论文部分内容阅读
过去的5年，云计算改变了数据中心！
未来的5年，AI将继续改变数据中心！
但是，随着数据量的持续迅猛增加，以及AI的快速崛起，云计算不仅仅是革传统计算的命，同时云计算本身也处于实时进化之中。如今，它的下一个演进方向已经十分明确——就是智能化。因此，今天才会有这么多云计算厂商加紧布局人工智能，阿里云、百度云、UCloud等都在这样做。
未来，云计算、大数据和AI之间的界限可能会越来越模糊，作为一个整体为企业的数字化转型提供支撑，也将拥有更多的可能性和想象空间。
UCloud的“CBA”
继德国工业4.0之后，我国也提出了“中国制造2025”，人工智能如今已经上升为国家战略。以前，我们谈论最多的是“互联网 ”“云计算 ”，现在则要深入研究“AI ”，让各行各业可以依托智能实现自身的转型升级。先来看看各厂商在“AI ”方面动了哪些脑筋。2016年，亚马逊推出了AI产品线，首批产品包含实现文本到语音转换的Amazon Polly、基于深度学习的图像和人脸识别服务Amazon Rekognition，以及可编写自然人机交互的Amazon Lex。阿里云则发布了可视化人工智能平台 DTPAI，并在物联网、智能家居等领域广泛布局。百度则在语音、视觉、自然语言与智能语义、自动驾驶、深度学习等众多方面进行探索，并提出了“ABC”战略。
众所周知，A就是 AI，B代表大数据，C则是云计算。上文已经提及，现在主流的云服务商几乎都采取了融合的策略，也就是“A B C”，但是从三项内容的排列顺序不同，也可以看出厂商的定位和发展策略的差异。
百度云的策略是“ABC”，显然在这三项中，AI是最能体现百度云的差异化竞争优势的，云计算和大数据都是为百度云的AI战略服务的。百度云对自己的定位是，以人工智能为中枢，以大数据为依托，以云计算为基础。
而很早就在AI领域开始布局的UCloud，其战略也是云计算、大数据和AI三者融合，不过顺序略有变化，不是“ABC”，而是“CBA”，两者的不同之处又体现在哪里呢？
UCloud在2017年初正式发布了“CBA”三位一体的发展战略。3月，UCloud又宣布获得了9.6亿元D轮融资。UCloud计划将这笔资金主要用于引进高端研发人才，加强全球范围内的基础设施建设，同时布局人工智能领域。
成立于2012年的UCloud是国内最早一批投身云计算行业的原生云服务商，定位于国内专业领先的公有云服务商，第三方市场分析机构的统计数据显示，它已经进入了中国公有云市场前三，当前为近5万家企业级客户提供服务。在打下一个良好基础的前提下，UCloud需要更上一层楼，这就需要一个新的抓手。
工业和信息化部的数据显示，2017年，中国云计算产业规模有望达到6000亿元，2018年更有可能突破8000亿元。中国云计算市场规模不断扩大，也吸引着更多竞争者的加入，除了互联网厂商、IDC以外，一些传统IT厂商，比如华为、Oracle也进入了公有云市场，还有一些房地产商、大型传媒公司、大型制造企业等也对云服务市场虎视眈眈。如果不能尽快形成自己的差异化竞争优势，想在公有云市场立足将难上加难。这也促使UCloud不断求变，而AI的兴起正好提供了一个契机。
百度云谈的是All in AI，AI是其核心，而云是AI的一个支撑能力。UCloud联合创始人兼COO华琨表示，UCloud是一家云服务商，所有业务和发展思路围绕云计算展开，云计算是IT基础架构，是最底层的支撑，而AI是其上的一种应用。AI、大数据都是促进云计算发展的驱动力。UCloud致力于AI应用在各行各业的落地。
AI的坚强后盾
AI正如沐春风！不同的技术领域、不同的行业都在热烈地谈论AI，让人感觉AI是不是被炒作过头了？华琨并不赞同，他认为AI正在逐步落地，现在关键要解决的问题是找到AI适合的应用场景，这当然还有很长一段路要走。
UCloud率先从云安全方面找到了突破口，比如UCloud今年发布了“安全屋”这个产品。传统企业或者政府对数据比较敏感，以往AI公司需要将算法工程师派驻到这些企业或机构中，数据在一个安全的私有环境里，通过专门搭建的训练集群进行处理、分析、加工和交付，这一过程非常耗时耗力。现在有了“安全屋”，用户只要把数据通过加密的方式上传到“安全屋”中即可，AI公司在“安全屋”中使用这些数据，而不能拿走数据，从而确保了安全，也提升了效率，赢得了用户的信任。这是一个非常典型的AI应用场景。
UCloud不仅提供基础的IaaS平台计算能力和存储产品，而且提供面向模型在线服务的PaaS平台UAI Service，以及面向模型训练的大规模分布式训练平台UAI Train，多个产品覆盖了AI领域从模型部署到模型训练的全需求。华琨表示，UCloud AI产品的优势集中体现在中立性、重视数据安全性，以及超高的性价比。
今年8月，由创新工场联合搜狗、今日头条发起的“AI Challenger全球AI挑战赛”正式启动，UCloud作为大赛唯一的AI GPU合作方，将为大赛独家提供AI模型训练服务。UAI-Train是面向AI训练任务的大规模分布式计算平台，基于UCloud性能强大的GPU云主机集群构建，具有高达48TFlops的单精度计算能力，为AI训练任务提供充足的计算能力。UAI-Train平台提供托管式的训练服务，用户无需担心计算节点调度、训练环境准备、数据上传下载和容灾等问题。AI训练服务按照实际计算消耗付费，收费灵活、便捷，无需担心资源浪费。
融入了AI的云基础服务，大幅降低了计算的成本，提升了计算效率，同时解决了让算法工程师头痛的工程类应用的效率和管理問题，更好地保障了数据安全，让私密的数据样本可以在互联网的在线环境中得到充分使用。“在AI方面，我们的定位与BAT不同。BAT主要在研究各种AI应用，比如人脸识别、语音识别、自动驾驶等。他们做的这些AI应用与AI公司是有竞争的。而AI公司在选择云基础设施服务商时，更倾向于那些具有中立性的。”华琨表示，“UCloud提供的是一个上不碰应用、下不碰业务的中立的AI服务平台。我们要为AI公司提供良好的基础设施和服务，这是第一步。”
随着AI产品和服务平台的逐步完善，UCloud也在践行着让AI在行业快速落地的梦想，深挖AI领域的标杆客户，格灵深瞳就是其中具有代表性的一个。
格灵深瞳在金融安防、智能交通等行业累积大量了数据。接下来，格灵深瞳意欲开拓商场、超市等连锁企业，为他们提供智能视频监控解决方案。因此，格灵深瞳迫切需要GPU提供在线服务的计算支持。
格灵深瞳原先自建的机房深度学习训练平台使用单机8卡（GTX 1080Ti）的GPU物理机。迁移到UCloud云上之后，选择UCloud的单机4卡（P40）GPU物理机 单机4卡（P40）GPU云主机，训练数据三副本存放在UCloud提供的3台万兆网络环境的SSD物理机上，保证了资源层弹性伸缩和存储层的可靠性。接下来，UCloud还将帮助格灵深瞳解决其模型训练场景存在的一系列工程性难题。
形成良性循环
在过去一年中，Intel陆续收购了Saffron、Itseez等多家公司，有意将战略重心向深度学习和人工智能领域转移。Intel致力于打造一个智能的互联平台，它需要更多像UCloud这样的合作伙伴，不断丰富和完善这一平台。正是基于此，双方继续深化战略合作关系，在提升数据中心的存储能力、计算能力，以及网络传输、软件优化等方面展开全面合作。
“AI公司只要深入理解行业客户的需求，并且把算法做好，剩下的事情都可以交给我们来完成。我们提供持续优化的IaaS和PaaS服务，实现资源的规模化、集约化，同时降低成本。我们提供的平台和服务，可以将AI公司从繁琐的基础设施建设和运维工作中解放出来，为其研发和创新提供支撑平台。”华琨表示，“AI市场足够大，而且它不是一个独立存在的细分市场，将渗透到各行各业中。作为云计算服务商，我们必须具备相应的能力，去满足这种需求足够大，且有通用性需求的场景。”
没有经济基础，哪里来的上层建筑？今天的云计算与AI的关系就有点像是下层基础与上层建筑。云计算是一种基础架构，是AI的载体。当AI被应用到各行各业中，又反过来产生了对基础架构和计算能力的旺盛需求，从而促进云计算更好地发展。这就形成了一个良性循环。
未来的5年，AI将继续改变数据中心！
但是，随着数据量的持续迅猛增加，以及AI的快速崛起，云计算不仅仅是革传统计算的命，同时云计算本身也处于实时进化之中。如今，它的下一个演进方向已经十分明确——就是智能化。因此，今天才会有这么多云计算厂商加紧布局人工智能，阿里云、百度云、UCloud等都在这样做。
未来，云计算、大数据和AI之间的界限可能会越来越模糊，作为一个整体为企业的数字化转型提供支撑，也将拥有更多的可能性和想象空间。
UCloud的“CBA”
继德国工业4.0之后，我国也提出了“中国制造2025”，人工智能如今已经上升为国家战略。以前，我们谈论最多的是“互联网 ”“云计算 ”，现在则要深入研究“AI ”，让各行各业可以依托智能实现自身的转型升级。先来看看各厂商在“AI ”方面动了哪些脑筋。2016年，亚马逊推出了AI产品线，首批产品包含实现文本到语音转换的Amazon Polly、基于深度学习的图像和人脸识别服务Amazon Rekognition，以及可编写自然人机交互的Amazon Lex。阿里云则发布了可视化人工智能平台 DTPAI，并在物联网、智能家居等领域广泛布局。百度则在语音、视觉、自然语言与智能语义、自动驾驶、深度学习等众多方面进行探索，并提出了“ABC”战略。
众所周知，A就是 AI，B代表大数据，C则是云计算。上文已经提及，现在主流的云服务商几乎都采取了融合的策略，也就是“A B C”，但是从三项内容的排列顺序不同，也可以看出厂商的定位和发展策略的差异。
百度云的策略是“ABC”，显然在这三项中，AI是最能体现百度云的差异化竞争优势的，云计算和大数据都是为百度云的AI战略服务的。百度云对自己的定位是，以人工智能为中枢，以大数据为依托，以云计算为基础。
而很早就在AI领域开始布局的UCloud，其战略也是云计算、大数据和AI三者融合，不过顺序略有变化，不是“ABC”，而是“CBA”，两者的不同之处又体现在哪里呢？
UCloud在2017年初正式发布了“CBA”三位一体的发展战略。3月，UCloud又宣布获得了9.6亿元D轮融资。UCloud计划将这笔资金主要用于引进高端研发人才，加强全球范围内的基础设施建设，同时布局人工智能领域。
成立于2012年的UCloud是国内最早一批投身云计算行业的原生云服务商，定位于国内专业领先的公有云服务商，第三方市场分析机构的统计数据显示，它已经进入了中国公有云市场前三，当前为近5万家企业级客户提供服务。在打下一个良好基础的前提下，UCloud需要更上一层楼，这就需要一个新的抓手。
工业和信息化部的数据显示，2017年，中国云计算产业规模有望达到6000亿元，2018年更有可能突破8000亿元。中国云计算市场规模不断扩大，也吸引着更多竞争者的加入，除了互联网厂商、IDC以外，一些传统IT厂商，比如华为、Oracle也进入了公有云市场，还有一些房地产商、大型传媒公司、大型制造企业等也对云服务市场虎视眈眈。如果不能尽快形成自己的差异化竞争优势，想在公有云市场立足将难上加难。这也促使UCloud不断求变，而AI的兴起正好提供了一个契机。
百度云谈的是All in AI，AI是其核心，而云是AI的一个支撑能力。UCloud联合创始人兼COO华琨表示，UCloud是一家云服务商，所有业务和发展思路围绕云计算展开，云计算是IT基础架构，是最底层的支撑，而AI是其上的一种应用。AI、大数据都是促进云计算发展的驱动力。UCloud致力于AI应用在各行各业的落地。
AI的坚强后盾
AI正如沐春风！不同的技术领域、不同的行业都在热烈地谈论AI，让人感觉AI是不是被炒作过头了？华琨并不赞同，他认为AI正在逐步落地，现在关键要解决的问题是找到AI适合的应用场景，这当然还有很长一段路要走。
UCloud率先从云安全方面找到了突破口，比如UCloud今年发布了“安全屋”这个产品。传统企业或者政府对数据比较敏感，以往AI公司需要将算法工程师派驻到这些企业或机构中，数据在一个安全的私有环境里，通过专门搭建的训练集群进行处理、分析、加工和交付，这一过程非常耗时耗力。现在有了“安全屋”，用户只要把数据通过加密的方式上传到“安全屋”中即可，AI公司在“安全屋”中使用这些数据，而不能拿走数据，从而确保了安全，也提升了效率，赢得了用户的信任。这是一个非常典型的AI应用场景。
UCloud不仅提供基础的IaaS平台计算能力和存储产品，而且提供面向模型在线服务的PaaS平台UAI Service，以及面向模型训练的大规模分布式训练平台UAI Train，多个产品覆盖了AI领域从模型部署到模型训练的全需求。华琨表示，UCloud AI产品的优势集中体现在中立性、重视数据安全性，以及超高的性价比。
今年8月，由创新工场联合搜狗、今日头条发起的“AI Challenger全球AI挑战赛”正式启动，UCloud作为大赛唯一的AI GPU合作方，将为大赛独家提供AI模型训练服务。UAI-Train是面向AI训练任务的大规模分布式计算平台，基于UCloud性能强大的GPU云主机集群构建，具有高达48TFlops的单精度计算能力，为AI训练任务提供充足的计算能力。UAI-Train平台提供托管式的训练服务，用户无需担心计算节点调度、训练环境准备、数据上传下载和容灾等问题。AI训练服务按照实际计算消耗付费，收费灵活、便捷，无需担心资源浪费。
融入了AI的云基础服务，大幅降低了计算的成本，提升了计算效率，同时解决了让算法工程师头痛的工程类应用的效率和管理問题，更好地保障了数据安全，让私密的数据样本可以在互联网的在线环境中得到充分使用。“在AI方面，我们的定位与BAT不同。BAT主要在研究各种AI应用，比如人脸识别、语音识别、自动驾驶等。他们做的这些AI应用与AI公司是有竞争的。而AI公司在选择云基础设施服务商时，更倾向于那些具有中立性的。”华琨表示，“UCloud提供的是一个上不碰应用、下不碰业务的中立的AI服务平台。我们要为AI公司提供良好的基础设施和服务，这是第一步。”
随着AI产品和服务平台的逐步完善，UCloud也在践行着让AI在行业快速落地的梦想，深挖AI领域的标杆客户，格灵深瞳就是其中具有代表性的一个。
格灵深瞳在金融安防、智能交通等行业累积大量了数据。接下来，格灵深瞳意欲开拓商场、超市等连锁企业，为他们提供智能视频监控解决方案。因此，格灵深瞳迫切需要GPU提供在线服务的计算支持。
格灵深瞳原先自建的机房深度学习训练平台使用单机8卡（GTX 1080Ti）的GPU物理机。迁移到UCloud云上之后，选择UCloud的单机4卡（P40）GPU物理机 单机4卡（P40）GPU云主机，训练数据三副本存放在UCloud提供的3台万兆网络环境的SSD物理机上，保证了资源层弹性伸缩和存储层的可靠性。接下来，UCloud还将帮助格灵深瞳解决其模型训练场景存在的一系列工程性难题。
形成良性循环
在过去一年中，Intel陆续收购了Saffron、Itseez等多家公司，有意将战略重心向深度学习和人工智能领域转移。Intel致力于打造一个智能的互联平台，它需要更多像UCloud这样的合作伙伴，不断丰富和完善这一平台。正是基于此，双方继续深化战略合作关系，在提升数据中心的存储能力、计算能力，以及网络传输、软件优化等方面展开全面合作。
“AI公司只要深入理解行业客户的需求，并且把算法做好，剩下的事情都可以交给我们来完成。我们提供持续优化的IaaS和PaaS服务，实现资源的规模化、集约化，同时降低成本。我们提供的平台和服务，可以将AI公司从繁琐的基础设施建设和运维工作中解放出来，为其研发和创新提供支撑平台。”华琨表示，“AI市场足够大，而且它不是一个独立存在的细分市场，将渗透到各行各业中。作为云计算服务商，我们必须具备相应的能力，去满足这种需求足够大，且有通用性需求的场景。”
没有经济基础，哪里来的上层建筑？今天的云计算与AI的关系就有点像是下层基础与上层建筑。云计算是一种基础架构，是AI的载体。当AI被应用到各行各业中，又反过来产生了对基础架构和计算能力的旺盛需求，从而促进云计算更好地发展。这就形成了一个良性循环。