关注云报
        洞察一度
        “1995年，我在学校宿舍里第一次读到比尔·盖茨的《未来之路》，它对我选择计算机与软件这条路有很大的启示。”在日前举行的“2021数智高峰论坛”上，九章云机DataCanvas公司董事长方磊发表了《数据智能的未来之路》主题演讲。
        九章云纪DataCanvas公司董事长方磊
        数据智能
        起飞
        很多时候，我们会习惯性地回顾过去，吸取过去的教训。回顾软件的发展历史，软件最初主要是将一些由人类完成的工作流程自动化，而现在几乎所有的事情都可以在手机上完成，比如银行开户、消费者转账等。自动化工作流之后，软件的发展进入了一个新的阶段，即实现决策的自动化和智能化。也就是今天人们谈论的人工智能(AI)。
        众所周知，智能化的实现离不开数据。数据智能和软件一样，正逐渐渗透到各个方向和领域，表现为“基础设施”，即“数据智能基础设施”。和很多基础设施一样，数据智能基础设施不是业务模式的迁移，而是一点一滴搭建起来的。
        在数据智能兴起之前，传统IT系统有一些很强的数据处理功能，从数据源到基础数据处理，但数据存储和数据历史沉淀相对较弱，更不用说预测了。方磊认为，未来10年，数据智能化将成为主流，数据实时处理能力将进一步增强。数据科学就像化学反应，将历史数据提炼成“金丹”，即产生数据智能的“模型”，提炼过程就是算法。都说数据科学博大精深。实际上，它在数据上加载算法，把它们变成模型，然后用模型来自动化人们的决策。而这有赖于数据智能基础设施。
        “从全球范围来看，在社会基础设施发展的历史长河中，
        数据智能基础设施目前正处于起飞阶段。方磊说，“中国也在经历这样一个发展过程，可能在特定阶段稍微错位，但整个趋势和国际社会是一样的。”
        数据智能化的落地，很大程度上得益于云基础设施的快速普及。在中国，则是一片“千云绽放”的景象。云服务的本质是实现集约化、降本增效的工具。每一朵云都需要自己的数据智能。
        谈及云与数据智能的关系，方磊表示：“两者之间是一种嵌入的关系，数据智能嵌入千万朵云中，是社会IT的分布形式，也是无处不在的基础设施。我们努力的一个方向，就是在每朵云中嵌入九个云极的数据智能能力。”
        数据智能和电力一样，对人们的生产生活不可或缺。但要想获取数据情报，就必须培养更多的“电工”。电工的培养过程是长期而艰巨的。你能让这个过程简单一点吗？要不断降低数据智能化使用的门槛和壁垒。归根结底，每一次技术革命的核心都是降低应用壁垒，让新技术应用百花齐放。
        智能应用
        简
        对于数据智能来说，革命性的技术之一是AutoML，它让用户更容易建立模型，让数据智能得到更多使用。最新的DataCanvas AutoML Toolkit(DAT)是一套自动机器学习工具，包括一系列功能强大的AutoML开源工具。自动建模工具实现从底层通用自动机器学习框架到结构化和非结构化领域的端到端覆盖，率先突破了机器学习建模过程中的“不平衡、概念漂移、泛化能力、大规模数据”等难点。
        “我们希望通过人工智能AutoML技术的落地，让企业财务部门、业务部门能够把数据自己
        智能使用时，就像使用Excel一样，可以轻松完成深度分析、深度建模等复杂工作。“方磊说。
        IDC中国区研究总监路艳霞指出，在人工智能领域六大技术趋势（自动化机器学习、边缘智能、AIOPS、超大规模预训练模型、多方隐私计算、知识计算）中，AutoML自动化机器学习是推动AI在行业应用的重要技术路径，将对降低AI应用门槛、培养AI人才、繁荣AI生态产生深远影响。
        实时数据处理
        很快
        九章云极DataCanvas还发布了DINGODB新一代实时交互分析数据库。集分析与服务于一体，支持高频修改查询、实时交互分析、实时多维分析。该产品内置智能SQL优化器，可实现分析型SQL和记录级SQL的自动优化。同时，DingoDB数据表采用多分区、多拷贝机制，确保数据安全稳定。
        方磊指出，实时数据处理对于实现数据智能化是非常必要的。人们在训练一个模型时，不希望花很长时间输出结果，而是希望马上输出结果，马上使用。下一代实时数据库，或称实时数据仓库，能够使数据实时流动和处理，并与模型完美匹配，是其中的关键核心。
        “未来10年甚至20年，如果说实时数据是流动的石油，那么用于实时处理数据的实时仓库就是管道，可以让数据更快速流动，更好地感知世界，并借助智能模型自动做出判断。”方磊说。
        从开发到部署的模型
        顺
        在“2021数智高峰论坛”上，《ModelOps技术应用与趋势白皮书》正式发布。ModelOps是指模型的运维管理或运行管理。它需要解决的问题是，在人工智能模型众多的情况下，如何更好地运行、管理和监控
        并使其使用更加稳定。
        CB Insights中国区高级分析师常晓表示，ModelOps不仅让模型开发到部署的“最后一公里”更加顺畅，还具有工作流自动化、持续监控、高复用等优势，使模型更加可靠。这种科学的治理方法解决了“技术隐性债务”问题，企业的AI计划更容易形成规模化、量产化部署。
        数据智能基础设施，也是社会的基础设施，目前正处于百花齐放的起步阶段。现阶段，随着中国“千云并存”的发展，将嵌入每一朵云，互联互通。“自动化机器学习、实时数据处理、模型化将加速数据智能时代的到来。”方磊说，自己非常期待和自豪，九丈云极DataCanvas就是其中之一。
        欢迎扫码关注云报道