庆)国际云计算博览会“云计算高峰会”上,重庆与腾讯正式签署“互联网+”战略协议,成为西部地区首个与腾讯合作的地方政府。
此协议内容被外界解读为两个层面:一是重庆可通过微信展开政务云服务;二是该地将与腾讯共谋云计算和大数据产业发展。
这并非重庆在云计算和大数据领域的首次“领衔”。
根据该市官方说法,重庆制定了全国第一个大数据行动计划,并第一个提出了大数据全产业链的总体目标,其中一个主要指标,是2017年实现软件和服务业的产值突破3500亿元。
“起步阶段”的“重庆式难题”
重庆市长黄奇帆仍把该市的云计算和大数据定位为“尚处起步阶段”。他在此前相关会上回答21世纪经济报道记者提问时说,云计算和大数据产业要“应用现行、效益先行、市场现行”,强调“因地制宜”,要从解决问题出发来推动。
在云计算大数据产业的持续发力中,重庆试图“摸石头过河”。
黄奇帆的想法是,大数据和云计算牵涉的专业极广,包括用以提高交通运行效率减少堵塞,提高楼堂馆所的节能效率减少浪费等;很多行业比如金融行业、贸易行业或者各种物流行业发展的同时,自然而然就会有大数据的伴生。
中关村业内人士则对21世纪经济报道记者表示,政府仍是最大的数据拥有者。相较于配套基础设施和招商优惠政策,每个地方政府的“数据开放程度”才是对产业人士最“致命”的吸引力。
重庆市云计算投资运营有限公司总经理居琰曾经担任重庆市经信委软件与信息化推进处处长,也曾是重庆市云计算办公室负责人。作为重庆云计算和大数据产业的推动者和执行者之一,他曾在北京中关村相关论坛上公开表示,如果“连数据都没有,何谈大数据”。在推动数据的开放和共享过程中,他曾遇到不少“协调不动”的难题:“某种意义上是部门的利益在左右改革”。
重庆也试图在此方面有所“改革”。几个月前,重庆市通过了《关于加强全市信息化系统集约化建设管理的通知》,试图把全市的相关数据集中到两江云计算产业园。
这被业内人士称为“猛”招的通知规定:第一、重庆38个区县的所有系统必须向两江云计算产业园提供;第二、全部区县须采用租用硬件集中托管和购买运维服务,不准再新购服务器、存储等硬件设备,必须传到云上去;第三、新建的数据中心项目一律停止审批,原有的数据中心五年之内逐步自行淘汰。
此外,居琰表示,大数据的到来对重庆的电力保障,尤其是数据洪流的能力会形成前所未有的挑战。他认为,“大数据会瞬时储存大量的数据,会消耗大量的电力。”据他介绍,重庆本希望把服务器数量提升到300万台,但由于能源的制约只敢做到一百万台,只能在“如何扩大增值应用空间和范围”上做文章。重庆云计算和大数据产业还存在政府监管、人才缺口等普遍性难题。
三类平台参与云计算产业竞合
有业内人士估计,2015年中国云计算市场规模将达到136.69亿美元,是2011年的5倍,年复合增长率将达50%。
重庆的人口总量为云产业提供了极大的本地消费市场。根据官方数据,重庆总人口3000万,城市人口1500万左右,在全国排第三位。
重庆着力点在“云端”。“重庆智能终端产业发展极快,或在2015年产值突破5000亿”,居琰介绍,此外,该市已获得国家互联网骨干直联点、国家跨境贸易电子商务试点资质;确立了一批重点项目,并培养了软件技术蓝领近700万人。重庆相关的顶层规划,则从大数据的产业发展、基础设施、形成机制、信息安全等方面全方位覆盖。
按照重庆的思路,一旦有了可以依托的数据中心资源,便能成立三类平台:一是市级平台;二是重点行业应用的全国性平台;三是企业自主发展的全国性平台。
除了招商之外,重庆市政府拿出一百万平方米打造移动互联网产业园,意图通过招商和孵化,形成大企业小企业相互发展的产业生态。
此次与腾讯的合作,则被当地官员看作重庆云计算大数据产业发展的一剂强心针。
据不完全统计,北京、上海、广州、江苏无锡、贵阳等地都已先后建设了一批云计算公共项目。
面对区域竞合,黄奇帆此前在回答21世纪经济报道记者提问时表示:周边兄弟省可以“各展所长”,因为这个领域“非常宽泛”。居琰则在中关村公开承认,“重庆市的电价没有内蒙和贵州便宜”,但重庆会“逐步扩大互联网骨干之间的连接范围,打造中国第一流的互联网通信保障环境”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30