洛杉矶大数据和人工智能论坛圆满结束

<美国加州洛杉矶报道>  当地时间2017年11月5日,美国华裔教授学者协会2017年年会在美国洛杉矶圣盖博希尔顿酒店举行。当天下午的科技论坛座无虚席,尤其是大数据和人工智能讲座。 大数据和人工智能讲座由三位本协会的博士主讲,章华博士主持。讲座就当前最热门的科技话题-“大数据和人工智能“展开了讨论。 来自IBM公司的首席数据科学家刘永川博士首先就“大数据和人工智能”在科研领域的应用进行了全面的分析。刘博士对IBM公司数据分析过程和整合平台的方案加以阐述。刘博士指出大数据分析少不了智能协助。在人工智能(AI)时代来临的大背景下,不少人担心未来会有非常多的职业消失,势必会导致一定的社会失业率。对此,刘永川博士认为:“有一些职业确实会消失,更多的行业并不会消失,如果希望维持自己的工作能力,那么就必须要了解和学习大数据以及人工智能领域的知识,加以应用。 关于大数据以及人工智能应用,加州州立大学客座教授章华博士为现场的听众详细讲解了自己研究课题——大数据及人工智能在预测美国大学生辍学率的应用。章博士指出:“2008年入学的美国大学生中有30%以上在六年内辍学; 兼职学生辍学率(68.5%)高于全日制学生(19.6%);营利性学校的辍学率(49.9%)高于公立(22.7%)或非营利(17.2%)学校。”  章博士进一步指出,“美国是发达国家中大学生辍学率最高的国家。预测和干预美国大学辍学率无论对于大学本身,还是对于美国地方及联邦政府来说,都是一件非常重要并具有现实意义的事情。”“大数据和人工智能可以帮助我们解决这一棘手问题。”章博士举了华盛顿大学(Washington University)的例子,讲述了华大通过大数据分析提前对于入学学生可能发生的辍学状况进行预测和干预,成功降低了学校本科生的辍学率。 加州州立大学客座教授曹细武博士做了“人工智能:卷积神经网络在计算机视觉中的应用”的报告,形象地介绍了人工智能领域目前最热门的理论和模型:“卷积神经网络“,受到学生和专业人士的好评和关注。 从左至右,章华博士,曹细武博士,刘永川博士。 刘永川博士在演讲报告中

互联网经济第五支柱正在迅速成型

这风云突变的两年,对于国内直播行业来说,有着太多的惊喜和意外。2016年,舆论将其称之为“直播元年”;而进入2017年,整个市场又迎来了监管和洗牌,被称为大浪淘沙的一年。   在洗牌之后,这个行业开始真正显出身价?   提出这个问题,源自业界对于国内互联网经济发展现状和趋势的探讨。无论是从行业实例还是相关数据看,这个话题都已经越来越引发更多人的兴趣。我们不妨先把艾瑞咨询前不久发布的《2017年中国网络经济年度报告》作为一个引子,看看网络经济今年在移动互联网+大数据时代所发生的巨大变化。 从报告显示出的结果来看,可以简单归纳为“一大”、“一超越”、“三领先”。 “一大”指的是中国网络经济营收规模大:2016年度达到14707亿元,而且同比还增长了28.5%;“一超越”指的是移动网络经济营收规模为7907.4亿元,并且全面超过了PC端;“三领先”,则分别是指电商、广告和游戏这三大主要支柱。 如果将14707亿元总量看作是一张大饼,那么电商在其中的占比最高,营收规模为8946.2亿元,占比超过60%;而网络广告营收规模次之,占比接近20%;之后是网络游戏,占比为12.2%。三项领先的指标,加在一起大约占据了这张大饼的93%。 在这张大饼中,其余的部分主要是互联网金融领域(第三方支付)等,约为7%。不过,目前的舆论话题,正是聚焦在这其余的7%(约1030亿元左右)上面。 报告显示,移动网络用户和视频类业务的增速呈现出明显提升。伴随这一趋势,在2016年发展壮大,并且在2017年逐渐进入成熟期的直播领域,正在成为新的变量。 再来看一组数字:据中国互联网信息中心5月份发布的数据显示,国内直播用户已经达到3.25亿人;而根据机构统计的数据,2016年直播市场规模达208.3亿元,同比增长180.1%,其中来自于用户付费的营收规模占比超90%;还有机构估算,2017年直播行业市场规模或将达到340亿元。目前业内普遍的预测是,直播市场到2020年总产值将超过一千亿元人民币规模。 可以说,在电商、广告、游戏和互金之后,直播模式的爆发正在成为一种新的势能。 2017年直播进入了理性增长期,这种理性的增长,反而会让真金白银开始沉淀,并在夯实基础后迎来新一轮的爆发。   爆发的核心,会呈现在直播行业未来变现增长的趋势上。 变现形式的单一,是许多创业者心头之痛。即使是对于美图、ofo等有着天文数字般用户量的公司而言,也是如此。 而用广告变现,需要的不仅是用户数量,更需要占有用户时间,在微信和腾讯已然霸占几乎1/4用户总时长的市场里,广告变现的马太效应使得创业者的天花板变得更低。 另外,阿里线上线下新零售战略和京东的商业基础设施战略,让“城墙”高建,零售公司的独角兽之路已经接近封死。游戏公司爆款难寻,爆款以外又躲不开腾讯在上下游构建的“超级帝国”,剩下的变现模式只剩下了目前正被严厉监管的互联网金融。   直播市场的前景会是怎样?   之前,宣亚收购第一直播平台映客,被称为直播行业的分水岭。当时业界对此有很多的分析和判断,多数是怀疑映客的变现和赢利能力。 9月4日,宣亚发公告,拟以28.95亿元的价格收购映客48.25%的股权。随着收购公告的发布,映客的财务数据也首次对外披露,着实让人一惊。 报告书显示,映客业绩近两年增长迅速,2016年实现营业收入43.38亿元,净利润达到4.8亿元;2017年一季度实现营业收入10.35亿元,净利润2.44亿元。 映客目前在商业上最大的成功,不是一家企业的成功,而是给所有人杀出了一条血路——映客的惊人变现能力告诉业界,除了卖货,卖广告,卖游戏卖会员,中国互联网变现还有一条全新的道路:用户主动付费的体验经济。 回看过去这一年多的时间:360借道花椒,微博押注一直播,腾讯买遍了游戏直播平台,但此前第三方数据显示,独立发展的映客,依然占据着很大的市场红利。 分享一个有趣的现象:今年以来互联网行业拥有直播业务的上市公司,都出现了大幅业绩增长,甚至是拉升了整体业绩的爆发。这其中,包含陌陌、YY以及微博。 去年下半年涉足直播业务之后,陌陌可谓重获新生,交出了一份令华尔街惊喜的财报,让这家公司重回风口浪尖。从其财报数据来看,去年四个季度,直播营收在陌陌整体营收占比分别为30.65%、58.48%、69.17%、79.15%,直播,已经成为其绝对收入来源。 曾经以游戏语音助手著称的YY,凭借着PC时代的秀场直播,依然在直播上赚得盆满钵满。去年第4季度,YY直播收入为22.182亿元,而当季净营收24.84亿元。   直播,将会成为互联网经济的重要支柱。 在8月初一份调研数据显示,映客、花椒、一直播、美拍和来疯这五家主要直播平台,在2017年上半年合计流水高达42.373亿。报告分析,按照正常增长趋势,五家公司全年流水超百亿不是问题。 今年上半年,直播行业呈现社交化、综艺化等多元化趋势。不过,无论是直播如何在形式上、维度上、模式上变化,未来的竞争核心都是内容。很多人都意识到,社交和内容不是对立的,社交是直播发展的生命力,而内容则是精耕细作与多元化拓展趋势后,保障平台发展的核心竞争力。 一个稳健发展的市场,只有通过用户、数据和生态的完美融合,才能在电商、广告、游戏和互联网金融之外,创造出互联网经济发展的第五个支柱。   直播市场正在质变,第五极正在迅速成型。 在直播逐渐成为互联网一大支柱的新格局下,直播+到底该怎么玩? 对于未来直播市场多元化的发展方向,映客创始人奉佑生曾经提出过这样的观点:第一个方向是社交立体化,更具社交功能的产品会持续获得关注;第二个是内容多元化;第三个是垂直细分化。 而近日,奉佑生面对媒体再次针对直播的发展提出了新观点。 首先,他对未来直播平台的社交化趋势做出了时间判断,“尚处于萌芽阶段的视频社交,在未来一两年内会越发占据主流,进入大规模的普及状态。” 奉佑生同时指出,“颠覆一定是通过视频可见,是从00后的人群开始切入,这里才是颠覆大规模社交的点。” 谈到理想化的视频+社交化形态,奉佑生强调,“真正平等性的社交关系需要100%的参与,映客还谈不上真正的社交关系网,真正平等的是每个人参与表演。” 通过这些观点来看,未来这些趋势让业界兴奋的地方还在于,直播行业的发展,或许为互联网经济带来的变化不仅仅是量变。 的确,互联网经济的核心就是用户、数据和生态。我们可以将直播行业在用户、数据和生态上新的融合形式,称为互联网经济的2.0时代。 直播行业未来将会引领着无数用户向平台化转变:1.0时代“商品”是由平台(或者平台背后的生产企业)提供的,因而我们看到了电商、广告、游戏等等元素;而在2.0时代,越来越多的商品是由用户自己创造的。未来的直播平台将为每一个“平凡”的人提供更多公平的机会,让所有人都成为内容创造者和使用者。 从这个角度来看,现在直播行业的进化,仍会有更多的令人激动的可能。质变,即将发生。

专家解析云部署时应避免的20个错误

云部署方面有许许多多的错误,可能会让你犹豫不决,甚至不敢考虑向云迁移。别犯这个毛病。 CMI公司的解决方案副总裁Tim Cuny说:“大多数企业所犯的最大的一个部署错误就是一味等待。” 弗雷斯特研究公司的资深分析师Lauren Nelson说:“想为成功作好准备,就要确定部署项目的目标和范围。” 如果你在部署云方面有经验,而且在人们应该避免的错误方面有更多建议,欢迎留言交流。要是我们都能从别人的错误当中汲取教训,就能提高云部署的总体成功率。 通常来说,云部署情况不太好。 据THINKstrategies和INetU就企业迁移到云开展的一项联合调查显示,70%的调查对象承认,自己在迁移过程中不得不改变云设计。一半以上在头六个月内进行了调整,43%的云项目以失败告终或停滞不前,近一半在6个月内需要增加预算。 没有人经常及早为可能出现的问题作好规划。为了搞清楚我们如何能够提高成功率,CIO.com询问了多位专家:“云部署过程中最常见的错误有哪些?” 下面是这些专家给出的回答和建议。 1. 以为迁移很容易 Tabush Group的创始人兼负责人Morris Tabush说:“最大的错误就是,以为云服务就是简单的、一切就绪的成套解决方案。就因为众多的云服务有‘自己动手’的注册过程,可能不需要特殊硬件,这并不意味着它们就是一切就绪的成套解决方案。” 一不小心,就会掉入“迁移会很容易”这个陷阱。 Zensar科技公司的助理副总裁兼云专家David Eichorn补充说:“企业可能以为,在内部数据中心顺畅运行的标准应用(比如电子邮件)在云端也会同样顺畅地运行。” 实际上,“根本就没有什么神奇的办法可以将你的资产迁移到云,”RKON科技公司的解决方案架构主管Christopher DeMichael说。“云迁移就是数据中心迁移,它带来了通常伴随数据中心迁移的种种复杂性。” Eichorn建议在进行任何迁移之前,先在目标基础设施环境中进行测试。而DeMichael建议要改变观念。如果你将云部署当作数据中心迁移――谁也不轻视数据中心迁移,那么你成功的几率就要大得多。 2. 没获得帮助就向云迁移 Broadview网络公司的首席运营官Brian Crotty说:“迁移到云不一定是个痛苦的过程,但要是事先没有考虑好、没有第三方帮助,可能会很痛苦。” THINKstrategies公司的执行董事Jeff Kaplan说:“太多的企业组织依赖内部缺乏经验的员工。它们没有认识到向云迁移其实需要外部人员的帮助。” Virtustream公司的联合创始人兼解决方案架构高级副总裁Sean Jennings说:“云采用常常是个财务决策,迁移成本被认为是阻碍实现既定的成本节省目标的因素。因而,许多企业在迁移方面抄捷径,把尽可能多的事情 推给云服务提供商,认为提供商具有必要的专业知识。提供商错在有时使过程过于简单化,‘奉送’千篇一律的迁移服务,对相应的应用程序知之甚少。这常常导致 客户大为沮丧,可能会成为影响客户满意度的问题。经验丰富的迁移专家却非常了解你的应用程序,花钱雇他们是值得的。” 3. 试图完成“孤注一掷”的部署 Mimecast公司的网络安全专家Orlando Scott-Cowley提醒:“向云迁移时所犯的最大错误可能是,试图宣告IT部门破产,孤注一掷,把赌注全押在云上。最好你应该考虑‘逐步过渡到云’。” MRK科技营销服务公司的负责人Michael Krieger也表示:“现有的基础设施和数据库未必需要大刀阔斧的叉车式升级。许多公司之所以取得了成功,就在于从aPaaS(应用程序平台即服务)或 iPaaS(基础设施平台即服务)战略入手,旨在缓解某个特定的开发或整合问题。” 4. 以为云会解决自己的IT问题 KEMP科技公司的技术产品营销主管Jason Dover说:“企业组织常常错误地推测,云部署模式本身就可以解决一大部分的IT组织挑战,包括很高的资本开支、资源浪费以及产品迟迟不能推向市场。事 实上,要是IT管理方面缺少一项合理的总体战略,引入云只会增添复杂性和意外成本。要是没有适当地考虑合规、安全、性能,也没有分析现有的应用程序,这些 好处不可能会像高层管理人员通常希望的那样迅速变为现实。为了避免这种情况,先要分析整个企业的业务部门在如何使用现有的基础设施、它们的主要需求以及现 有应用程序的自然迁移路径。” 5. 把云部署完全当成是虚拟化的延伸 ActiveState公司的战略副总裁Bernard Golden说:“人们在云部署方面会犯的最大错误就是,想当然地以为云就是虚拟化的一种延伸,而不是全然不同的基础设施自动化模式,这种模式本身就有虚 拟化机制,作为其中一个软件层。犯这个错误的企业通常试图将现有的工具和手动过程与云编排环境结合使用。它们通常遇到的情况是,略有改进的虚拟化环境无力 满足用户的期望和需求,导致利用率低下,用户加大与公有云环境的直接联系。” 6. 任由偏重技术的视角主导云采用战略 Orange Business

云计算产业发展前景预测与投资战略规划分析

中国云计算产业发展前景预测与投资战略规划分析 来源:经济学人 微软Build2016大会已经召开,除了跨平台操作系统Windows 10备受关注外,云计算也成了大会的“重头戏”。事实上,早前微软就曾向外界展示出“云计算第一,Windows第二”的态度,用全年收益不菲的Windows业务给新兴技术云计算作配角,足以可见微软对云计算的重视。   除了微软之外,亚马逊、谷歌,以及国内的阿里巴巴、华为等科技公司近年也在云计算领域动作频繁。受益于物联网技术不断落地,云计算产业正酝酿爆发。 产业规模将破3000亿美元 五股势力瓜分市场 云计算是通过网络统一组织和灵活调用软件、运行平台、计算与存储等各种ICT资源,实现大规模计算的信息处理方式,具备超大规模、虚拟化、通用性、高可靠性、高扩展性等特点。 云计算将计算分布到大量的分布式计算机上,而不是传统服务器中,可以用更低的成本维护政府与企业IT运营,提升服务效率和后台的稳定性,因而备受重视,世界各国政府都提出了云计算发展战略或行动计划。 2015年全球云计算产业规模为1750亿美元,预计到2019年云计算产业规模可突破3000亿美元大关,达3150亿美元,云计算已经从概念落地进入到一个快速发展的阶段。 全球共有五股势力正在瓜分云计算市场,并将在未来推动云计算快速发展,分别是先入者、跟进者、黑马、创业者与传统IT企业。 其中先入者以亚马逊和阿里云为代表,它们对云计算市场培育做出了巨大贡献,也有雄厚的人才资源、丰富的细分产品和庞大的数据中心。尤其是亚马逊AWS在全球云计算市场中占比超过50%,是当之无愧的“老大”。 跟进者以微软、谷歌、腾讯与百度等为代表,这类公司技术能力与资源不输亚马逊与阿里云,目前正以巨资成立庞大数据中心追赶。 黑马公司以Facebook和网易为代表,它们在云计算的技术核架构上已经成熟,在刚起步的云计算市场中有极大发展潜力。 创业者以Saleforce、青云等为代表,这类企业虽然在数据中心和技术上与行业大佬相比有劣势,但它们有口碑,且受资本青睐,因此前景看好。 传统IT企业如IBM、甲骨文以及盛大云等对云计算虎视眈眈,不过由于反应慢、起步晚,现在在市场处于被动。 五股势力中,亚马逊、微软与谷歌是云计算发展最好的三家公司,2015年亚马逊AWS云计算销售额为79亿美元,微软拿下11亿美元,谷歌云平台则拿下不到5亿美元市场。 政策力挺 国内云计算产业格局基本稳定 在《国务院关于促进云计算创新发展培育信息产业新业态的意见》、《关于积极推进“互联网+”行动的指导意见》、《云计算综合标准化体系建设指南》等利好政策作用下,近年我国云计算产业得以迅速发展,产业已经走过培育与成长阶段,现已进入成熟发展期,产业格局基本稳定。 企业方面,国内云计算产业各领域主要领先厂商众多,在IT基础设施与系统集成服务,有浪潮信息、华胜天成、浙大网新和华东电脑等;在IaaS运营维护方面,有中国电信、中国联通、中国移动、百度和世纪互联等;PaaS云平台,有八百客、阿里云、华为和华胜天成等;SaaS云应用软件,有八百客、阿里软件、三五互联、拥有软件、焦点科技和东软集团等。 中国云计算产业各领域主要领先厂商 资料来源:前瞻产业研究院整理 行业区域分布情况来看,超过20个城市将云计算作为重点发展产业,中国云计算基础设施集群化分布的特征突显,已初步形成以环渤海、长三角、珠三角为核心,成渝、东北等重点区域快速发展的基本竞争格局。 国内的云计算应用主要是企业计算市场,这里面又分为大企业客户和中小企业客户。大企业客户目前的主要业务是对已有服务器系统的升级,如IBM给中化集团实施的云计算平台,属于企业私有云的建设中小企业客户则主要是寻求IaaS、PaaS和SaaS服务,其主要目的是节省成本。 市场格局上,大企业的IaaS市场主要由IBM、HP等主导,一些系统集成商也涉足其中,如瘦客户机产品及解决方案提供商——福建升腾资讯有限公司与IT服务提供商神州数码战略合作签约开辟云计算领域;中小企业的IaaS市场主要由原来涉足IDC和CDN的厂商主导,如世纪互联。 2000亿元市场 云计算未来迎三大发展机遇 前瞻产业研究院提供的《2016-2021年中国云计算产业发展前景预测与投资战略规划分析报告》指出, 2012到2015年,我国云计算市场从482亿元上升至1315.8亿元,保持了高速增长态势,年均复合增长率高达61.5%。按照2015年前11个月云计算发展趋势预测,2015全年云计算市场可突破2000亿元大关,达2030亿元,同比增长54.3%。 在政策力挺、市场需求不断提升的大环境下,云计算未来仍可持续保持高速增长。但与发达国家相比,我国云计算市场还未出现“大佬”公司,市场规模也有待提高,未来仍旧需要努力追赶。相关公司需要把握好以下云计算发展趋势,并抓住机遇发展。 首先,垂直领域融合加深将带动云计算市场迅猛发展。相较于美国等发达国家,我国云计算市场规模仍较小,云计算应用领域及渗透深度有很大的空间。云计算服务商不断加深与各垂直领域的融合,将开拓更大的云计算服务空间。 其次,抓住智慧城市与智慧工业发展契机。作为云计算应用的重要领域,智慧城市与智慧工业概念兴起,将使得云计算大有可为,值得企业发力。 最后,云时代信息安全重要性日益凸显。随着云计算和移动互联网的普及,越来越多的业务在云端开展,越来越多的数据在云端存储,用户数据泄露或丢失是云计算信息安全面临的巨大的安全风险。因此,基于云服务的安全防护难度工作虽然加大,但这一领域的商业价值也将愈发凸显。

中国云计算产业的五大贡献和四大趋势

【通信产业网讯】(记者 李秀远) 5月18日,在第八届中国云计算大会上,工业和信息化部信息化和软件服务业司司长谢少峰,围绕国内云计算产业的现状、未来发展趋势阐述了自己的看法。   五大贡献 云计算在服务我国经济上的五大贡献: 其一,催生新的经济增长点。据统计,2015年我国云计算产业的规模接近1500亿元,增收超过30%,是全球增速最快的市场之一。其中,公有云增速达到47%,私有云增速达到26%,产业结构不断优化。公有云服务的三个类别来看,SISS市场规模最大,未来几年市场份额将进一步扩大,逐步形成了从基础软硬件到咨询建设迁移交付运维等全流程的产业链。云计算的快速发展,带动了上下游产业的迅猛发展,成为新的经济增长点,形成了产业发展的新业态、新模式。 其二,关键技术研发取得突破。云计算的能力建设取得显著的进展,部分关键指标达到了国际先进水平。目前我国云计算领军企业的单机服务器规模达到了过万台,数据处理能够达到1BG,支撑金融支付服务等业务的峰值达到世界领先水平。云计算的系统解决方案取得积极进展,针对不同业务场景形成多套云计算解决方案,并在政府、政务、交通医疗等领域取得广泛的应用,面对云计算服务器的微模块数据中心配套元件取得重大的突破。数据中心绿色节能方面同样取得了积极的突破,部分国内新建的大型数据中心,综合利用各类节能技术,降低数据中心的耗能,提高能源的利用率。在云计算主流开元社区中我国的企业深度参与,贡献度不断增加,在SO、ITO等等组织中,我国在云计算相关的国际标准制定工作中也发挥着越来越重要的作用。 其三,行业应用广泛深入,带动产业升级作用明显。云计算在各领域广泛应用,通过行业与互联网深度的融合,有力助推“互联网+”行动的实施,成为互联网基础设施。目前我国大部分网站移动应用视频服务、游戏服务和电子商务的后台,均架设在云平台上,运用服务性能和质量得到了有力的保障。浙江、贵州、山西等多个省份利用云计算搭建公共服务平台,助推传统产业加速转型发展,北京等16个省市积极开展公有云创新服务试点,探索创新的新模式,目前注册用户超过130多万户,企业超过1600万多家,升级步伐不断加快。 其四,大幅度降低创新创业门槛,为大众创业万众创新提供基础平台。目前,云计算已经成为我国双创的重要技术平台,大量的新应用、新业态、新模式的开发团队,带动就业明显,社会效益和经济效益显著。目前众多小微企业通过云计算服务节省成本40%,骨干企业在开放平台以及支持数以百万计开发者创新创业。云计算的发展也催生了分享经济的新兴经济的新模式,带动了广大企业和个人分享资源、创造多元化的增殖业务。 其五,大数据紧密融合,数据服务成为云计算企业的重要发展方向。随着数据规模的快速增长和大数据应用的增多,云计算提供大数据的存储、管理和应用服务,已成为企业重要的发展方向。公有云领域的领军企业,强大的云平台,抓紧布局。大数据领域,一方面纷纷推出大数据产品和服务,积极拓展大数据的业务。另一方面,不断通过并购投资等手段加快提升服务能力,众多初创企也面向不同的行业,提供多种多样的大数据服务。目前政府管理、公共服务、商业分析、企业管理等领域就云计算大数据应用成功案例日益增多。推动云计算商业模式和服务模式的不断创新。 谢少峰强调,虽然我国云计算取得了快速的发展,但是仍然面临着发展中的诸多问题和挑战。首先,云计算服务的市场需求尚未完全释放。行业用户对公有云着一定的顾虑,政务、金融等重大行业采购公有云服务的还面临着政策、标准等障碍。其次,产业规模小,技术产品服务仍需提高。我国在全球云计算市场份额占比不到5%,从服务能力来看我国云计算企业的规模普遍较小,提供的服务和种类有限,国内云计算产业总体能力与国际水平相比还有一定差距。部分关键行业尚没有形成成熟的解决方案,产业的供给能力有待提升。最后,促进云计算发展的生态系统有待完善。我国云计算标准体系和认证测评体系不完备,个人隐私数据保护法律法规有待健全,市场监管方式尚需改进,产业联盟以及行业组织在我国发展还不充分,技术、应用、产业、安全协调发展,良性互动的产业生态体系尚需健全。   四大趋势 云计算产业的发展有四大趋势: 第一,当前云计算已从技术导入阶段,进入到产业蓬勃发展、应用迅速普及阶段。未来一段时间我国云计算还将继续呈现出技术创新和应用推广发展的良好态势,云计算产业发展面临着更大的市场机遇。一方面,随着《中国制造2025》和“互联网+”行动的不断推进,各行业迫切需要通过云计算系统助推行业转型升级发展;另外一方面,云计算产业发展不断成熟,成功案例不断出现,也使得用户对云计算的认知和采用度不断提高。 第二,开元技术推动云计算开源云的变革。开源云技术对云计算技术演变产生了巨大的影响,目前越来越多的云服务企业开始使用开源云平台,并积极参与开源云社区的建设。 第三,混合云将成为云服务业态的重要方向。混合云模式已将公有云和私有云的优点融为一体,众多大型企业在信息化的建设过程中需要实现在私有云和公有云之间的高效对接和无缝切换,这为混合云架构的发展带来了巨大空间。 第四,大数据战略的实施,推动云计算快速的发展。一方面,云计算是大数据的基础,大数据的处理需要云计算提供计算存储、网络资源的支撑;另外一方面,大数据价值和规律能够推动云计算和行业应用结合并发挥更大的作用,未来积极推动云计算与大数据的深度融合,积极探索应用模式和商业模式的创新成为趋势。

全球首个股权投资机器人面世 相当于有3~4年经验的投资经理

2016-04-17 大数据实验室 近日,首个股权投资机器人在北京亮相。因果树联合创始人滕放表示,投资机器人的投资水平相当于有3~4年投资经验的投资经理。 对于因果树投资机器人如何对股权市场进行投资分析,因果树创始人马超表示:首先,机器人会抓取全网13万+互联网公司的信息,建立关于互联网企业投融资信息的完备数据库;第二,机器人会每日跟踪并分析全网项目动态,记录企业成长轨迹;第三,机器人会对项目分析建模,具体为机器人使用标签云来分析项目的商业模式,并对项目进行归类,然后根据行业热度、机构热度、项目本身情况进行建模,对项目进行综合评分;第四,机器人通过模型运算,最终推选出近期最具有潜力的 企业。在这个过程中,投资机器人加大了信息半径,通过对所有过往项目的回归训练来进行投资建模。 此外,投资机器人具备情感逻辑能力,对优劣信息会加以处理。马超表示,互联网的特点就像水一样,一定是流动、透明、利他、共享的。因果树投资机器人的目标就是要建立流动的数据流,让行业信息更对称、更透明。 滕放称,投资机器人1分钟的工作量相当于一个成熟分析师40小时的工作量。在认知程度上,因果树投资机器人的水平相当于有3~4年投资经验的投资经理的水平。 滕放认为,人工智能投资的根本是为了让股权流通更高效。目前,人工智能投资仍处在起步阶段,在技术、模型上还有很大进步空间,但是人工智能在金融领域的运用,必将能够打破传统加法增长的规律,重构整个一级股权领域的生态,实现指数级别的增长。 对于股权投资机器人的面世,中关村股权投资协会联席会长兼东方基易投资管理公司董事长易基刚表示,中国股权投资的体量还很小。主因是信息不对称、不透明,没有定价标准。投资经理一对一跟踪项目需要非常多的时间和精力。人工智能在股权投资领域的应用提高了整个一级股权市场的效率,让项目价值有了判断依据,让一级股权市场的量化投资成为可能。 来源:证券时报记者 作者:顾哲瑞

人工智能的起源:六十年前,一场会议决定了今天的人机大战

澎湃新闻 尼克2016-03-13  2006年,会议五十年后,当事人重聚达特茅斯。左起:摩尔,麦卡锡,明斯基,赛弗里奇,所罗门诺夫 背景 现在一说起人工智能的起源,公认是1956年的达特茅斯会议。殊不知还有个前戏:1955年,美国西部计算机联合大会(Western Joint Computer Conference)在洛杉矶召开,会中还套了个小会:“学习机讨论会”(Session on Learning Machine)。讨论会的参加者中有两个人参加了第二年的达特茅斯会议,他们是塞弗里奇(Oliver Selfridge)和纽厄尔(Allen Newell),塞弗里奇发表了一篇模式识别的文章,而纽厄尔则探讨了计算机下棋,他们分别代表两派观点。讨论会的主持人是神经网络的鼻祖之一皮茨(Pitts),他最后总结时说:“(一派人)企图模拟神经系统,而纽厄尔则企图模拟心智(mind)……但殊途同归。”皮茨眼可真毒,这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。 开聊达特茅斯会议之前,先说六个最相关的人。首先,会议的召集者麦卡锡(John McCarthy)当时是达特茅斯学院的数学系助理教授。两年前(1954年)达特茅斯数学系同时有四位教授退休,这对达特茅斯这样的小学校真是不可承受之轻。刚上任的年轻系主任克门尼(Kemeny)之前两年才在普林斯顿逻辑学家丘奇(Church)门下得了逻辑学博士,于是跑到母校求援。这么说起来,克门尼算是图灵的师弟,他战时和物理学家费曼一起工作,还一度当过爱因斯坦的数学助理,后来一头扎在计算机里,和麦卡锡一起琢磨出了分时系统,但他最为人知的工作应该是老少咸宜的编程语言BASIC。现在估计已经没人知道BASIC语言发明人曾是LISP语言发明人的老板。克门尼是天生的官僚,后来位居达特茅斯的校长,美国三里岛核电站出事,总统委托他当调查委员会主席,这是后话。克门尼从母校数学系带回了刚毕业的四位博士前往任教,麦卡锡是其中之一。麦卡锡后来发明的LISP语言中最重要功能Eval实际就是丘奇的lambda演算,而且他后半生致力于用数理逻辑把常识形式化,大家由此猜他可能也是丘奇的学生,但其实不是,他压根学的就不是逻辑。他的老师是失去双手的代数拓扑学家所罗门·莱夫谢茨(Lefschetz)。但麦卡锡对逻辑和计算理论一直有强烈兴趣,他1948年刚到普林斯顿读研究生时就认识了冯·诺伊曼,在老冯影响下开始对在计算机上模拟智能发生兴趣。 会议的另一位有影响力的参加者是明斯基。他也是普林斯顿的数学博士,和麦卡锡在读书时就相熟。他的主业也不是逻辑,尽管他后来写过计算理论的书,还培养过好几个计算理论的博士,其中就有图灵奖获得者布鲁姆(Manual Blum)。布鲁姆目前和他老婆(就是实数计算模型BSS的B)、儿子一家三口都在卡内基梅隆大学任教。明斯基的理论情结和丘奇关系也不大,他的老师塔克(Tucker)是莱夫谢茨的学生,主要搞非线性规划和博弈论,多年担任普林斯顿数学系主任,是数学世家,儿子、孙子也都是数学家。所以按辈分论,麦卡锡还是明斯基的师叔。塔克的另一名出色的学生后来得了诺贝尔经济学奖,就是心灵美丽的纳什。纳什比明斯基小一岁,但比他早四年拿到博士,也算是明斯基的师兄。明斯基的博士论文做的是神经网络,他在MIT一百五十周年纪念会议上回忆说是冯·诺伊曼和麦卡洛克启发他做了神经网络。有人还找过他麻烦,质疑说神经网络的研究算数学吗,倒是老冯力挺说:现在不算,但很快就得算。倒是明斯基自己后来和神经网络结下梁子,那段故事见我的《“想啥来啥”和“吃啥补啥”的人工智能之争》(《东方早报·上海书评》2014年9月28日)。 塞弗里奇被后人提及不多,但他真是人工智能学科的先驱,他在MIT时一直和神经网络的开创人之一沃伦·麦卡洛克(Warren McCulloch)一起在维纳手下工作,他是维纳最喜欢的学生,但从没读完博士,维纳《控制论》一书的第一个读者就是塞弗里奇。塞弗里奇是模式识别的奠基人,他也写了第一个可工作的AI程序。他后来在麻省理工参与领导MAC项目,这个项目后一分为二:MIT计算机科学实验室和人工智能实验室,分久必合:现在这俩地方又合并了,变成MIT CSAIL。顺便给女读者添点料:塞弗里奇的爷爷就是英国第二大百货店塞尔福里奇(Selfridges)的创始人,塞尔福里奇百货和隔壁的哈罗德百货支撑着牛津街的零售业,现在大概一半顾客来自中国二线城市。 信息论的创始人克劳德·香农(Claude Shannon)被麦卡锡拉大旗做虎皮也请到会上打酱油。其实麦卡锡和香农的观点并不一致,平日相处也不睦。香农的硕士、博士论文都是讲怎么实现布尔代数,当时MIT校长布什(Bush)亲自指导。博士毕业后他去了普林斯顿高等研究院,曾和数学家外尔(Weyl)、爱因斯坦、哥德尔等共事,战争中,他一直在贝尔实验室做密码学的工作,图灵在1943年曾秘访美国,和同行交流破解德国密码的经验,其间和香农曾有会晤,一起聊过通用图灵机。战后香农去英国还回访过图灵,一起讨论过计算机下棋。香农内向,从没说过这段往事,直到1982年接受一次采访时才提起。1950年香农在《科学美国人》发表过一篇讲计算机下棋的文章。香农比其他几位年长十岁左右,当时已是贝尔实验室的大佬。 纽厄尔 另外两位重量级参与者是纽厄尔和司马贺(Herbert Simon)。纽厄尔是麦卡锡和明斯基的同龄人,他硕士也是在普林斯顿数学系,按说普林斯顿数学系很小,他们应有机会碰面,但那时纽厄尔和他俩还真不认识。他们的第一次见面,纽厄尔回忆是在IBM,而麦卡锡回忆是在兰德公司,纽厄尔硕士导师就是冯·诺伊曼的合作者、博弈论先驱摩根斯顿,纽厄尔硕士毕业就迁往西部加入著名智库兰德公司。在兰德开会时认识了塞弗里奇,并受到塞做的神经网络和模式识别的工作的启发,但方法论却完全走的是另一条路。 司马贺(Herbert Simon) 司马贺比他们仨都大十一岁(怀特海比罗素也大十一岁),那时是卡内基理工学院(卡内基梅隆大学的前身)工业管理系的年轻系主任,他在兰德公司学术休假时认识了纽厄尔。司马贺后来把纽厄尔力邀到卡内基梅隆大学,并给纽厄尔发了个博士学位,开始了他们终生的合作。 纽厄尔和司马贺的合作是平等的,司马是纽的老师,但他们合作的文章署名都是按字母顺序纽在前司马在后,每次他们受邀去演讲,都是轮流。司马每次见到别人把他名字放到纽厄尔之前时都纠正。他们共享了1975年的图灵奖,三年后司马贺再得诺贝尔经济学奖。纽厄尔和司马贺代表了人工智能的另一条路线:符号派,他们后来把他们的哲学思路命名为“物理符号系统假说”。简单地说就是:智能是对符号的操作,最原始的符号对应于物理客体。这个思路和英美的经验主义哲学传统接近。他们和当时的数学系主任、第一届图灵奖获得者阿兰·珀里思(Alan Perlis)一起创立了卡内基梅隆大学的计算机系,CMU从此成为计算机学科的重镇。 达特茅斯会议 会议原址:达特茅斯楼 1953年夏天,麦卡锡和明斯基都在贝尔实验室为香农打工。香农那时的兴趣是图灵机以及是否可用图灵机作为智能活动的理论基础,麦卡锡向香农建议编一本文集,请当时做智能研究的各位大佬贡献文章,这本文集直到1956年才以《自动机研究》(Automata Studies)为名出版,这个书名最后是香农起的,他不想花里胡哨,但麦卡锡认为这没有反映他们的初衷。 文集的作者有两类人,一类是逻辑学家(后来都变成计算理论家了),如丘奇的两位杰出学生马丁·戴维斯和克里尼,后者的名著《元数学导论》国内有逻辑学家莫绍揆先生的译本。明斯基、麦卡锡也都有论文录入,香农本人贡献了一篇讲只有两个内部状态的通用图灵机的文章,文集录入的一篇冯·诺伊曼的论文后来开创了容错计算。文集的另一类作者几乎都是维纳的信徒,如阿什比(Ross Ashby)等,以控制论为基础。麦卡锡素不喜控制论和维纳,既不想把维纳当老大,也不愿和他见面争执,其中原因不详,或许和维纳与麦卡洛克吵翻了有关。麦卡洛克和皮茨两位为维纳《控制论》思想贡献多多的人物,在维纳的自传里压根没被提及。麦卡锡同时又觉得香农太理论,当时他想自立门户,只对用计算机实现智能感兴趣。于是他筹划再搞一次活动。 1955年夏天,麦卡锡到IBM打工(美国教授都是九个月工资,如果没有研究经费,夏天要自己觅食),他的老板是罗切斯特(Nathaniel Rochester),罗切斯特是IBM第一代通用机701的主设计师并对神经网络素有兴趣。他们两人倒是挺对脾气,决定第二年夏天在达特茅斯搞一次活动,他俩遂说动了香农和当时在哈佛做初级研究员(Junior Fellow)的明斯基(哈佛的Fellow还是挺值钱的,历史上人数不多,蒯因、王浩、库恩在变成正式教授之前都做过。乔姆斯基几乎在同时也是哈佛的Fellow)一起给洛克菲勒基金会写了个项目建议书,希望得到资助。美国富豪还是有文化传统,至少知道要资助好东西,值得中国土豪的后代学习,别像他们的父辈即使打着“办大学”的名义还是要骗钱。 麦卡锡给这个第二年的活动起了个当时看来别出心裁的名字:“人工智能夏季研讨会”(Summer Research Project on Artificial Intelligence)。普遍的误解是“人工智能”这个词是麦卡锡想出来的,其实不是。麦老晚年回忆也承认这个词最早是从别人那里听来的,但记不清是谁。后来英国数学家菲利普·伍德华(Woodward)给《新科学家》杂志写信说他是AI一词的始作俑者,麦卡锡最早是听他说的,因为他1956年曾去MIT交流,见过麦卡锡。但麦卡锡的建议书1955年就开始用“人工智能”了,人老了回忆真不靠谱。当事人除了明斯基之外,都已仙逝,这事恐怕要成悬案了。 大家对“人工智能”这个词一开始并没取得完全共识。很多人认为啥事一加“人工”就变味了。纽厄尔和司马贺一直主张用“复杂信息处理”这个词,以至他们发明的语言就叫IPL(Information Processing Language)。他们从某种意义上说偏功能学派,也就是说找到智能的功能不一定非得依靠结构相同或相似。图灵机和递归函数等价,但结构完全不同,所以他们强调“信息处理”。他们俩一开始颇不喜“人工智能”几个字。1958年,在英国国家物理试验室(NPL)召开了“思维过程机器化”(Mechanization of Thought Process)会议,达特茅斯会议的麦卡锡、明斯基、塞弗里奇都参加了,此外还有致力神经网络研究的麦卡洛克,以及英国的控制论代表人物阿什比。两位编程语言的先驱也出席了:巴克斯(Backus)发表了一篇关于他新发明的语言FORTRAN的论文,但他后来一直是函数式语言的倡导者;美国海军女少将格蕾丝·哈泊(Grace Hopper)的文章是讲第一个编译器的,这项工作导致了COBOL语言,中国也有女少将,也是码农。他俩论文的题目里都有Automatic Programming的说法,这在当时就是指高级语言编程,不能和后来人工智能中的自动编程搞混了。这次会上有人再提“人工思维”(Artificial Thinking)的说法。司马贺等人由此也逐渐接受了AI的说法,他晚年还写了本书“人工的科学”,倒是把Artificial这个词更加放大了。 AI历史的方法论 历史研究素有两种方法,基于事件的,基于课题(issue)的。人和事的八卦都属前种。纽厄尔在1981年为一本颇为有料的文集《信息研究》贡献的一篇文章“AI历史的智力课题”走了第二条路线。他的方法也挺有意思。他把AI历史当作斗争史,把历史分为两个阶级、两条路线的斗争,于是历史成了一串儿对立的议题,如模拟vs数字,串行vs并行,取代vs增强,语法vs语义,机械论vs目的论,生物学vs活力论,工程vs科学,符号vs连续,逻辑vs心理等,在每一议题下有进一步可分的子议题,如在逻辑vs心理下又有定理证明vs问题求解等。

谷歌专家:“天网”10年后就可能出现

 李世石又输了。在这场万众瞩目的人机对战中,谷歌旗下DeepMind团队开发的人工智能AlphaGo围棋程序又一次击败了这位韩国的围棋世界冠军,在五局三胜的比赛中连下两城。看起来继国际象棋之后,人类智能在棋牌游戏的最后一块优势阵地也已经不复存在。 就在第二局比赛之前,谷歌一位资深人工智能工程师接受了新浪科技驻美记者的独家专访,就此次比赛以及人工智能的前景发表了他的看法。由于未获允许接受采 访,他不便透露具体身份。需要再次强调的是,此次采访是在旧金山时间周三傍晚进行的,当时他还不知道比赛进程,更不知道李世石会再度告负。 问:此次比赛是人工智能的里程碑吗? 答:这次比赛是人工智能领域的一个重要里程碑事件,因为研究人员已经从事围棋计算机程序研究数十年了。20年前,计算机在国际象棋领域击败了人类 (注:1997年IBM的深蓝击败世界冠军卡斯帕罗夫)。20年后,电脑程序在围棋上也超越了人类。而此前很多研究人员还认为这至少还需要十年时间。围棋 是此前仅存的人类能够击败电脑的完全信息博弈游戏(Perfect Information Game)。 问:谷歌人工智能团队有多少人? 答:实际上,谷歌并没有一个叫做人工智能团队的部门。谷歌目前有两个主要团队负责深度学习的研究工作,包括谷歌大脑(Google Brain)以及这次参赛的DeepMind。AlphaGo项目是主要由伦敦的DeepMind团队负责的。我不能透露具体信息。Facebook现在也有一些研究人员在从事同样的项目。 问:我们是否可以说李世石的对手不只是AlphaGo,而是整个谷歌人工智能的实力? 答:不是这样,此次李世石的对手是DeepMind的AlphaGo团队。AlphaGo是为围棋比赛开发的,而谷歌的其他机器学习团队都在使用不同的技术,从事不同的项目。 问:此次比赛过程中,谷歌总部团队为AlphaGo提供了怎样的支持? 答:只是确保AlphaGo与谷歌的服务器连接顺利。前方也担心比赛过程中互联网连接出现问题,所以准备了备选方案。 问:那你们怎么看待第一场比赛的胜利?这是意料之中还是意料之外的? 答:自从去年12月比赛以来,AlphaGo的能力已经得到了明显的提升,我们对此次比赛的胜利是基本预料之内的。我们很多人都认为AlphaGo会赢得比赛,很高兴看到这一切正在变成现实。 问:你们预计未来几局战局如何? 答:AlphaGo很大可能会五局全胜。 问:中国世界冠军柯洁表示,即便AlphaGo可以战胜李世石,也无法战胜他。 答:我不懂围棋,不知道他是谁。即便他是当今围棋的第一人,即便现在AlphaGo不是柯洁的对手,也只需要三个月时间就完全可以击败他。 问:那么人工智能何时可以达到撰写小说的程度? 答:这很难说,我估计10年之内可以实现。 问:围棋被认为是人类棋牌游戏的智能巅峰。这次AlphaGo取胜是否意味着人工智能已经超越人类智能? 答:不是这样,人类智能包括很多方面。棋牌游戏只是其中很小的一部分能力。举例来说,目前人工智能依然无法在多玩家同时对战的德州扑克游戏中稳操胜券,也无法在股市这样的无法获知玩家信息的游戏中取胜。他们也无法做到品尝食物这样的人类基本能力。 问:那么人工智能还需要多久才能对人类智能占据明显优势? 答:在ImageNet计算机视觉识别挑战赛,人工智能已经在图像分类(物体识别)上接近了人类,这其中的挑战只是从一张图像中分析1000种可能性来 判断物体。我觉得未来10到15年,人工智能可以接近人类级别的一般智能水平。要实现这个目标,自然语言是需要克服的一大障碍。 问:那么人工智能的下一个里程碑是什么? 答:正如我此前所说,下一个里程碑就是自然语言理解,包括更好的理解书写文字以及搜索查询的问题。 问:伊隆·马斯克(Elon Musk)担忧未来人工智能可能会无意被用于邪恶,甚至毁灭人类。你怎么看待这种天网存在的可能性? 答:我认为随着强人工智能(AGI)时代的到来,这是可能的。但目前人工智能的能力还太有限,距离这个可能性还太远。我估计,再过10年这个问题会成为可能。(注:天网Skynet是电影《终结者》中的人工智能系统,拥有自我意识之后开始毁灭人类) 问:机器到时候会拥有自我意识吗? 答:目前人工智能依然处在非常早期的阶段,没人知道未来某天机器是否会具备自我意识的能力,乃至更加不可预测的后果。从理论上来说,马斯克的担忧是完全可能的。而这就是马斯克做OpenAI的目的,制定人工智能的道德准则,确保未来人工智能不会被误用于邪恶的目的。 问:那你怎么看待马斯克创办的OpenAI机构? 答:我认为保持人工智能研究的开放性和向大众开放是有意义的。他们拥有很多非常杰出的研究人员,包括此前谷歌大脑的一些成员。我很期待看到他们在未来会有怎样研究的成果。 问:如果有一天真的出现可怕的后果怎么办? 答:我希望到时候自己的大脑已经融入电脑,人和电脑合为一体。 问:你的身体呢? 答:(笑)储存起来,需要的时候再用好了。开个玩笑。

雲計算讓人享受現在,大數據幫人預測未來

2015年12月6日举办了云计算和大数据科技讲座 近幾年媒體一直在喊雲計算時代來了,大數據時代來了。雲、雲端、雲計算、大數據,這些名詞到底是什麼意思?讀完本文,您應該會有一個更清晰的認知,意識到我們的工作生活已經和雲計算與大數據緊密的聯繫在一起。 歷史回顧:發明家愛迪生落敗於交流電網 雲計算被業界人士廣泛認為是第四次信息技術革命,如果您還沒有意識到這句話的份量,不妨重溫一下第二次技術革命即電力革命中輸電方式之爭,可一見端倪。 愛迪生先後發明了電燈泡、電流表、發電機等,構建了一套完整的供電系統,並採用直流電輸送。在當時和之後相當長時間內,沒有技術支持直流電實現長距離輸送,雖然交流電可以解決遠距離輸電問題,但愛迪生固守直流電,並鼓勵每個社區自己發電,於是分散的小型電廠遍地開花。 不用再多講,您也已經知道結果,因為現在只要有個與電網相連的電插頭,電力供應就完全搞定,早已不需要自己購置發電機發電了,而且用多少電付多少錢,省錢省心。在這一點上,生活從此變得簡單。這其中主要是交流電的功勞。 雲端服務好比公共設施 公共設施的存在就是為民提供生活便利,打開電閘就來電,打開水龍頭就有水,開通電話戶頭就可以通話,用戶不再關心這背後的硬體、軟體如何工作。雲端服務和這些公共設施一樣,是同一模式,所以雲端又被稱為公用計算(utility computing)。 不論是什麼型號的電腦,在雲端出現前,都要自己或請人在這臺機器上安裝各類軟體程序,如辦公、殺毒、遊戲、視頻播放、圖像設計、財務軟件或ERP管理系統等。這些軟件和系統還要不斷的更新,企業更需要僱用專業的IT技術人員維護系統。有了雲端,這些都不需要了。   未來電腦採購將有大變化 位 於南加喜瑞都市的美國智泰科技公司是雲端軟體供應商之一。總裁章華博士(Peter H. Zhang)表示,除了所有的數據都可存在雲端外,現在的趨勢是,所有的軟件,不管是簡單的還是複雜的,都在往雲端上搬。他認為,這將極大影響未來的電腦 與軟體購置。他說:「將來的計算機,不需要再買配置豪華(fancy)的計算機,可能只需要買一個很簡單的網絡計算機,只要跟網絡相連接,你就可以幹很多 事情。所以,可以省你很多錢。」 加州州立大學富樂頓分校計算機科學系教授陳君儀博士(Chun-I Philip Chen)表示,雲端服務除了可以幫用戶節省電腦軟體購買費用,還可以為企業節省大量人力和IT維護成本。 雲技術為生活增添便利和樂趣 除了省錢省事,雲技術還為生活帶來更多便利和樂趣。章華博士舉例說,使用平板電腦、智能手機、社交網站聊天、發圖片、Youtube 傳視頻、Gmail網絡信箱、出租車叫車app等等,這些服務都需要雲計算、雲存儲作支撐,只是用戶不一定意識到而已。   南 加州中華科工學會理事、中華電腦學會前會長陳中(Joseph Chen)則舉了一個用螺旋槳小飛機拍照的例子。用手機控制空中的小飛機照相,不僅看上去很酷,關鍵技術也是用雲計算。他解釋說,使用者利用手機發出信息 指令給雲端服務器,雲端通過計算之後,再把具體的飛行操作指令發送給無人小飛機,這個小飛機就可以幫人攝影或偵測。這種電子設備之間互聯的方式又被稱為物 聯網(Internet of Things),是雲端技術的具體應用。 通過手機操控無人小飛機攝影(Parrot.com) 網速不會是瓶頸 為方便理解,章華表示,用戶可以把雲端想像成一個有超強運算和存儲能力的計算機,它是一個虛擬概念,但又有物理實體,通常是由上百萬部主機連在一起構成。如此,數據存儲、軟件程序、分析計算都在雲端服務器完成,這樣一來,用戶可能會擔心速度是否有延遲。 網 絡速度的確對雲端與終端間的數據傳送至關重要,但現在網絡的發展特別是光纖電纜的傳輸速度相當快。章華預計在不久的將來,下載一個大的高清度電影,可能只 需十秒鐘。他說:「網絡技術不會是瓶頸問題。隨著網絡技術的發展,你根本感覺不到網速造成的困難,就像用你自己的計算機一樣。」 大數據時代來臨 雲端與大數據互為表裡。用戶在使用雲端服務的同時,特別是使用社交網站、即時通訊、電子郵箱等,每天都在產生著海量的數據。根據IBM在11月的報告,2014年全世界平均每天產生2.3澤字節的數據(1澤=10億TB),大約是2012年的920倍。 陳君儀教授表示,所謂大數據除了數量大、內容多,它和傳統資料庫式的結構數據(structured data)還有根本不同。社交媒體上的音樂、圖片、視頻等資料都是非結構性的(unstructured data),需要借助雲計算等新的技術工具才能進行收集、分析和處理。數據本身沒有實際意義,只有從中分析出有用的知識,數據才變得有價值。 大數據預測應用於市場營銷 為什麼今天大數據在產業界深受重視?因為每一個企業、生意人都希望知道客戶或消費者在想些什麼,對某件產品是否滿意等等。暢所欲言的社交媒體上應該會有這方面的原始信息,可是數據實在是太多,如果要尋找起來就好像大海撈針。現在有了新的技術,大數據有了實際用武之地。 陳君儀以感恩節期間的黑色星期五促銷舉例,現在的商家在選擇促銷產品與時間點時,就已經在參考從社交網站大量資訊中分析得來的情報,可以提前獲知什麼產品最熱門,從而有針對性的備貨和宣傳。 大數據預測結果更精準 大 數據預測和傳統的經驗預測有什麼根本不同?陳君儀表示,大數據的一個好處就是可以很快的預測最近的將來。他說:「過去傳統的市場分析,是根據過去兩年、三 年的數據,那都已經淘汰了。因為客戶、消費群,他們的觀念天天在改變,今年的想法和去年的已經不一樣了。」新的產品能否滿足消費者最新的需求?這是企業無 比關注的問題。 陳君儀舉例說,蘋果公司也不會知道iPhone賣的到底好不好,客戶是否忠實,有什麼批評意見。對產品有不滿的人可能會在網 上討論,發布自己的看法,但不一定反饋到商家那裡。如果商家能夠在第一時間捕捉到這些信息,效果會遠勝於打電話或問卷調查。如果等到用戶退換產品或客戶用 腳投票,出現銷量下降,那時間就更晚了。大數據技術可以幫助企業在第一時間捕捉到消費者的動向。 大數據也可用於競選預測

Skip to toolbar