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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16