京公网安备 11010802034615号
经营许可证编号:京B2-20210330
英特尔关注大数据前沿趋势 促部署落地
如今,在IT圈,你不谈大数据都不好意思说你是做IT的。如今,各大厂商也加大力度在大数据领域拓荒,试图抢占这个未来战略制高点。作为全球知名的IT企业,英特尔在大数据领域深耕已久,大数据与软件关系密切,今天我们就来看一看英特尔在大数据与软件方面的进展情况。
此次我们采访了英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene先生;英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士;英特尔中国研究院院长吴甘沙先生;英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理,由他们为我们详细介绍了英特尔的情况。
英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene
大数据领域 英特尔各司其职
MichaelGreene目前主要负责英特尔内部开源问题,在大数据上面,英特尔一直提供开放代码的大数据和分析平台。目前在STO里面有一个专门针对大数据领域的团队,马子雅女士是这个团队总经理,这个团队有三个主要功能,第一是领导英特尔在开源社区方面的贡献;第二就是通过和业界合作,完善在IA架构上的用户体验;第三,就是基于IA上面对大数据进行优化。这是Michael Greene所领导的团队的最大特点。
英特尔中国研究院院长吴甘沙先生
吴甘沙先生是英特尔中国研究院的院长,目前在大数据这块,主要的任务在SSG方面,这个方面有点向侦察兵的职责,负责在前面谈论,也就是负责大数据方面发展的前沿的一些研发。比如,如今SSG正在努力的研究Hadoop相关东西,比如流处理、图计算、内存计算,这是SSG的第一阶段,接下来还会研究大数据和人的关系,以及大数据跟中小企业以及传统公司的关系等等。
英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理
物联网行业如今快速发展,也已经成为大数据行业非常重要的一个领域,顾典领导的物联网事业部是英特尔内部的一个部门。如今随着互联网设备的快速增加,这些互联的设备本身每天都会实时的不间断的产生很多数据,从英特尔推广物联网普及的角度来说,顾典不仅仅是关注这些设备的互联,还关注设备互联以后怎么样被高效管理。
第2页:英特尔关注大数据前沿趋势
关注大数据前沿趋势 促行业部署落地
目前,人们无疑关注的是大数据的发展趋势,哪一个行业领域会是英特尔接下来的研发方向呢?Michael Greene表示,深度学习将会作为大数据接下来的一个研究方向。另外,英特尔主要关注在软件上、问题的处理,包括大容量的复杂计算,这上面英特尔可能还会加入一定的精力做进一步的开发,并且现在英特尔已经有一些成功案例。
英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士
作为英特尔中国研究院的院长,吴甘沙也认为深度学习是发展方向,并且深度学习是大数据分析当中比较偏向高性能计算的一种,比如在Spark上做了很多的各种各样的大数据分析。事实上深度学习现在有很多种方式来对它进行加速,可以用GPU、可以用Xeon Phi,也可以用FPGA这样的平台进行加速。从英特尔研究角度来说,英特尔希望各种选择都能够尝试一下。
无论何时,大数据分析的落地部署一直是用户关注的话题,Michael Greene认为目前需要帮助用户更加快速轻松的部署,Cloudera现在有一个组件——ClouderaDirector,可以帮助客户快速的自动化地部署。另外在开源社区Open Source里面,英特尔一直在做一个项目Sahara,在这个项目不管你是Hortonworks、Cloudera甚至MapR都可以帮助容易的帮助用户实现落地。
英特尔各个部门在大数据这块有明确的分工。Michael Greene比较专注于具体用户的问题,因为只有把用户的问题放在最高点,所有的解决方案才会整合到一块儿。一旦英特尔把问题搞清楚了之后,第二个重心是要在英特尔平台上做最大的优化,尤其是很多时候用户的问题,从端到端,中间的每个组件都要做一些英特尔平台的优化。比如像SSD、新的存储技术这些都可以做到英特尔平台上的优化。
在物联网用与大数据方面,顾典表示,通过和企业用户、行业用户的一些探讨,包括第三方的咨询,英特尔看到物联网的发展还是碰到了一些技术上的瓶颈。如果说以互联设备的增长量来说,从目前的150亿台设备增加到将来的500亿台设备。怎么样把这些设备实现互联,然后在规模部署上突破碎片化一些瓶颈,这是物联网事业部目前关注的地方。
尽管从谈话中我们了解到大数据分析目前还有很长一段路要走,但是我们也能够从几个被访者谈话中了解到大数据的魅力所在,以及英特尔在大数据分析方面所做的努力。对于大数据,英特尔一直走在发展对饿前列,当大多数人在考虑第N个阶段的时候,开始考虑N+1个阶段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27