联想毕巍：大数据本质场景未变 突破在于底层技术

毕巍表示，纵观当前大数据产业的发展，大数据的场景出来以后，它本质上并没有改变原有应用场景的套路，根本的变化和突破在于实现的技术手段、计算力以及数据量。随着AI的引入与大数据技术的融合，这种突破性的转变才真正得以彰显。

9月27日，第二届大数据产业应用协同创新峰会在北京丽亭华苑召开。联想集团数据中心业务集团中国区首席架构师毕巍在会上做了《大数据与AI助力传统行业数字化转型》的主题分享。

毕巍表示，纵观当前大数据产业的发展，大数据的场景出来以后，它本质上并没有改变原有应用场景的套路，根本的变化和突破在于实现的技术手段、计算力以及数据量。随着AI的引入与大数据技术的融合，这种突破性的转变才真正得以彰显。

同时，毕巍强调，实际上到今天为止，我们的AI本质上还没有改变应用场景的本质，它其实就是算法加数据的驱动，才能够让这个算法落地。

而对于联想的实践来说，基本上分成两块领域，一块领域是面向城市的、一块领域是面向企业的。这两块领域里，从应用场景和行业属性角度讲，它还是存在比较大的差异。但从背后的技术基理角度来说，其实它共享的是同一套技术基理。

所以，从我们的实践角度来讲，我们看到人工智能与大数据的结合，大数据实现的是大量的数据以及基于这些数据量上面的实时分析。从前面的角度可以看到，人工智能与大数据结合的分工是非常明确，如果你建模完成后，你要靠人工智能做算法以及模型的打磨，但实时的监测、实时的模式识别，最终还是放在大数据平台上。

以下是主题演讲速记：

各位领导、各位嘉宾、各位专家上午好，首先非常感谢协会邀请联想我们来参加今天这个峰会。大数据在过去的几年当中应该是如火如荼，今天重点可能不是放在技术上面，我想重点放在应用场景上面。

在整个的大数据领域里边，其实最早得到广泛应用的应该说还在互联网2C的领域里边，这两年在2B的领域里边，应该说得到了一些比较重要的突破。联想在过去三年的实践我们基本上有一个感悟，这个感悟是什么？差不多大概是在去年的时候，我们觉得在2B的应用场景当中，真正地找到了一些落地的使用价值的感受，这当中的一个转折点在哪里？这个转折点我们看到的情况，如果我们简单地大到至简，简单地去看这个问题的话，大数据整个的应用场景和十年前著名的BI的例子，其实本质上并没有太大的差别。我们大概十五年前就一直在被BI这边的一些故事，经营在这些故事当中，注明在超市里面去买啤酒的时候，通常一个男生到超市里面去买啤酒，他可能会带着尿片，我相信这样的一个数据的应用价值的神话，我相信我们已经听了十五年了。

大数据的场景出来以后，它本质上并没有改变这样的一个本质上应用场景的套路、它的下面，只是说它的技术手段、它的计算力、它的数据量，在当年BI的场景下面有了重大突破，但是它本质上并没有改变这样的应用场景。

什么时候让我们感受到有一些重大突破呢？我觉得是AI的引入，大概在前年年底到去年实实在在的一些AI技术的引入跟大数据技术的结合，才让我们感受到说跟十五年前、跟十年前或者跟五年前是有一些比较大的差别。所以我今天这边跟大家分享一些我们过去一年半，我们AI的引入大概是在两年前，实实在在落地的话大概是在一年半前，这一年半左右的时间当中，AI与大数据的结合，让我们感受到它的实用价值比纯大数据要大很多，这就是我们过去两年左右实践当中的感悟。

今天也非常有幸，我们把这些实践带过来向各位汇报一下，向各位专家汇报一下。其实我们从各方面的材料当中和市场分析、各方面的趋势可以看到，原来我们讲的经济增长极、主要的生产力要素，从今年年初角度来讲，越来越多的行业里边的专家，整个经济学界的专家将人工智能当做第四个生产要素。刚刚看到这些研究报告的时候，我本人其实是不屑一顾的，我觉得这有点忽悠，但是经历了过去一段时间的实践，确实感受到人工智能在这个领域里边确实产生了一些催化剂的作用。

当然了，前一段时间，我们上周在济南的时候，联想举办了一场创新科技大会，会上有很多的媒体记者，大家都知道媒体都是喜欢这种炒作、各种各样的话题，对他们来说只要有炒作价值的才是有效应的，所以将人工智能当做一个非常神秘的话题在谈。我当时非常简明扼要地告诉他们，其实到今天为止人工智能还是一个野蛮搜索为主的一个本质，其实真正我们广义上讲的人工智能，在今天还是远没有实现。我们现在目前真正突破的地方，我认为就是两个点，一个点其实是模式识别，不管是各种各样的模式识别，从图象的模式识别，包括脸部、包括各种场景的模式识别，到视频流上面的识别，到我们这里面自然语言的识别，到行为模式的识别，其实本质上都是模式识别；另外一点就是知识图谱，我现在这边看到的情况，模式识别目前的应用价值已经非常明确了，我们现在看到的场景是说，模式识别加深度学习加上我们的前台大数据应用，加上AI、BI，已经在实践当中找到了很多的落地场景，待会我带了几个案例跟大家分享一下。

但是知识图谱这件事，到今天为止可能还相当于模式识别三年前的状况，还在摸索，它可能是非常有价值，但是它整个的落地场景，我们现在目前感受到还没有这么solite（英文音），可能的原因是跟数据量、可能的原因是跟整个的机器数量法的chaning（06：11英文），可能还需要更多的数据、更多的时间、更多实践的场景去验证。

我们举例而言，比如说我们脸部识别，比如说你的脸部90多个点、90个点，我忘记了，大概在一万个人当中你就一定会有一次重复，现在目前做得比较好的，联想现在目前投资了face++，face++这边他们可能是，我记得应该是三个版本107个点还是多少，大概十万个人群当中会有一次重复，然后它最新的推出还是说它的竞争对手推出的127个点，基本上全球的人口都不会出现重复。所以大家可以看到说，在这个当中其实它的本质还是非常清晰的本质，它的本质主要就是一个数据量、主要就是当中的一个介模深度学习，从这些角度来看到的。

在这个当中，我们同样地可以看到，联想投资的另外一家，也是中科院体系的公司—银河水滴，他们做的是步态识别，到现在为止我们在应用场景当中发现，相对来说没有像face++这样成熟度这么高，其实原因很简单，脸部识别现在目前它的数据库、数据量比较大，步态识别它采样的成本比较高，现在目前为止，还有一个数据量的积累过程。

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!