京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用已成“标配”
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。在人工智能时代,大数据不再只是一次“机遇”,而是成为“标配”。大规模存储和计算平台支撑了大数据挖掘和机器学习的复杂而耗费资源的算法与处理。云计算已成为推动智能时代诸多企业创新及信息产业发展的引擎。
云计算支撑大数据应用
云计算、移动互联网与社交网络是大数据的三大推进器。在过去不到20年的时间里,个人计算设备生成的数据量呈现出惊人的增长态势。而要想处理好这些激增的数据,就需要强大的云存储与计算平台。当大数据和云遇见深度学习,这一计算机科学家朝思暮想了数十载的科技终于不再是无本之木。随着深度学习技术的潜能被充分释放,弈棋程序的胜利以及人们在图像识别、语音识别等领域的连番突破也就顺理成章了。
图像识别
智能手机支持某些看起来很酷很智能的功能,比如人脸检测、根据面孔特征实现身份识别和分类编目等,若没有一流云平台在背后支持,也是不可想象的。
小米手机相册有一些对用户而言相当便利和人性化的功能,例如:用户可以从合影中找到每一张人脸并看到年龄标签;点击“面孔”分栏,所有包含人物的照片便被归入“姓名”影集中;选择其中一张合影,应用还能标示出画面里每个人的姓名……这些功能对于“患有”脸盲症和健忘症的朋友来说非常有用,而且也让手机看起来很“聪明”。但其实,相关的运算过程并不是在手机硬件平台上进行,而是依托于远端的“小米云相册”。
支撑人脸检测与识别这个应用的是其背后的大数据,尤其是强大的云计算和存储能力。其中,人脸识别需要对已知人脸的数据库进行提取,也就是需要依靠强大的存储能力作为支撑。而对于输入的人脸图像或者视频流进行判断,则需要依靠云计算技术才能得以实现。
以围棋人机大战为例,围棋软件AlphaGo和人类六至九段棋手16000次的对局中获得3000万个布点数据,其动用了1920个CPU和280个GPU的高性能计算资源,在一场比赛中消耗的能量是人的300倍。如此巨大的数据存储和计算量,是以前的技术所无法实现的。
无人驾驶
如果没有大数据,世界将会变成什么样呢?让我们在不久前特斯拉无人驾驶汽车车祸中寻找答案。大数据的方法是采用“足够多的数据+简单的模型”来得到更好的结果。因此,想要提高性能,就必然依赖于大数据。数据越多,覆盖量、精密度越高,对模型的依赖就越低,人工智能就变得足够可靠。
“大数据+云”助推ICT腾飞
2015年,我们见证了云计算如何推动消费产品和企业级产品领域的伟大创新,成为不同规模企业的部署对象。如今,云计算已成为推动诸多企业创新的引擎。小米正通过云计算服务全球范围的智能手机用户;猎豹移动通过云计算为全球的用户提供手机安全的保障;WPS通过云为全球的办公用户提供文件的存储和分享。金山云作为国内顶级的云服务商,提供大规模存储和计算平台,支撑大数据挖掘和机器学习的复杂而耗费资源的算法与处理,成为诸多企业创新的引擎。金山视频云平台被视为全球最专注的公有视频云,金山游戏云平台成为国内最大的游戏云平台,已形成完善的游戏产业生态。金山云更多的垂直领域云平台,如医疗云、政务云平台正在成为智慧城市的核心和基础。与此同时,金山云在美国和香港设立了数据中心,以满足美国和东南亚客户的需要。
大数据和云计算将极大地推进我国信息产业发展。当前,人工智能时代正在来临,对于存储和计算能力将产生更大需求。最近五年,人工智能在数据本身已经有了很大的突破。当拥有了海量数据并在算法上有所突破之后,人工智能水平将进一步突破。未来,人们将在人工智能上持续挖掘需求和应用,这需要数据存储和计算能力的支撑。
人工智能已成为信息技术产业的主流与传统行业升级、转型和变革的关键。而算法、大数据、计算资源不仅构成了人工智能的坚实支点,还将成为现实中构建通往全新“智能”之路的能量之源。人工智能飞速发展,大数据和云共存共生、相互促进,一种不一样的思考方式正在成长成熟。大数据和云正在推动人工智能时代的来临,同时拥有大数据和云计算技术储备的企业将在智能时代发挥更大作用,助力ICT产业腾飞。
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