18日下午七开放云总经理

1、各位朋友，速记时间紧张免有遗漏，还以现场为准，速记参考！七开放云总经理：海量图像、传输、识别、分析和可视化云技术，是云计算大数据跨人工智能等新技术及其领域一个技术。刚才许院长介绍了他们在海量图像云技术领域一些先进成功和应用范例。我觉得各类当前的应用云系统中间要重视，融入海量视频图像云技术，同时在应用云系统的实践中间，反过来一定会进一步推动海量图像技术本身的发展。下面讲演，欢迎。就欢迎的开放云总经理先生，做云上的大数据和人工智能的：各位嘉宾下午好。今天非常荣幸能够到这云计算的大会上来跟大家，在云上的大数据和人工智能方面的思考和进展。首先介绍一下我个人是开放云的总经理刘炀。开放云是所推出公有云的业

2、务。大家知道公有云这几年也是非常非常的热。百度在公有云，虽然这个领域里面，云计算做了 16 年，但是公有云应该是一个后来者。那的领先优势会在什么地方？今天也是借这机会跟大家在云计算一下，在大数据和人工智能这个领域的一些思考。大家知道 MIT，从 2011 年开始，每年都会发布世界上十大的突破技术，这十大突破技术的话，为 face 一方面技术有今年十大影响包括免疫工程、包括的突破，另一方面确实人们的生活产生一个巨大的影响。、包括语音、包括可回收的火箭，包括知识型的机器人，DNA 的应用商店，超级工厂，特斯拉的自动驾驶还有空中取电，可以感到有一个趋势，就这一些技术里面。当然每一个技术其实十大创新每

3、一个都离不开大数据云计算，但是其中是以云计算、大数据、人工智能为的技术突破。特别是像生物的领域，免疫工程、DNA、等等。像人工智能的话，语音、自动驾驶然后知识型的机器人等等，这些都是属于大数据，在人工智能这领域一个特别大的突破。当然也非常荣幸在这一个十大技术突破里面的话，它每一个技术突破都提到了一些公司。是唯一被提到中国公司。那在哪里提到，在语音识别这一个领域，会被提到。所以今天来到大数据和人工智能已经在不段突破的阶段，具体来看大数据发生什么事工智能在发生一些什么事情。大数据其实应该是从大约十年前开始热起来，已经热了一段时间。而且也看到的话，今天来讲大数据基本上所有的互联网公司，没有哪怕一般家

4、互联网公司说自己不是做大数据的。所有的互联网公司都说自己在做大数据，毫无疑问也是在做大数据，看到一个现象，大数据这一个技术，今天已经是相对成熟，而且已经在大量的领域里面开始应用了。这里举了几个例子，外卖，外卖大家知道是一个O2O 的业务，里面牵涉到非常多的骑着摩托车，接到订单之后，会到饭店把这拿好开着车给用户送到家里面去，从上来讲，完全跟的不符合，是做一个搜索的公司为什么去做外卖，那在外卖领域大数据对外卖非常非常帮助，以优势，大数据到底对外卖帮助？但实际上外卖的例子，它的思路非常非常简单，因为大家外卖这领域竞争也非常激烈，外卖是做有品质的外卖，所以的针对群体是相对高端一点的白领人群、相对安全、

5、卫生有保障这样的餐厅。那外卖怎么样切入？其实用到非常多的大数据，因为有地图，从地图里面的话有非常多的数据，知道每一个写字楼它的用户流量多大，什么样的人群经常去这一些大楼，这些人群一般情况下到什么地方去消费，所以这信息可以快速的找到哪一些大楼事实上是高端人群的大楼。哪一些饭店事实上是相对高端的饭店，因为有糯米这样的业务，知道每一个饭店它大致的价位，这数据可以帮助做非常好的，知道地推我到什么大楼里面去做地推，我到什么地方去找这样的饭店群。除此之外的大数据可以每一个大楼，它每天的需求是多少，每一个饭店它一般的供应量多少。所以可以调度的骑士到什么地方等单。再加上大数据可以帮助调度，什么样的路径是最短的

6、？可以一路送的餐，所以大家其实可以看到本身虽然在 O2O 领域没样的背景，在短短时但是因为大数据的能力，以及大数据跟业务本身的结合，这些东西的话，使得间之内，最大的外卖之一。这是一个例子，其他例子很多，像地图实时路矿、拥堵的等等。那像金融这也不是的，金融也是国金推出大数据量化基金，这大数据量化基金用一些什么样的特征预示经济走势，这就不好说有一些特征一说出来之后就没用了。所以我们其实刚才看到的话，大数据这个领域的话，今天来讲其实已经是一个成领域，已经在大规模应用。但是人工智能可以看到最近这几年特别热。其实人工智能这个名字的话，它这名字出来是远远早于大数据这个名字出来，大数据名字出来十年以内才形成

7、大数据的概念。人工智能事实上 60 年前就已经有了。但为什么人工智能最近这几年这么这么热？最近像狗全世界人都知道，这是人工智能做的最好一个。其中一个要素是在人工智能这领域有一个新的算法突破。就是说深度学习引领了人工智能的突破。深度学习的话其实用了神经网络，神经网络本身也不是一个新东西，也好多年，为什么这几年这么热？其中根本的原因是跟数据计算能力相结合。深度学习只是人工智能非常多算法一个而已，那这一个算法跟以前的算法区别？为什么它的这一个这么大。其中的一点，其实在这里面大家可以看出来，这一张红色的线是历史上很多的人工智能算法，大家知道任何一个东西的话，都有一个边际效应，过去的算法随着数据量的增大

8、，这边际效应事实上到了某一个数据量的时候，边际量就没有了几乎的话它不能够随着你数据的增多，而把这效果做的更好。深度学习这算法跟过去算法一个最大的不同，它使得数据量增大的边际效应剔减拐点大大向后面推，基本上有越多的数据就可以获得越好的结果，这一点在过去到了一定数据量以上，你再做数据也没有用。这一个料是引擎才可以升空。是首席科学家，他有一句话说深度学习火箭的燃所以说深度引擎的算法跟过去算法非常大的不同。那刚才也提到语音技术，是在十大突破里面被提到，其实语音技术上做了什么样的突破？大家对语音技术熟悉的话，可能知道语音技术过去其实是基于模型像夫一样，从音素模型到语音模型。这样的一个分层模型使得计算各个

9、模型方面也会很简单，在这个 MIT 所提到技术的话，叫（英文）就不再去细分声学模型、音素模型，而直接用深度学习的神经网络做 AND TO AND 的量，它的数据量很多但是实际效果也会常多。非常非另外一个领域在人工智能上其实在做大规模的投入，是在自动驾驶，自动驾驶事实上大家知道它非常多的领域用到人工智能，从这地图，一般地图分辨率 10 厘米，厘米级，所以每一道分道非常非常清楚。另外一辆车它想不想超车会不会切进来都是分析，可能未来无人驾驶是通过语音我要快一点、慢一点，我要赶几点飞机你将几点到达。图像、识别更没有疑问，因为今天在无人车太贵，但是的相信这一个是非常非常重要的。所以需要识别人、识别物品。

10、所以这是人工智能综合的应用，但这应用事实上对底层要求非常高级的参数，甚至未来还会一个数量级。所以看到人工智能和大数据它今天发展，很重要的一点它其实对底层的计算需求，有一个非常非常大的它其实超出了以前的想象，刚才提到的语音（英文）对的计算资源要求非常非常多，因为需要处理 2.4 亿次的语音识别和语音这样的请求，因为今天对外提供语音的服务，为了支撑这样一个量，今天使用上千台服务器来进行这一个模型的训练。而且在（英文）这领域里面的话，大量使用了易购的框架，使用了 GPU 和 FDI（音），所以底层的资源需求非常非常大。计算机视觉今天处理百亿级、千亿级，也使用上千块的 CPU 来解决等等这样很多的服务

11、。点击的这其实是早期用的比较早领域，就在需要使用机器学习，因为它使用大量的预估和，过去用的（英文），今天也切到深度学习的模型，所以也支持千亿样本和千亿特征。所以这里用的资源是，今天超过一服务器，事实上是用于 CPI的跟相关的机器学习。 往精准用户方向的话就不详细介绍，也会对用户行为分析之类的。看到就是说人工智能和大数据对底层的技术架构其实有非常非常多的需求，那如果是说我今天这 PPT 里面有一些东西真的是干货，很多在这一页 PPT 里面，这基本讲的就是说，为了支撑这样子的需求，在云技术基础架构做了一些什么样的投入、做了一些要数据中什么样的事情。大家知道要支撑这样的大数据和人工智能的能力，首先对

12、底层心，今天的话有几十服务器，那有租用的数据中心，也有自己建，也有跟运营商合建的数据中心。今天能够提供年平均的 PUE 最佳可以到 1.22，这最先，进，也连续获得了相关的奖项。因为毕竟大家知道特别在，每天希望每天都是C 蓝，那对环保这东西事实上也是很在乎的社会责任。另外的话在云计算时代的话，这数据不断的增加，所以你机器也要不断的增加，怎么样让你数据中心随着你的需求快路的扩张。所以今天数据中心支持模块化的数据中心设计，也就是很多的模块化你可以在工厂里面装配好，再到数据中心搭配起来这数据中心就可以用，在供电离线的直流供电，就一主一备。这的好处，过去往往是双交流，两个都是（英文）供电形式，它这电使

13、用率可能只有 90%左右，今天使用新的技术可以做到 95%。而且自然的冷却，比方说高原地方或者是说北方这些地方的温度比较低，可以用自然的风冷来进行冷却。有了这数据中心，上面免不了谈计算、和网络。今天是支计算为了支持超大规模的机器学习、人工智能这样，内规模最大的深度学习的易构（音）集群，刚才提到用中国 FPI 和 GPU（音）最大的。的机器交互也是准机柜，一个机柜的机器全部在厂商那边生产好，可以快速的上架，供货一天的话可以上架一以上的机器。那大的公司。的话也是一个者，今天整机柜量最谈谈，刚才前面也提到，是一个非常非常大的量。确实也看到的话，现在的需求增长非常非常快，是提供云盘的个人服务，每个人有

14、 3T的服务空间，今天是个人个人云的。在今天在云上面的数据超过了1 个 EB，用什么样的技术支撑这样的大的需求，方面从硬件到都是自己设计的，今天使用的是特别的，每一台机器里面可能 40 块硬盘，每一个硬盘 8 个T，一个机架超过 7 个 P 的数据。你可以想象一个机柜的话，是非常非常重。因为用这么度的，事实上对整个数据的中心设计都提出要求，一般的只要 1.2 吨，1.5 吨以上甚至更高。所以都是这些技术支撑的云盘服务。因为这么多的硬盘，那运维其实非常非常难，度的，所以才可以提供免费在硬盘的运维也使用很多人工智能的技术，会对磁盘故障进行，每一台磁盘上会有很多的指标，根据这指标预测，这磁盘是不是坏

15、了，如果坏了我提前就把数据进行迁移等等。所以今天磁盘故障修复率可以自动修复 50%，就是在它坏之前 98%以上，这样可以把数据进行迁走，也不需要后续更加昂贵的数据修复。在网络领域支持万兆的接入。支持全直言（音）SDN定义的网络，更重要的在跨数据中心的传输的话是一个很重要的事情。今天跨数据中心 PB级别，过 1.3南和北之间带宽是非常非常高的。再往上的话是分布式系统，今天的话有超的集群的单机集群，但是设计可以超过 2，只是应用 1.3，我们支持在离线的，因为很多的业务是把计算和离线计算完全分开，路就要是满足用户快速来，它对（英文 LEDS）要求很高。但是大量的资源会被浪费，为什么？的业务今天是到

16、了网上可能就没有用了，这时候大量的资源是空闲在那地方。的话事实上把和离线混合在一起，也就是说业务首先保证它的（LEDS）响应的要求，所以这听起来很简单，但事实上对技术非常非常高，怎么样保证你的离线业务不会影响你的响应时间。对象刚才提到 EB 级别的对象。而且搜索网页库也是结构化，也支持 EB级搜索网页化结构化的。所以技术这朵云计算才有可能支撑上面大数据和人工智能。今天的话开放云目标是希望把刚才提到的不管是云计算这层面的能力，还是大数据层面的能力，还是人工智能的能力，对行开放。在这些能力之上的话，事实上就有各种各样的应用包括，大家知道的话，事实上是大数据使用非常非常多的。因为你有大量的用户行为，

17、有大量的转化数据要进行判断，然后要进行预估、进行竞价等等。所以它是一个很典型的对大数据和人工智能要求的领域，在数字也是最擅长，所以今天在开放云上提供非常好的云的解决方案。云，那前面也提到，今天来讲、不管是音频、等等。今天的话是一个增长非常非常快的领域。其实也发现，在云盘上就个人云盘上，绝大多数的数据是多，要么的话是拍摄、要么的话是各种各样的、然后音频文件等等。媒体在这里面其中出现第一大需求就是。第二大需求是什么呢？今天在的时代，第二的用户可以内容的处理。包大需求是分发，我怎么样把这的内容分发出去，让其他人可以看到，让看到，或者朋友看到，所以分发出去是第二大需求。第三大需求事实上括像转码，包括像

18、的压缩，包括像里面的一些内容分析。刚才讲了比方说人脸识别是一个很强的需求，这些都会在云上进行对外开放。物联网云，其实大家知道物联网是一个大数据的业务，未来的话物联网会是数据增加的一个主要驱动力。所以在这一块也会使用大量的大数据这方面的需求。政企云今天来讲是探索的领域，现在发现其实有非常多的数据。企业也是有非常多的数据。当然这些数据怎么样公有云上用的更好，我相信这是一个过程，一起来跟企业进行混合云的方案，希望将互联网的技术也可以带到政企去，用互联网的技术所有这些政企的，在互联网+时代的效率。所以回顾以上的话，今天看到的话就是说大数据已经开始在成熟，大数据今天来讲，中国可能最缺的大数据把大数据用好，技术很多的技术已经成熟，大数据这领域可能面临最大的，不是在于现在手头上有没有工具有没，大数据最大的当大大数据出现的时候，当那数据量已经远远超过手上处理量的时候，有没有更好的办法，特别