京公网安备 11010802034615号
经营许可证编号:京B2-20210330
英特尔关注大数据前沿趋势 促部署落地
如今,在IT圈,你不谈大数据都不好意思说你是做IT的。如今,各大厂商也加大力度在大数据领域拓荒,试图抢占这个未来战略制高点。作为全球知名的IT企业,英特尔在大数据领域深耕已久,大数据与软件关系密切,今天我们就来看一看英特尔在大数据与软件方面的进展情况。
此次我们采访了英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene先生;英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士;英特尔中国研究院院长吴甘沙先生;英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理,由他们为我们详细介绍了英特尔的情况。
英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene
大数据领域 英特尔各司其职
MichaelGreene目前主要负责英特尔内部开源问题,在大数据上面,英特尔一直提供开放代码的大数据和分析平台。目前在STO里面有一个专门针对大数据领域的团队,马子雅女士是这个团队总经理,这个团队有三个主要功能,第一是领导英特尔在开源社区方面的贡献;第二就是通过和业界合作,完善在IA架构上的用户体验;第三,就是基于IA上面对大数据进行优化。这是Michael Greene所领导的团队的最大特点。
英特尔中国研究院院长吴甘沙先生
吴甘沙先生是英特尔中国研究院的院长,目前在大数据这块,主要的任务在SSG方面,这个方面有点向侦察兵的职责,负责在前面谈论,也就是负责大数据方面发展的前沿的一些研发。比如,如今SSG正在努力的研究Hadoop相关东西,比如流处理、图计算、内存计算,这是SSG的第一阶段,接下来还会研究大数据和人的关系,以及大数据跟中小企业以及传统公司的关系等等。
英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理
物联网行业如今快速发展,也已经成为大数据行业非常重要的一个领域,顾典领导的物联网事业部是英特尔内部的一个部门。如今随着互联网设备的快速增加,这些互联的设备本身每天都会实时的不间断的产生很多数据,从英特尔推广物联网普及的角度来说,顾典不仅仅是关注这些设备的互联,还关注设备互联以后怎么样被高效管理。
第2页:英特尔关注大数据前沿趋势
关注大数据前沿趋势 促行业部署落地
目前,人们无疑关注的是大数据的发展趋势,哪一个行业领域会是英特尔接下来的研发方向呢?Michael Greene表示,深度学习将会作为大数据接下来的一个研究方向。另外,英特尔主要关注在软件上、问题的处理,包括大容量的复杂计算,这上面英特尔可能还会加入一定的精力做进一步的开发,并且现在英特尔已经有一些成功案例。
英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士
作为英特尔中国研究院的院长,吴甘沙也认为深度学习是发展方向,并且深度学习是大数据分析当中比较偏向高性能计算的一种,比如在Spark上做了很多的各种各样的大数据分析。事实上深度学习现在有很多种方式来对它进行加速,可以用GPU、可以用Xeon Phi,也可以用FPGA这样的平台进行加速。从英特尔研究角度来说,英特尔希望各种选择都能够尝试一下。
无论何时,大数据分析的落地部署一直是用户关注的话题,Michael Greene认为目前需要帮助用户更加快速轻松的部署,Cloudera现在有一个组件——ClouderaDirector,可以帮助客户快速的自动化地部署。另外在开源社区Open Source里面,英特尔一直在做一个项目Sahara,在这个项目不管你是Hortonworks、Cloudera甚至MapR都可以帮助容易的帮助用户实现落地。
英特尔各个部门在大数据这块有明确的分工。Michael Greene比较专注于具体用户的问题,因为只有把用户的问题放在最高点,所有的解决方案才会整合到一块儿。一旦英特尔把问题搞清楚了之后,第二个重心是要在英特尔平台上做最大的优化,尤其是很多时候用户的问题,从端到端,中间的每个组件都要做一些英特尔平台的优化。比如像SSD、新的存储技术这些都可以做到英特尔平台上的优化。
在物联网用与大数据方面,顾典表示,通过和企业用户、行业用户的一些探讨,包括第三方的咨询,英特尔看到物联网的发展还是碰到了一些技术上的瓶颈。如果说以互联设备的增长量来说,从目前的150亿台设备增加到将来的500亿台设备。怎么样把这些设备实现互联,然后在规模部署上突破碎片化一些瓶颈,这是物联网事业部目前关注的地方。
尽管从谈话中我们了解到大数据分析目前还有很长一段路要走,但是我们也能够从几个被访者谈话中了解到大数据的魅力所在,以及英特尔在大数据分析方面所做的努力。对于大数据,英特尔一直走在发展对饿前列,当大多数人在考虑第N个阶段的时候,开始考虑N+1个阶段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28