商灝

一個令人矚目的現象是,當前在通用人工智能市場,投資快速增長。許多很活躍的企業不斷受到投資者追捧。天云大數據公司CEO雷濤說,這個市場現在都是百億以上的體量,短期內兩三百億量級都很輕松。從融資的角度看,或從企業服務角度看,雷濤認為,現在泡沫吹得很大的就是人工智能。但在市場上,人工智能的真正價值并未凸顯出來,仍然都是早期的一些應用級的AI項目,像人臉識別、無人駕駛、聊天機器人這些應用級別的人機交互,它們是更容易被人理解的AI。從產業內部的角度看,由于現在需要有更高階的技術處理能力,需要有更高階的科技力量,這對產業內部的維度是一次徹底的顛覆和革命。傳統的數據庫,有存儲,有服務器,但現在,存儲和服務器合并在一起了,以后不會再有單獨存儲的概念,這些在分布式計算領域帶來太多對原有IT世界的革新,和對IT陣營的洗牌。

于是筆者問他,從IT到DT,產品和技術飛速發展的趨勢,產業和市場急劇爆發的趨勢,該怎么看?它帶給業界、帶給用戶什么樣的不安和啟示?

作為很早就參與了北京市祥云工程的資深IT技術專家,雷濤認為,從歷史來看,每一項新技術都需要一些早期采納者,而這個早期采納者,通常就是銀行。它們貌似保守,但它們技術的成熟度較高,對一些新技術較快達成共識,先行采納。這使得人工智能、分布式的計算等核心技術較快在銀行落地,就像Gartner(高德納公司,全球最具權威的IT研究與顧問咨詢公司)技術成熟度曲線一樣,確實因為有一些早期采用者能夠很快對這種新需求和新技術產生碰撞后的共識,天云大數據公司才有了后來的各種Fintech(金融科技)的稱號。

從行業角度看,雷濤的觀點是,IT和DT的變化來自于原有的流程驅動面向數據驅動,這意味著商業流程再造。以JAVA數據庫為核心的技術推動了整個IT二十年的發展。但現在我們越來越多的發現,數據科學的驅動,一些基礎的算法改變了我們原來基于經驗和流程設計的那些商業構建。IT向DT轉換的過程,就是信息化數據科技帶來流程驅動轉向數據驅動,數據變成真實有效的生產資料。

焦慮的CIO需要選擇如何面向新需求

這一技術發展新浪潮中最主流的東西到底是什么,將會如何影響用戶的選擇?雷濤說,按照現在市場上一般的看法,三架馬車并駕齊驅,數據、算法和算力,三個缺一不可,它是一個螺旋上升的過程。首先沒有算力支撐不起現在的大規模數據,有了數據才需要更多的算力,拿這個算力才可能驅動現在新的算法。所以,如果從核心技術看,數據、算法和算力三個都非常關鍵。光強調算法,沒有一個持續有效的數據供給,不是一個好的生意,沒有實現的閉環,數據不能夠重新去訓練算法。如果拿算法去解決一個one off一次性工具的話,這個效果不好。所以這一次的技術革命實際上是一個融合性的創新,而不是某一個單項技術的革命,它是融合的產業創新。就像瓦特發明蒸汽機,最后真正對產業結構發生根本性變化的是輪船業,它最后改變了航運的效率和規模。

面對技術巨變的趨勢,部委、大企業的技術主管們,現在有什么樣的焦慮?

雷濤表示,CIO的焦慮肯定是存在的,因為他感受到了新技術斷崖式的變化,這場斷崖式的變化就是分布式計算真是一次大洗牌,全方位的洗牌,把整個原來的信息化結構改變了。這也就意味著原來沉淀下來的壁壘最高,最能保護自己的那套知識體系現在有些崩塌了。而在需求驅動層面,原來的IT部門更多是一個支撐部門、成本中心,其需求來自業務方。業務方提要求,IT部門解決成本效率的自動化問題,這是IT系統帶來的便利。但在人工智能這里,業務方開始直接跳過IT部門,通過算法主導了這一次的變化。我們看到很多項目都是這樣。所以CIO們開始面臨著不僅僅是自己技能短板的焦慮,現在越來越多的數據服務不是產生于IT部門內部,而是直接從一線的數據員,一線的業務端采納了一些新的方法以后,跨越式的跳過了IT支撐的環節。拿海關來說,現在緝私,或追查逃稅的人群,其實都是用算法來實現的,而不再用代碼一行一行的寫出一條一條規則,把經驗沉淀下來再抓那些逃稅的人。所以,CIO的焦慮,是客觀存在的。

筆者問雷濤,進一步看,現在部委、大企業的IT系統,曾經用了當時最先進的設備,即便仍然繼續穩定運行,但效率是否已經遠遠落后于實際需要?由此產生的焦慮是否客觀存在?是否還有另一種焦慮:想用新技術,又怕隨之可能造成系統不穩,安全出問題。這是否是最大的焦慮?

雷濤認為,這還是需求導向驅動,如果是對原有信息化系統的一個替代,這個顧慮是客觀存在的。他說,現在我們發現,新系統并不是對原有系統的替代,而更多是在一些新的零消費市場里新的出現。以風電行業為例,這個行業原來更關注的是整個生產流程自動化,ERP系統的數據用傳統的IOE結構支撐是沒有問題的。往往動到新的大數據,為什么是運營商先動,金融先動,是因為他們開始關注到了在傳統的后端運營管理系統之外大量用戶的行為數據,傳感器物聯網那些機器的數據,這些數據無論從規模還是其產生的持續密度和連續性還有頻度上,遠遠大于其商業交易的數據,傳統IOE這時候做不到了。這個時候CIO面對的選擇就是面向新的需求,其風電什么時候該換,什么時候該去做運維,怎么去智能的預測什么時候該換齒輪還是換螺絲了,這些關鍵部件失效的預測來自于大量的物聯網數據。而原來信息化系統沒有這個數據反饋,我們將這個市場叫做零消費市場。

DT的本質有三個核心支撐:算法、算力、數據的商業化

所有的國外創新都是零消費市場才會出現,很多創新都來自于新的需求不斷的挖掘,因為數據資源出現了。因此對于CIO而言,最關鍵的是他需要開始把目光從流程轉向數據。雷濤認為,哪些數據資源是可被實現和挖掘的,那些數據還沒在系統,已經沉淀在磁盤上的數據往往價值有限。更多大規模的數據沒有被關注和采集。比如銀行大量的行為數據是客戶之間的,不是存錢取錢這種交易數據,而是用戶大量的非金融類的相關行為數據。

所以首先必須把關注點放在數據上,而不是在流程上;第二是要關注數據科技人才的培養,因為這是支撐流程再造的根本。必須能夠組織新型的人才支撐技術應用的變化;第三是能夠找到一些試點的項目,在組織邊緣做一些創新、試點項目,這樣的話能夠了解新技術,鍛煉新團隊,能夠適應DT的過程。

怎么認識DT的應用范圍和深度?雷濤認為,對DT應從兩個維度去理解:第一是data,以前很多人認為從數據本身的數據集描述的時候它有幾個V:Volume(體量大)、Velocity(速度快)、Variety(多樣性,種類多)、Value(價值高)。但我理解的DT如果局限在數據集的描述,這是IBM廠商的思路。因為當你講完了這四個V,就基本就能夠知道能不能對號入座買昂貴的IBM設備了,這是一種市場策略。其實我看DT的本質,它有三個核心的支撐,第一個是算法,第二個是算力,第三個是數據的商業化,怎么去定價、交易、流通。所以這三個核心事實上是商業、IT和科研三者融合。所以全是DT的核心。

DT革新的速度和周期有多快?雷濤說,從算法的迭代上可以看出,以前的算法迭代15年一個周期,現在算法迭代三、五年一個周期,論文的更新三五個月一個重大的發現。IT迭代的速度最快的核心定律就是摩爾定律,就是以芯片更新的速度來支撐IT的變化。DT在算法和數據上的爆發,卻是幾何基數的。現在新的萬物互聯,5G、LVT帶來的門鎖,越來越多低端設備的智能化,它是數據規模的增長,是一個爆發的過程。

就算法本身而言,算法現在的演繹和推理已經不是在白紙上公式推演的過程了,現在很多算法迭代的過程,比如說怎么用機器解讀視頻,給視頻自動寫字幕,對抗神經網絡(對抗神經網絡是機器博弈出來的結果),也就是說算法模型是機器在自我演繹中創建出來的,人已經從這個制造過程脫離,讓機器和機器自己推演,所以這個創建的過程是一個更大基數的過程。

筆者問,“AI的方向是規模化發展”這個判斷是怎么得出的?它的意義是什么?答曰,這個判斷是在今天這個特定歷史時期,在這個時點提出來的,我們已經過了算法精巧化時代。其實在上世紀90年代,谷歌等一批新的互聯網公司,就把算法真正投入了生產,驗證了很多精巧極致的算法,怎么做語音識別,神經網絡怎么做圖象識別,但那個時代已經過去了,我們理解這是上一個十年AI的內容。現在,我們要把創造的價值從局部應用的點擴展到更為廣泛的商業流程的重塑,這是DT時代的本質,任何一個流程都需要算法替代,這個過程開始需要昂貴的科學家人才才能實現。

用戶面對這個趨勢應該有自己獨特的要求?對,最早應該是在2015年,硅谷提一個概念叫AI的Democracy,然后在技術上也有很多相應的詞、概念,比如數據科學的工程化一系列的支撐,都是在相應的不同角度來演繹同一個概念,每一個重大事件出現都是各個因素組合在一起,都是需求、技術的準備就緒這些因素的組合。[]

市場需要提供普遍通用、試錯的平臺

很多人都知道什么叫人工智能,可以用它來做什么,但卻不知究竟該怎么做,以及如何在做的過程中不掉進坑里,就是說實現技術目標的路徑和經驗,到底有多么重要?雷濤覺得,經驗固然很重要,但我們現在也面臨著一個有太多未知的零消費市場,這個時候,就需要提供給市場一個普遍通用、試錯的平臺,可以很低的試錯成本去總結出行業里獨特的經驗。這種試錯,代價如果很低的話,就會讓相應的規模化生產在任何一個角落發生。所以,更重要的是把經驗固化成一種工具化的平臺能力,這可以讓很多人用喝杯咖啡的功夫就越過原來踩的坑或走過的彎路,實現既定的技術目標。

從這個角度看,業內目前有哪些最著名的公司,有哪些產品、技術受到市場追捧?雷濤說,其實這要看誰在追捧。資本市場追捧的是AI應用類,就是垂直端,比如像一些人臉、芯片,要么就是特別底層,我們也看不懂,覺得它未來高爆發性可預期,就是做AI芯片的。要么就是在最表端的,就是能夠做到AI應用的,現在人臉識別已經過了那個風口。現在是應用端和芯片端兩頭被資本追捧。在市場價值上比較受認可的,是那些變現能力比較強的企業,那些能夠針對用戶流程里的需求做改造,用算法替代以前后端系統流程上的一些環節的,比較落地的、工程化的實操能力。

講到“坑”,那究竟是什么?怎樣造成的?怎么樣才能非常有效果的避免掉坑里去?筆者最后向雷濤拋出了自己最關心的核心問題。雷濤說他理解的“坑”有幾方面表現:第一,是選擇方向上的坑。以前結構化市場,有存儲有數據庫有服務器,現在新技術概念的方向特別多,尤其是在分布式計算里,面向一個多層的計算空間,不是只有一個Oracle,而是有流數據、內存計算、跑P的,MPI的,圖的,各種各樣的場景計算。這意味著,既然有很多方向,每個方向可能就是一個坑。所以,這個時候,首先就要看有經驗的架構師,能否把各種場景對到每個方向上來。比如說現在新的HTAP,混合交易和分析場景的數據庫,分析挖掘和在線服務一體化了,這個時候架構師的能力將起到決定作用,否則就要把一個一個的場景都試一遍,那代價就很大。第二,是開元帶來的坑。很多坑是被開元挖出來的。開元說,能不能做一個流數據場景?人們突然發現流數據里頭有Spark、Stream,有早期的Stone、Flink,也有用Kafka去做的,這么多的計算框架更適合于什么?一方面可以選擇某個有優勢的場景,另一方面每個有優勢的場景都有它的缺陷,需要很牛的人來幫助趟過這些坑。所以,開元進入門檻低,走出來卻很難。

對技術本質的透徹認識,和對發展遠景的深刻洞察,使得雷濤這樣的技術精英可以帶給自己的團隊比較清晰的思想路徑和技術演繹路線與目標,但在當下AI規模化的大好時機,在新舊技術更替的趨勢面前,越來越多的廠商已經認識到不能再像IT時代那樣單打獨斗,而是需要聯合有不同功能、不同產品技術、不同服務特征的廠商去打贏市場。雷濤認為,在新的結構形成的時候,聯合肯定是最有效的方法,今天隨著技術迭代,我們面對的是怎么去跟舊世界的勢力PK問題,這個時候必須聯合出一個端到端的方案。(主編商灝 編輯嚴葭淇)

竞彩微信投注 教师直播赚钱 开钢琴 电子琴培训班 赚钱吗 美女捕鱼游戏攻略 老理发店怎么做最赚钱 微乐辽宁棋牌鞍山麻将 梦幻西游2主流赚钱 50个赚钱 波克哈尔滨麻将 海王捕鱼巨奖是什么 传销手游赚钱的吗 东北麻将玩法叫什么 ag捕鱼王输了几百万 影匠企业赚钱吗 梦幻西游手游大唐怎么赚钱 东方彩票首页 手游大话西游抓宝宝怎么赚钱吗