京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的平台短板 超级计算机功耗大
第八届中国(济南)信博会于13日闭幕。作为信博会的一个重要分论坛,由山东电子学会、山东省计算中心(国家超级计算济南中心)共同举办的2015中国(济南)云计算与大数据创新发展论坛日前举行。
此次主题为“共享大数据、互联云智慧”的论坛,云集了包括中国工程院院士李德毅在内的知名专家到场演讲,众多专家及业内人士就云计算与大数据产业现状和发展展开了深入交流。
车载传感器尚需全面国产化
论坛上,李德毅播放了一段央视前新闻联播主持人李瑞英播报新闻的视频。正当大家对李瑞英的声音深信不疑时,李德毅说,这是机器人模仿的李瑞英的声音。机器人还可以模仿已故歌星邓丽君唱歌。不仅如此,在大数据时代,人脸识别和说话人识别联合使用,实现金融支付,可望很快成为常态。
李德毅表示,大数据已成为网络时代人类社会的重要资产。可以说,大数据就是新时代的石油。
据预测,中国数据总量于2020年将占全球数据量的24%,届时将成为世界上第一数据大国和“世界数据中心”。
针对当前很多城市和企业抢抓大数据机遇的做法,李德毅认为,公众对大数据理解还不深刻,社会对数据资源的挖掘还处于粗放经营的状态,距离精细化管理有不小差距。
李德毅从大数据认知的方法学角度解释称,大数据的核心在于价值发现,聚类成为大数据认知的突破口。
他以保险公司的车险举例,阐述了聚类如何颠覆传统商业模式。车险传统上按发生车祸次数的多少分为ABCD类,如果经常出车祸,保险费就会高一些。但是随着汽车成为双驾双控轮式机器人、成为大数据发生器以后,每一次驾驶、每一次维修,甚至每一次刹车,都会记录在案。利用大数据聚类,保险公司能够给出包括保险费支付方式在内的个性化解决方案。
结合正在发生的机器人革命,李德毅谈到了机器人如何认知。他表示,目前,车载传感器的全面国产化还未实现,进口成本高,这是制约当前国内机器人产业发展的重要因素之一。
平台建设须考虑成本
中国云计算技术与产业联盟、中国电子学会云计算专家委员会、中国大数据专家委员会联合组建的调研组,通过一年的实地调研,初步了解了我国12个城市云计算大数据的发展概况。论坛上,中国电子学会宁慧聪博士就这一发展概况进行了介绍。
他还提到,山东在云计算大数据方面做了很多尝试,诸如“凤岐茶社”等在内的诸多项目都体现了山东在大数据领域的成就和希望。但是他也认为,鲁商一贯秉持的“厚积薄发”在互联网飞速发展的今天还是面临着挑战。对于这一领域而言,很多时候是需要团队在市场中迅速成长,创业团队要有努力打拼的冲劲,这样才能够在激烈的市场竞争中脱颖而出。
“大数据远景很丰满、近期很骨感,不要期望过高。”国家超级计算济南中心副主任潘景山介绍,加上中科院、上海两家超算中心,国家超算中心数量上已有8家,未来5-8年至多会再布局1-2台E级计算机。
“超级计算机发展瓶颈主要为功耗,E级计算机功耗以目前技术来计算大概70MW,约为整个山东省用电量的1.5‰。”
针对当前各地的大数据平台建设热潮,潘景山提醒,大数据平台的建设和运营必须考虑成本。
山东省云计算中心总工赵志刚在介绍我国大数据与云计算产业发展现状及未来趋势时,也提到了公共大数据平台建设中存在的一些问题。他举例说,比如门槛高,技术庞杂,选型、学习困难,资源要求高,“技术+业务”的复合型数据分析人才缺乏,缺少合作创新载体、产业链松散不稳定,以单个项目为合作载体,合作不紧密等。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14