联想毕巍：大数据本质场景未变 突破在于底层技术

联想怎么看待这件事的？我们认为这里面有四个要素，我们这是指2B，2C的我们不敢妄论，我觉得在今天2CBAT是最专业的领域，在2B领域里，我们看到四要素我们把它叫做ABCD，基本上我们把它称之为A是算法，这是一个基石、一个基础，然后B是行业。其实最近一段时间感悟，我这边和团队还是非常深的，比如说我们前段时间在跟招行在谈供应链金融，我们自己作为核心企业我们自己也有供应链金融的平台，在这个当中，他们要用去快链实现供应链金融，分布式账本这种方式来解决一些传统的供应链金融当中的一些问题。我们就很明确地看到，对供应链金融，我们作为核心企业，我们本身的busniess insite我们知道它整个的操作模型，以及知道这里边的分控本质是什么，我们对我们的上下游企业做金融服务的时候，我们的整个分控本质是什么、我们这里边的授信的关键点在哪里，我们作为核心企业我们自己把这个东西讲得很清楚的时候，我们对我们的银行用户去提供这个解决方案的时候就是完全不一样的。

人人都可以讲去快链，但是能够从真正地供应链实践当中，供应链金融的实践当中去谈去快链的应用场景，这个要做2B生意的话，必须都有一个非常清晰的行业授信和行业专家团队。然后算法科学家其实是一个后端的支撑，前端是行业专家，行业专家和算法科学家组合在一起以后，你才能够变成一个有效的、有意义的模型，然后再送到大量的数据里边，ABCD的D是数据，大量的数据里边去做深度学习、做算法chaning（19：40英文），才能够去打磨这个模型，让这个模型变得有意义。

所有的这一切，其实都离不开C计算力。我们之所以在最近这几年突然发现这件事可行了，其实这里边的关键还是一个计算力，我建议尤深的是，我毕业设计的时候做有限元算法，去做一个电子厂里边的一个计算，那个年代很早，90年代初，那个时候还用的是8086的ST的机器，算了三天都没有结果。有限元的算法其实很有意思的一件事，就是容易发散，如果你发散了，你自动模型肯定就是失效了，你要受点才有价值。但是你算到三天的时候我并不知道到底是我发散了还是算不出来。后来好不容易争取到教授的支持，跑到他的机房里边用那时候系里边唯一一台386去计算，半天算出来了，终于知道说这个算法还是可以的。所以这当中我们可以看到，从今天来看386已经是淘汰的不要再淘汰了，可能都不如我们的手机，但是从今天来看，你要做很多深度的chaning（20：59英文）的话，其实计算力是很重要的。

在过去的一年当中，联想在这块也是架构在我们的HPC的基础上，我们原来的HPC大家都知道，主要是做科学计算的，上次我们跟张老师我们在今年上半年的时候也探讨过这个问题，现在我们已经让我们的HPC的平台能够去调度AI的算法库，然后去调度AI的分布式的计算。所以这都是目前这四个要素，我们认为是做2B的大数据人工智能的关键要素。

好，接下来我们拿几个实践的场景，向大家汇报我们近两年的一些心得，供大家参考。

第一个就是政务大数据，政务大数据我觉得这里边目前还没有太多的技术上的亮点，后面我们可能在其他一些行业里边会看到有很多的亮点。但是包括我们的创投企业、包括我们自己的大数据团队，在这当中其实是有一个比较重要的实践供大家参考，尤其是今天可能在座的还有城市的主管者。其实要打破居委办之间的数据壁垒，还依然是任重道远的，我们现在目前在实践当中，也在尝试一条路，也确实这条路已经走成功了，就是数据还是分布式的，不出居委办，不要做集中式的存储，但是计算任务我们是分布式去计算，可能是在一个总的大数据平台里边可以做统一的算法、统一计算任务的这种管理，然后把计算任务拆掉，拆完以后分到各位居委办真正的数据平台上去做本地的计算。然后汇聚到政务大数据平台上的，它不再是原始数据，它可能是已经经过第一轮加工完以后的结果数据，这样来保证各个居委办之间的数据它还是有一个相对的安全性。

所以这块地方，现在目前来看，政治大数据现在目前推进的过程其实也是不容易的，这个不容易更多的不在于技术、不在于应用场景，我们后面会讲到，我们后面很多的企业的场景其实更多的它是在一些技术上的突破或者应用场景上的突破，而政务大数据最大的压力还是在于数据壁垒，所以这个数据壁垒如果能够得到有效突破的话，我们相信政务大数据一定会迎来一拨春天。

在整个的城市当中，交通，尤其是大型城市交通可能是一个非常重要的大家关注的议题。我们跟我们的被投企业—深圳智慧交通设计院共同走过了一段历程，这个历程其实就以深圳的深南大道为例，它在整个的道路上布了很多的sensor（24：28英文音），包括它的信号控制灯、包括它下面地面预埋的一些sensor，包括它路边的一些sensor和它的一些摄像头。所有的这些信息汇聚到大数据平台上以后，它后端其实做的是一个仿真的模拟，这个仿真模拟它既有一个宏观的仿真、也有微观的基于AI仿真的模拟。

以深南大道改造为例，它这边各种各样的数据源集中在一起以后，其实第一件事他要做的事情，就是找到它里面的拥堵源，这个拥堵源不仅仅是，比如说整个深南大道在拥堵，那它这里边要去分析有哪些支道、有多少车流量导致了整个深南大道在什么时间段会发生一个重大的拥堵。在这种情况下，它要去通过一些AI的算法来判断哪些支流的车流量或者路口是引起整个主干道拥堵的主要原因，这是第一步。第二步是在这个基础上人工介入，人工介入去做一些优化改造的忙按。第三步又回到了平台上，这些优化改造的不同的方案，它可以去做semenlation（25：50英文），然后通过这个来帮助你看它改造后的效果。

在深南大道这次改造当中，其实当时一开始市政府这边想的是一个比较大规模的改造，但是通过这样的分析和semenlation之后，他们发现只是一个到两个小路口的一些局部改造，就可以大规模地改善整个的拥堵状况。因此，做了这样一个科学决策以后，使得它原来做的一亿多的改造预算，最后花了一千三百万，就基本达到了它的效果。这是人工智能与大数据平台加上仿真平台结合起来，在实践当中、在城市管理当中、城市治理当中的一个实践的应用。

另外，我跟大家汇报一下，这个项目还没有做完，正在执行当中，我相信各个城市的主管者可能也会关心，某一个大型市他们的主管安全生产的市长、副市长，在全市工地上面布了上万个摄像头的情况下，它的安全事件年比年没有明显改善，所以承受了巨大的压力。做了一些深度的调研以后，发现主要的原因在哪里？就是安全员不够，你建筑公司没有这么多的安全员，可以天天坐在这些摄像头面前、视频面前来判断。在这当中其中有一家建筑公司它的信息化做得比较好，他们提出用科技手段来出生产力，来取代安全员的作用。所以在这个当中，我们有机会介入，它的场景是什么？它的场景其实很简单，他们大概总结提炼了200多个典型的不安全的场景。

（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!