在2019年6月5日,华为在北京发布智能数据解决方案FusionData。我简单谈谈我的感受。
从概念上华为智能数据解决方案的立足点非常之高,直接指向了生产力和生产资料。——作为新生产资料的数据和作为新生产力的智能。
如果说现实世界因为物质的存在,人类的经济社会活动增长有瓶颈限制。那么在数据经济时代,通过新生产力智能来推动新生产资料来产生价值可以说是没有什么瓶颈。那么通过智能来推动数据产生价值为人类所带来的变革将不可想象。
但是我们要清楚一个概念,海量的数据的产生整个社会产生的。但是因为数据不像物质那么看得见摸的找,所有如果大家浪费粮食,可能人人都能看到。但是浪费数据,好像没人在乎。华为全球产业展望(GIV)报告显示,全球数据量将从2018年32.5ZB快速增长到2025年的180ZB。但企业生产活动产生的数据中只有不到2%被保存,而其中得到分析利用的不足10%,数据价值没有得到充分释放。也就是说数据其实大部分被浪费掉了。
那么对于数据价值利用率低来讲,其核心是数据基础设施不够先进,不够智能。但是今年时代不同了,算力大幅度提升,数据大幅度增加,人工智能技术不断成熟。为新的数据基础设施出现提供了很好的基础。
华为就是在这样的时代下推出能够适合智能时代所需要的一个基础设施解决方案。在这个设施具备智能性和先进性。并且能够解决企业普遍存在烟囱式业务系统,以及数据管理、应用效率低等问题。
这张图是华为IT产品线副总裁、智能数据与存储领域总裁周跃峰发布智能数据解决方案FusionData的时候,分享的一张PPT。我认为代表了当前数据基础设施变革的因素。
进入智能时代,过去几十年的“以算力为中心”的IT基础设施已经发生改变。新的时代,是算力和存储平衡的时代。面临着多样性算力包括X86、ARM、GPU、NPU等计算平台。面临着多样性的数据,面临着包括DRAM、3DXPOINT、NVME、NAND等存储设备。
在这样的变化下,算力、数据接入、数据存储、数据处理以及数据使能都需要重定义,来真正让智能技术融入到数据基础设施中,来真正释放数据价值。
作为领先的智能数据解决方案,华为FusionData支持智能的数据全生命周期管理,从以下三个层面,重定义数据基础设施:
智能数据连接部件ROMA支持多数据源接入、消息和API的统一管理、智能通道选择等技术实现智能全连接,加速数据流动,让应用与数据连接更高效。
多数据源接入:支持1100多种应用和异构数据源接入,通过开放式数据接入框架可灵活接入第三方数据源。
消息和API的统一管理:支持分布式消息和API的路由统一配置管理,轻松实现分布式消息和API服务的跨网跨域跨云集成,让数据自由流动。
智能通道选择:支持数据多通道传输,并且可根据数据特点智能选择传送通道,大幅提升数据接入效率。
智能数据处理部件包含分布式存储FusionStorage、分布式数据库GaussDB和大数据平台FusionInsight等,通过多类型数据融合存储、融合分析引擎等技术实现从单一处理到智能融合处理,加速实现数据价值。
多类型数据融合存储:通过存储与计算分离技术,打破系统烟囱式建设;通过智能分布式存储的多协议融合技术,实现一份数据同时支持数据库、大数据、AI等多种业务的分析需求,让融合数据分析成为可能。
融合分析引擎:支持数据库、大数据、AI多引擎融合分析和多样性算力统一调度。通过统一架构,降低海量数据处理难度,实现极简分析。
智能数据使能部件DAYU通过智能元数据感知和OneQuery Turbo 技术构建数据处理与业务创新的桥梁,提升业务体验,让业务更敏捷。
智能元数据感知:通过AI技术,自动感知和采集多个系统的元数据,并进行智能化分级分类,生成全局统一的数据视图,数据寻找秒级响应。
OneQuery Turbo :提供统一的数据访问接口,实现多数据源、多类型数据的统一访问,简化数据加工流程,数据获取速度提升10倍以上。
最后通过图中我们看到的是,华为的开放态度,华为继续支持包括X86、ARM、GPU、NPU等计算平台。当然华为也是有能力支持好这些计算平台。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。