最近“新基建”的話題越來越熱，“新基建”主要指發(fā)力于科技端的基礎(chǔ)設(shè)施建設(shè)，主要包括七大領(lǐng)域：5G基建、特高壓、城際高速鐵路和城際軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能和工業(yè)互聯(lián)網(wǎng)。“新基建”和大部分企業(yè)相關(guān)的更多的是大數(shù)據(jù)和人工智能。
根據(jù)普華永道2017年發(fā)布的報告，到2030年，人工智能對全球經(jīng)濟(jì)的貢獻(xiàn)額將達(dá)到15.7萬億美元，超過中國和印度目前的經(jīng)濟(jì)總產(chǎn)值之和。2018年麥肯錫（MGI）發(fā)布報告《人工智能對全球經(jīng)濟(jì)影響的模擬計算》，認(rèn)為人工智能到2030年，可能使全球GDP每年增加約1.2％。
數(shù)字經(jīng)濟(jì)是經(jīng)濟(jì)發(fā)展的新引擎已是共識，身為企業(yè)CIO和CTO的IT領(lǐng)導(dǎo)者，如何在浩浩蕩蕩的數(shù)字經(jīng)濟(jì)大潮中，用數(shù)據(jù)分析能力為企業(yè)保駕護(hù)航，使企業(yè)在數(shù)字時代揚(yáng)帆遠(yuǎn)航，是對每一名CIO和CTO的考驗。
企業(yè)數(shù)據(jù)的的利用，可以分為三個階段：
· 數(shù)據(jù)生產(chǎn)：業(yè)務(wù)（可以是傳感器、交互設(shè)備等硬件，也可以是ERP等軟件）產(chǎn)生數(shù)據(jù)，數(shù)據(jù)進(jìn)入關(guān)系型或者非關(guān)系型數(shù)據(jù)庫存儲，再供業(yè)務(wù)使用；
· 數(shù)據(jù)分析：匯集數(shù)據(jù)，并進(jìn)行分析，輔助業(yè)務(wù)人工決策；
· 人工智能：將人工智能算法應(yīng)用到數(shù)據(jù)分析中，不僅僅分析，還可以輔助業(yè)務(wù)自動決策。
目前，大部分企業(yè)還處在數(shù)據(jù)生產(chǎn)與數(shù)據(jù)分析的階段之間，迫切需要建設(shè)完善的數(shù)據(jù)分析能力。企業(yè)在建設(shè)數(shù)據(jù)分析能力的時候，由于數(shù)據(jù)量巨大，往往面臨數(shù)據(jù)存儲和算力的挑戰(zhàn)，而云的彈性可以解決這一問題，所以數(shù)據(jù)分析能力向云上遷移是一個趨勢。企業(yè)建設(shè)云的時候，也必須考慮數(shù)據(jù)分析能力的建設(shè)，并要為人工智能打下基礎(chǔ)。
基于云構(gòu)建數(shù)據(jù)分析能力，可以有以下三種方式。
1. 使用公有云數(shù)據(jù)分析服務(wù)
目前，各大公有云都提供數(shù)據(jù)分析服務(wù)，并且功能越來越強(qiáng)大。
使用公有云數(shù)據(jù)分析的優(yōu)點是：
· 按需付費；
· 不需要底層的技術(shù)投入，更多的專注業(yè)務(wù)層面；
· 幾乎不受存儲數(shù)據(jù)量的限制，公有云的存儲資源池可以視為無限大；
· 服務(wù)成熟穩(wěn)定；
· 公有云一般都提供人工智能服務(wù)，在使用數(shù)據(jù)分析的服務(wù)同時，也可以很快進(jìn)入人工智能階段。
使用公有云數(shù)據(jù)分析挑戰(zhàn)是：
· 容易被公有云鎖定，當(dāng)大量的數(shù)據(jù)在公有云上的時候，當(dāng)對公有云服務(wù)使用很熟練的時候，如果要再遷移，難度較大；
· 長期使用公有云數(shù)據(jù)服務(wù)，費用會越來越驚人；
· 需要考慮數(shù)據(jù)安全和合規(guī)問題。
2. 使用開源產(chǎn)品自建數(shù)據(jù)分析能力
使用開源產(chǎn)品自建數(shù)據(jù)分析能力，像hadoop等開源產(chǎn)品，經(jīng)過常年的發(fā)展，也比較穩(wěn)定。
使用開源產(chǎn)品自建數(shù)據(jù)分析能力優(yōu)點是：
· 數(shù)據(jù)安全得到保證，數(shù)據(jù)在自有的數(shù)據(jù)中心，數(shù)據(jù)安全性更高；
· 費用相對比較低；
· 不會被廠商鎖定。
使用開源產(chǎn)品自建數(shù)據(jù)分析能力，因為需要組建技術(shù)團(tuán)隊，運營相關(guān)服務(wù)，所以挑戰(zhàn)是：
· 對技術(shù)工程師要求很高，要找到合適的技術(shù)工程師，往往面臨很大的挑戰(zhàn)；
· 碰到問題，往往得不到可靠的支持；
· 需要從頭建立運營體系，從硬件到系統(tǒng)，從平臺搭建到安全，都要從零開始搭建。
3. 使用商業(yè)產(chǎn)品自建數(shù)據(jù)分析能力
使用商業(yè)的數(shù)據(jù)分析產(chǎn)品，自建數(shù)據(jù)分析能力，這樣做的優(yōu)點是：
· 數(shù)據(jù)安全得到保證；
· 如果已經(jīng)有商業(yè)的私有云，比如VMware，可以充分利用現(xiàn)有的資源，基于既有基礎(chǔ)設(shè)施推進(jìn)AI實踐。
· 費用低于全部使用公有云，可以在成本和可靠性之間取得平衡；
· 相對開源軟件，對技術(shù)人員要求較低；
· 可以得到廠商可靠的技術(shù)支撐；
· 有利于使用混合云方式，即可以得到公有云的彈性，也得到私有云的安全性和經(jīng)濟(jì)性。
挑戰(zhàn)是：
· 需要精選供應(yīng)商，確保供應(yīng)商是主流供應(yīng)商，符合技術(shù)趨勢，滿足自己的要求。
根據(jù)Wikibon研究數(shù)據(jù)，全球大數(shù)據(jù)市場規(guī)模將從2018年的420億美元增長至2024年的840億美元，年復(fù)合增長率為12.3%，可見對商業(yè)解決方案的采用，也是行業(yè)趨勢。
綜上所述，對于大多數(shù)企業(yè)來說，使用商業(yè)產(chǎn)品自建數(shù)據(jù)分析能力，是不錯的一條路徑，而英特爾聯(lián)合VMware推出的數(shù)據(jù)混合云數(shù)據(jù)分析解決方案，可以避免重復(fù)投資，不但支持高級機(jī)器學(xué)習(xí)，而且還能為廣泛的工作負(fù)載提供統(tǒng)一的云操作模型，助力企業(yè)應(yīng)對數(shù)據(jù)分析和人工智能挑戰(zhàn)。
英特爾聯(lián)合VMware推出的數(shù)據(jù)混合云數(shù)據(jù)分析解決方案，結(jié)合了最新的英特爾硬件創(chuàng)新、VMware虛擬化軟件產(chǎn)品組合、容器編排和人工智能工具。英特爾推出的基于英特爾?至強(qiáng)?可擴(kuò)展處理器而優(yōu)化的深度學(xué)習(xí)堆棧，能夠加速數(shù)據(jù)分析應(yīng)用開發(fā)。英特爾將服務(wù)與經(jīng)過優(yōu)化的軟硬件相組合，幫助云服務(wù)提供商滿足人工智能的性能和擴(kuò)展要求，助力云服務(wù)提供商提升市場競爭力。
1. 解決方案優(yōu)勢
英特爾聯(lián)合VMware推出的數(shù)據(jù)混合云數(shù)據(jù)分析解決方案優(yōu)勢如下：
· 易于部署：使用深度學(xué)習(xí)參考堆棧和VMware Enterprise Pivotal Container Service (PKS) 部署的容器解決方案，快速、輕松地實施人工智能。
· 面向未來：VMware vSAN超融合基礎(chǔ)設(shè)施上的計算和存儲資源已準(zhǔn)備就緒，可以根據(jù)需要進(jìn)行橫向和縱向擴(kuò)展。
· 混合云友好：隨著業(yè)務(wù)需求的變化，工作負(fù)載可以部署到本地或公有云，也可以借助 VMware Cloud Foundation混合部署在本地和公有云。
· 加速推理：強(qiáng)大的計算能力加上集成了已經(jīng)過優(yōu)化的人工智能構(gòu)建模塊，該解決方案不但支持使用SQL和NoSQL數(shù)據(jù)庫的傳統(tǒng)企業(yè)級數(shù)據(jù)分析工作負(fù)載，還能夠加速推理工作負(fù)載，從而縮短獲取洞察的時間。
2. 云原生的深度學(xué)習(xí)堆棧，加速數(shù)據(jù)分析應(yīng)該開發(fā)
英特爾推出的深度學(xué)習(xí)堆棧，是基于英特爾?至強(qiáng)?可擴(kuò)展處理器而優(yōu)化的平臺，高集成度的高性能開源和容器化堆棧。該堆棧的開源社區(qū)版本旨在確保人工智能開發(fā)人員能夠輕松訪問英特爾?平臺的所有特性與功能。
3. 為廣泛的工作負(fù)載提供統(tǒng)一的云操作模型
英特爾提供了一個參考架構(gòu)，讓云服務(wù)提供商可以輕松地將人工智能功能添加到自己的云堆棧中，并針對深度學(xué)習(xí)做了指令層面的優(yōu)化。
Kubernetes可用于將人工智能工作負(fù)載編排到虛擬機(jī)，英特爾?至強(qiáng)?可擴(kuò)展處理器針對工作負(fù)載進(jìn)行了優(yōu)化。云服務(wù)提供商還可以自行選擇編排器，例如使用OpenStack代替Kubernetes。
英特爾與數(shù)據(jù)分析和AI相關(guān)的各種優(yōu)化特性能夠充分透傳給上層應(yīng)用。英特爾推出的DLBoost深度學(xué)習(xí)指令，專門用于加速AI運算。英特爾推出的OpenVINO (開放視覺推理及神經(jīng)網(wǎng)絡(luò)優(yōu)化) 軟件平臺是一個用于快速開發(fā)深度學(xué)習(xí)視覺應(yīng)用的工具包。英特爾MKL-DNN是一套開源的性能增強(qiáng)庫，能夠提高在英特爾架構(gòu)上運行的深度學(xué)習(xí)框架的速度。對于TensorFlow，英特爾和Google攜手合作以確保該框架能夠利用英特爾?至強(qiáng)?處理器平臺的硬件優(yōu)勢。
預(yù)計到2025年，數(shù)據(jù)量每12小時就會翻一番，作為企業(yè)CIO和CTO的IT領(lǐng)導(dǎo)者，必須建設(shè)數(shù)據(jù)分析能力以提高企業(yè)競爭力。數(shù)據(jù)分析能力需要考慮速度、彈性及投資回報率（ROI）。英特爾聯(lián)合VMware推出的混合云數(shù)據(jù)分析解決方案，兼容已有的VMware私有云投入，由于有硬件的加速和優(yōu)化，讓數(shù)據(jù)分析速度可以提升數(shù)十倍，利用公有云和私有云的彈性，在性能和成本之間實現(xiàn)平衡，充分利用資源效率，能夠獲得高投資回報率。英特爾人工智能參考架構(gòu)能為廣泛的工作負(fù)載提供統(tǒng)一的云操作模型，讓云服務(wù)提供商可以輕松地將人工智能功能添加到自己的云堆棧中。使用英特爾優(yōu)選方案，企業(yè)將進(jìn)入從數(shù)據(jù)分析到人工智能的快車道。
聯(lián)系客服
