（请严格按照回复示例进行回复，如回复格式不对，将不予奖励，谢谢）回复示例：华为云账户名：XXXX课程完成截图：（必须 包含课程名称、华为云账户名和完成进度条）请按照以上要求，在本课程下回帖。

华为公有云 ModelArts体验活动测评报告非常有幸成为华为云ModelArts的体验官。华为ModelArts的定位就是面向不同能力的开发者，减低了AI的门槛，让更多的处业人员加入到AI的落地应用之中，达到一个普惠AI的场景。本人当前也在研究AI的技术，不过自己在这方面还属于小白。这回通过动手的实际操作对华为的AI产品有了一个比较深的认识。本回操作的内容是使用Notebook实现手写数字识别。整个项目流程:1.  体验过程以***验过程中提出的问题仅仅代表个人观点，欢迎各位专家一起探讨。 华为云官网对各个浏览器的兼容性不是太理想，应用360浏览器及低版本的IE浏览器总出现网页无法打开的现象，最好使用Google浏览器进行操作。 进入ModelArts主页，有几个视频很直观，这个比较赞，尤其那个热带雨林的案例真的很好，触动很大。然后点开预付套餐包，里面的选项没有提示性说明，自动学习的场景等，不知道如何进行套餐包的选取，建议加上点提示信息。点立即使用，有一个总览界面，这里可以看到AI全流程的情况，这里提示了一些计费情况，现在的状态是0计费中，不知道是不是这个状态就不产生任何费用了，感觉要训练的作业还有要部署的任务是占用一部分资源的（当然要是真没有费用那就更好了）。按照文档进行实际的操作，首先创建OBS，这个OBS产品现在做的真不错，而且功能也在不断的加强，开始时是不支持以拖拽的方式进行文件的上传，现在可以在网页上进行少量小文件的上传，对于大量及大文件的上传还是建议使用OBSBrowser上传。在AI市场进行数据集的导入，这里可以使用一些预置好的数据集以及一些功能进行使用，而且这里面的一些场景真的可以用到不同的领域之中，也希望这个生态能越来越好。创建训练作业，这里有一些预制的算法不太了解，同种场景之下不知道如何取舍，是不是可以给出几个维度进行解释一下？当然这里我们的算法来源是自己的OBS中的。现在的操作说明需要更新，好多信息已经对不上了，这种体验不够好。比如文档中的AI引擎而现在是工作环境。建议文档更新及时。然后就是进入notebook-mnist进行数据准备与模型训练，平台已经把所有的环境都进行了集成，如果要是自己在本地进行环境搭建的确是一个令人头疼的事情。进入到项目中进行路径的修改，然后开始模型的训练，可以看到每一步的训练结果，并根据结果进行程序的修改。因为之前的AI引擎选取错误，导致模型运行失败，重新进行了AI引擎的选取，进行了模型的预测，得出了手写数字的识别，并得到了正确结果。之后又进行了其他的操作，体验了一下全流程，从开发环境，到训练作业，再到模型部署，最后到部署上线的全流程，并得到了预测的结果，这个流程很清晰，也很方便，值得推荐的就是训练作业中的溯源图，可以很清晰的看到整个模型训练的过程。非常直观。在进行模型训练的过程中遇到过资源不足，需要进行等待的情况，然后就看了一下专属资源，找了一下ECS同型号的机器，不知这两款是否一样，价格差了好多，不知道是否可以自己在ECS中选取，然后加载镜像环境还进行这个ModelArts的模型训练。在训练作业中可以看到整个运行的日志，以及资源的占用情况，这里有一点点小建议，因为这个Notebook在运行时会有一定的资源占用同时会产生费用，有的时候可能一个训练要跑好久，时间长了也不去看，即使训练结束了也忘了进行训练的停止，建议在资源占用情况变低并持续一段时间后，可以进行消息推送，来提示用户，训练结束或者训练出现问题。让用户及时的发现，避免资源的浪费。华为ModelArts的Notebook和阿里云的PAI Notebook的使用过程大体是一样的这个我感觉没有什么太大区别。可能阿里云在变量处理上更为直观，可以看到里面的逻辑关系。以上为这次的体验结果以及个人的一点意见，希望各位专家批评指正。 账号名: fjqsun微信昵称：@~@2019.07.26

近日，华为云发布了智能边缘市场2.0，包括边缘应用中心和边缘硬件中心两大模块。华为云智能边缘市场2.0是在智能边缘平台IEF基础上构建的开发者、边缘硬件提供商、ISV以及系统集成商的生态社区，提供边缘应用（如AI推理模型、IoT数据接入、消息中间件）、边缘硬件、边云协同解决方案案例等内容共享功能，为边缘应用开发商、解决方案集成商、企业及个人开发者等群体，提供安全、开放的边缘计算产业的共享环境，有效连接边缘计算开发生态链各参与方，加速边缘计算解决方案产品的开发与落地。 边缘应用中心：发布及订阅边缘应用众所周知，完整的边云协同解决方案在边缘会由许多独立功能组成，可能会包括不同的业务逻辑，比如:l  提供数据分析框架，如流计算、时序数据库等，在边缘进行数据清洗以及可视化处理；l  在边缘节点上执行高价值AI推理模型，例如图像识别、视频分析、文字识别；l  提供边缘消息总线，如MQTT Broker等；l  从使用OPC-UA、Modbus等特定协议的设备读取数据，满足工业设备的数据接入需求；对解决方案集成商来说，其对边缘应用的能力并不专业，同时也不想花时间自己编写这些功能，边缘应用中心的发布给解决方案集成商带来了福音！边缘应用开发商可以在边缘应用中心认证自己的账号并进行信用经营，开发商可以将自己的应用打包为Docker镜像并发布到市场，同时可以为自己的应用指定不同的发布权限与License控制并授权给指定用户使用，可以为其添加画像属性，方便买家用户快速定位目标。这些发布的应用将会经过质量认证，并针对安全漏洞进行扫描，保证其的稳定性和安全性。这样，解决方案集成商从边缘应用中心选择自己的需要的边缘应用，一键快速部署到边缘节点，可以让边缘计算生态系统中的解决方案集成商能快速构建端到端解决方案，及时响应市场需求，快速推进项目落地，把握住商业机会。智能边缘市场已上架多种边缘应用，如多种视频分析AI算法(人脸识别、热力图、入侵检测、人员徘徊等等)、边缘时序数据库、边缘流计算Flink、ROMA site、边缘区块链、Modbus连接器、OPC-UA连接器等等。另外，还将与EMQ等公司合作，未来提供更多的边缘中间件。边缘硬件中心：促成硬件提供商与解决方案集成商双赢边缘硬件中心的主要功能是硬件提供商可以发布与IEF兼容的硬件产品，边缘计算解决方案集成商可以在边缘硬件中心选择适合自己场景的边缘硬件。边缘硬件中心的硬件将覆盖服务器、工控机、工业网关、开发板等类型，硬件架构覆盖X86、ARM，可以满足大部分客户的诉求。边缘硬件中心将会给硬件提供商提供IEF兼容性测试的测试套，一键完成认证与上架。这样，无论对硬件提供商还是集成商都是双赢的局面。目前，华为云智能边缘平台IEF已成为边云协同解决方案的标准方案，并已经逐步在智慧园区、智能制造、物流、智慧城市、水利等场景进行大规模应用。未来，华为云还将发布边云协同解决方案案例模块，方便客户快速选择适合自己的方案，快速实现项目落地。参加2019华为开发者大赛边缘计算赛道，引爆无限可能 报名地址：https://developer.huaweicloud.com/competition/competitions/1000000102/introduction详情请访问智能边缘市场: https://console.huaweicloud.com/ief2.0/?region=cn-north-4#/app/edgeMarket/application/list

本期【云享专家·微话题】由云享专家 Lurayvis 与大家一起探讨“手机摄像未来”，希望大家能够畅所欲言。如果大家有其他任何与 手机摄像未来 相关的问题，也可以在本帖回复直接咨询云享专家 Lurayvis 。=======【云享专家·微话题】手机摄像未来探讨 =======由于激烈的市场竞争和用户需求，手机的拍照水平近两年有了很大的突破，特别是色彩，细节，噪点，夜景等方面提高很大。但现阶段摄像头和ISP相比以前要花费加倍的代价才能带来部分提升。以后手机摄像是往的新特性方向发展还是聚焦于基础画质更吸引消费者？今天我们希望与大家一起探讨一下手机摄像未来，下面的几个问题，希望看到大家精彩的评论：1、既然流行PS，手机拍照是完全复现人眼所见好，还是像莱卡德味样悦目更好？2、用户其实未必在意真实的细节纹理和AI增强的更悦目细节，AI生成图片细节纹理是否可以部分替代更强的感光器件？3、各厂家手机的直出照片其实已经经过了ISP的色彩和亮度的映射，AI在手机自动PS方面是否会成为新的发展方向？4、AR结合物体识别，segmentation的AI算法是否能成为后期手机拍照的热点？微话题活动：参与本次微话题讨论，有机会获得优质评论奖活动时间：2018年7月30日-8月12日参与方式：直接在本帖回复你关于以上4个问题的理解或评论获奖方式：活动结束后，将由云享专家 Lurayvis 选取出2名优质评论奖，各送出《深入理解LINUX网络技术内幕》书籍1本。优质评论：ecstatic：1、既然流行PS，手机拍照是完全复现人眼所见好，还是像莱卡德味样悦目更好？     我觉得应该分场景，对于人物写实，静态风景可以采用莱卡，这样亮部偏洋红、暗部偏蓝、有暗角、对比度较高、色彩过渡比较自然的直出风格        像日常一些拍摄，比如抓拍孩子在阳光下奔跑玩耍，用人眼所见的风格更好一些，阳光，自然。  2、用户其实未必在意真实的细节纹理和AI增强的更悦目细节，AI生成图片细节纹理是否可以部分替代更强的感光器件？     替代应该还不行，但是可以起到增强的作用。3、各厂家手机的直出照片其实已经经过了ISP的色彩和亮度的映射，AI在手机自动PS方面是否会成为新的发展方向？     会成为主流的方向的。在手机做好  线性纠正、噪声去除、坏点去除、内插、白平衡、自动曝光控制等处理，部分厂商对手机增加了独立的ISP芯片，再配合手机强大AI功能，对图片识别，分析，进一步的优化照片显示。    4、AR结合物体识别，segmentation的AI算法是否能成为后期手机拍照的热点？    会的。AI高速发展带了很多优秀的算法和理论，我们应用在手机上可以实现很多有意思的功能     如全球首个AI卸妆效果的算法；以后美女们真的会烦恼     史无前例的手机双摄图像匹配和分割   现今最准确的单张图像深度估计算法；  完美解决多帧信息融合困难的多帧超分辨率视频结果；  等等。建赟：1、既然流行PS，手机拍照是完全复现人眼所见好，还是像莱卡德味样悦目更好？         我是终端领域的小白，有解释的不合适的，还请各位专家海涵。关于手机拍照以华为产品为例，我的理解为：用手机取代相机拍照已经成为了大家都在做的事情，而且为了能够增加自身的竞争力，在去年推出的P9系列机型中，华为首次和徕卡合作，将徕卡镜头配置在了华为手机之上，并且让手机可以拍出与众不同的"德味"照片。而在拍照方面最引以为傲的还是其三种色彩模式，分别是标准模式、柔和模式、鲜艳模式。    标准模式：拍出来的照片比较接近人眼所见，比较适合拍摄以风光为主的照片。鲜艳模式：对于色彩饱和度，红色、绿色、蓝色、黄色等色彩会变得更加浓郁。这其实比较像徕卡镜头的风格，色彩浓郁的像要溢出来，一般情况下鲜艳模式适合拍摄各种美食。或者需要用比较夸张的色彩表现的花朵等等场景。柔合模式：和标准模式相比，柔和模式会适当降低照片的整体亮度，同时给画面四周加上非常舒服的暗角，饱和度也有一定提升，瞬间徕卡的德味就出来了。柔和模式特别适合拍摄人像为主的纪实作品，以及需要重点突出画面中央物体的场景。   而作为徕卡还有一项独门拍照绝技，那就是黑白拍照模式。一键打开相机中的黑白模式，并不是普通手机APP通过滤镜方式将彩色转为黑白那么简单，滤去色彩的黑白影像，在灰阶过渡上更自然，透光率更高，使得黑白照片中另有一番意境       而关于所探讨的手机拍照是完全复制人眼所见好，还是像老卡德味样悦目更好这个问题，我的认为是需根据具体场景来做分析，有些场景需要比较接近人眼所见，比如风光为主的照片，有些需要鲜艳模式来拍摄各种美食或一些花朵等，有些像人像为主的纪实作品需要柔和模式来拍摄等，具体场景需要具体对待。在这方面，华为Mate 10手机，无论你是喜爱自拍、还是拍摄美食、美景，也无论你想要拍摄的是是城市里的夜景，还是大自然中的野性生态，华为Mate 10都能轻松捕捉，完美呈现属于事物本身的风景，推荐大家入手的一款手机。（做个小推广，哈哈）      其次，拍照技术也需要考虑，参见下图：     2、用户其实未必在意真实的细节纹理和AI增强的更悦目细节，AI生成图片细节纹理是否可以部分替代更强的感光器件？               AI技术，能够根据用户所处的实际环境和场景做出细分，进而向用户提供针对于拍摄场景的辅助，例如：变焦拍摄文字，AI对于最终文字成像的清晰程度具有显著的优化效果。个人认为AI生产图片细节纹理是可以部分替代更强的感光器件的。3、各厂家手机的直出照片其实已经经过了ISP的色彩和亮度的映射，AI在手机自动PS方面是否会成为新的发展方向？      Adobe旗下产品Photoshop具备的内容感知填充功能，让用户可轻易去除照片中的部分物体。而AI人工智能技术，将有关功能提升至更高层次。即使照片中存在大量空白地方，也能够正确地填补相应位置。          AI技术比Adobe多走一步，除了收集附近的像素数据，更会通过AI技术及深度学习，全面认知照片主题，再进行修复。因此，就算照片有大量需填补空缺，都足以应付。华为Mate 10内置的麒麟970处理器所带来的 AI引擎，它让Mate 10能通过学习上亿张照片获得了精确的实时物体识别能力，拍照时可识别13种场景或物体，包括了蓝天、花朵、绿植、海滩、日出/日落、舞台、食物、文字、夜景、雪景、猫、狗、人像，识别之后可以自动调节白平衡、快门时间、ISO、曝光补偿、滤镜选择等待多种以往需要用户靠自身经验去设定的参数，用户不再需要手动切换，直接点击快门拍照即可。     虽然目前技术仍有不少错误之处，但随着技术开发，相信AI修图技术将会越来越成熟。更有望在将来用于修复损毁严重的旧照片等.相信AI在手机自动PS方面会成为新的发展方向。      4、AR结合物体识别，segmentation的AI算法是否能成为后期手机拍照的热点？             根据场景识别、人脸检测的结果，按照预定义的规则执行推荐，上报到用户操作界面，同时记录当前使用者的操作行为并反馈给推荐引擎。通过不断学习用户的使用习惯，逐渐达到能够向该用户推荐对其量身定制的、令其满意的拍照模式的目的。    将 AI 算法加入图像处理里，就能知道中国的女孩子喜欢非常白，而非洲和印度的女孩子认为白一点就够了。你拍的每一张照片，都会告诉人工智能你的偏好，这样 AI 就能提供更讨喜的图像处理效果。个人认为：AR结合物体识别，segmentation的AI算法能成为后期手机拍照的热点。 这个话题整整编写了几个小时，上班就开始搞了，不容易啊

1 大批企业将与IoT发生关系从整体趋势上来讲，物联网是由一个技术与需求构成的合力推动，具有自身发展周期限制的螺旋式渐进领域，从物联网概念诞生至今，业内已经迎来了一波接一波的上市浪潮。1991年Kevin Ashton教授首次提出了物联网这个名词，2005年国际电信联盟ITU发布《互联网报告2005：物联网》，2009年IBM提出智慧地球，同时，物联网这一新兴趋势在国内逐步升温，迅速发酵。在技术大刀阔斧发展的同时，相伴的是一批批传感器、RFID、智慧城市企业的先后上市。如今RFID和智慧城市企业均已步入成熟期，涉及RFID相关业务的上市已达30余家，涉足智慧城市的上市公司更是多达近百家。在随后的发展历程中，产业的迭代速度明显提升。未来几年，我们很有可能见证一批创立于2010年之后，围绕可穿戴设备、智能家居、消费端IoT平台进行布局的IoT企业进入上市阶段。小米已经在追逐自己的硬件巅峰梦，欧瑞博、艾拉物联、博联们的IPO计划还远吗？无疑，二级市场对于这批物联网企业的估值，直接影响着尚在蹒跚学步阶段的IoT初创企业的生存状态。当下的智能家居、工业物联网，随后的低功耗广域网、物联网安全、AI芯片、边缘智能、工业大数据等领域，都有可能受到不同程度的波及。通过近期二级市场对于小米和工业富联的冷静反馈，我们可以明显感受到，虽然二级市场有更多资源可以支持企业的长期发展，但也要求企业必须按照二级市场的固有规则和价值观行事。一方面硬套概念和密集炒作不一定是加分项，还有可能适得其反；另一方面，二级市场不会承担来自一级市场的估值压力，企业要用“真枪实弹”的事实数据与合法合规来打“赤膊战”。与其在迷茫和多变的行情中焦虑，不如紧紧抓牢万变中的不变来坚定信心。无论市场对于物联网企业的现有估值如何认定，IoT作为技术与需求双重驱动型赛道的本质不会变化，IoT为市场持续输出全新方法论的本质也不会变。从行业发展的角度来看，无论是消费升级，还是制造业转型，都与IoT密不可分。跳出“唯技术”的视角，IoT带来得更多的是消费者或者制造业解决各种问题的深度和效率的改进。以制造业为例，早在2010年，我国就已成为世界第一制造业大国。未来，这一地位不会变化，但当国内劳动人口出现刘易斯拐点之后，制造业“大而不强”的问题势必要正面应对。根据官方数据，2010年美国制造业总产值仅仅比中国低0.4%，中国制造业从业人数为11444.5万人，而美国制造业只雇佣了1150万名工人，约为中国的十分之一。在这一庞大的“存量”市场中，蕴含着巨大的“增量”机遇。工业机器人、工业云平台、两化融合技术以及各种垂直行业APP，都是为了更好的解决制造业现有瓶颈问题、提质增效服务。从产业环节的角度来看，IoT的演进带来了方法论层面的变革。以目前炙手可热的芯片为例，原有通用性芯片的发展思路显然不能满足万物互联的需求。现有产能根本无法满足IoT的大量部署，同时，IoT芯片需要为不同场景的应用量身定制，算法更优化、功耗与成本更低都是显而易见的细化方向。因此，IoT为下一代芯片的演进带来了全新的方法论，就是针对不同场景研发针对不同垂直领域的芯片。与之相应的事实是，你看到越来越多的IoT公司正在自行研发芯片，满足智能家居、智能音箱、智能摄像头、自动驾驶汽车等特定场景的应用。从大国博弈的角度来看，中国不可能在高科技方面让步，IoT作为智能化的重要抓手，事关未来诸多层面的话语权。在此前的文章《从IoT视角解读中美贸易之争，守住生态命门，重构全球化版图》中，我曾经分析过，美国对华贸易战的理论基础之一，就是经济学家萨缪尔森Paul A. Samuelson提出的关于两国贸易模型的思考。他提出，当一个国家在以前并没有比较优势的行业（比如高科技），突然取得生产力的巨大进步时，贸易未必会再是双方受益的，（中国在高科技领域的进步）有可能永久的损害美国利益。所以，美国对于“中国制造2025”尤其紧张，在美方清单中包含的某些高科技产品，中国根本还没对美国出口，比如中国自己的大飞机还没造出来，美国就已经开始加征关税。正如上文提到，作为制造业转型的翘板和AI等技术落地场景的重要支撑，IoT领域的持续变革对于产业结构优化尤为关键。看到了中国在IoT领域的发展潜力与势头，最近知名市场研究机构IDC与GSMA均给予中国物联网市场正面评价。IDC报告名为《2018年上半年全球物联网支出指南》，GSMA报告名为《大中华区引领全球工业物联网发展与创新》。据IDC分析，到2022年全球物联网支出将达到1.2万亿美元，2017年至2022年期间复合年增长率CAGR为13.6%。其中，中国物联网支出规模将达到3千亿美元，在全球的物联网市场中占比超过1/4，超越美国成为全球最大的物联网市场。GSMA预估，到2025年，全球工业物联网连接数将达到138亿，其中大中华地区的连接数约为41亿，约占全球市场的三分之一。2 能见度提升，IoT无惧真实再来说说由小米与工业富联等公司扎堆上市所激起的涟漪。我们都知道，对于早期企业进行估值是很困难的一件事，而且经常是一个主观的过程，需要在数据不充分的情况下根据假设进行判断。小米与工业富联的上市，对于物联网领域的最大意义在于，提升了IoT企业估值的能见度，并且褪去噱头和炒作的把戏，让IoT在资本市场洗尽铅华，以真实的面貌被对待和评价。先从小米说起。早先各种市场传言则称，小米的估值为700-1000亿美元，雷军曾说“总不致于550亿美元都不值”，没想到一语成地。小米在上市前通过媒体过度炒作公司估值，这一涉嫌有违“静默期”法律要求的做法，不禁让人担忧其长期发展的底气。对于小米的估值，争论的焦点在于如何定义小米公司。雷军和公司管理层对外传达的是，小米是一家纯正的互联网公司。但从小米披露的实际业绩中，报告期内，互联网服务业务占营业收入的比例分别为4.8%、9.6%和8.6%，主要来自于广告推广和移动游戏业务。来自智能手机的销售收入分别为537.15亿元、487.64亿元和805.64亿元，占主营业务收入的比例分别为80.40%、71.26%和70.28%。小米是互联网公司的这一定位很难达成共识，毕竟金融是一门科学，企业估值更是一项以数据为“准绳”的技术活。把小米定义为IoT新消费与新零售公司恐怕更为准确。根据国金证券研究所预测，3年内小米超过50%的营业利润有可能来自于消费IoT业务线。小米的宏伟目标是促进各种智能家居产品间的互联互通，利用IoT平台构建丰富的生活场景，用大数据实现用户间的交叉引流。但从数据监测的结果来看，当前消费者购买智能家电主要仍是尝鲜心态，使用一段时间之后便回归到产品的基本功能，不再为厂家引导的智能联网能力贡献兴趣和有效数据。因此，判断小米生态链的业务发展，不得不暂时抛开“智能互联”的概念，回归到消费电子产品的本质。小米的核心优势在于通过前期积累的大量消费者数据，精准进行用户画像和反向产品定义，打造随意购买而不会出错的科技消费品。相较于传统消费品公司，小米已积累了超过230PB海量的用户数据，其中既包括了性别、年龄、地域等用户画像数据，也包括兴趣爱好、上网行为等用户行为数据，以及体型、运动量、睡眠和基础代谢等健康数据。小米通过积极利用自有的数据资源，把握消费者喜好逆向设计产品，并在线下店选址、商品组合和配货上进行探索，做到外观、配件、包装等风格一贯，功能与型号精简。尽量选择不冒风险，不需要教育消费者的产品，以满足中低端大规模普适性需求为目标，确保能有一个足够大的用户池，减少试错成本，提高底层基数。基于这种发展路线，小米不太可能引起IoT消费电子产品的创新与变革，而是通过“降维攻击”，促进制造与销售环节的效率提升。对于部分传统小家电和生活耗材产品，制造端市场份额分散，分销渠道层级复杂、终端加价率高，采用小米思维进行革传统模式的命，很容易切得一块市场蛋糕。对于新型IoT电子消费品，包括智能手环、智能音箱、平衡车等，因为产业链较新，小米从一开始便运用在手机供应链端积累的资源优势，以低价切入市场，培养消费者使用习惯。79元智能手环，299元智能音箱，小米成功的把千元定位的智能新品拉低到百元接地气的售价。但低价占领现有市场，并不意味着就能拥抱未来。消费电子产品具有天然的用户圈层，在低价尝鲜之后，很大一部分消费者仍将回到自己所在的圈层，购买品质和价格与其口味相符的产品。若想改变用户的“固有圈层”，其难度相当与抵抗科技圈的“阶级固化”。在小米的盈利模式尚未完全成型与验证之时，想获得1000亿美元市值，至少还需要2-3年。作为登陆国际资本市场的身先士卒者，小米的经历为我们合理判断IoT在消费端的发展现状以及二级市场的评判标准，建立了清晰的认知。目前很多IoT企业还难以找到适合的可比对标公司，而在资本市场中，公司定位和行业归属问题的判断，并不取决于管理层的一厢情愿，而是要用事实和业绩来说话。与小米的情况颇为不同，经由“绿色通道”快速上市的工业富联，在上市交易前，多家机构在测算其估值时，认为总市值有望达到6000亿元，上市后工业富联市值的确也曾一度高达5000亿元。好景不长，在其上市3天后，工业富联股价开始一路下挫，从6月13日的最高点每股26.36元下跌到了7月6日的每股17.23元，跌幅超过30%，市值下跌接近1600亿元，有媒体调侃称已经跌去了整整一个中国联通。上市之时，工业富联对自身的定位有了全新的解读，她对自己的认知已经脱离了“当下时刻”的纯粹代工厂和制造商身份，而是升华到了“面向未来”的综合方案提供商的高度，提供工业互联网IIoT方案与服务。2017年，工业富联跟随着大批工业互联网操作系统的脚步，开发了自有IIoT平台BEACON，探索将数字技术与其3C设备、零件、通路等领域的专业优势结合，向行业领先的工业互联网公司转型。但实现可供自身使用的IIoT平台，和实现可供3C电子制造行业使用的IIoT平台，是彻底不同的两件事。实现可供3C电子制造行业使用的IIoT平台，和实现可供其它垂直行业使用的IIoT平台，又是彻底不同的两件事。从实际情况来看，工业富联显然距离工业互联网平台型企业的愿景尚远，整体上难以摆脱一个中低端加工企业的窠臼，加之受到苹果订单量全球锐减20%，以及整体市场环境的影响，在当前阶段出现暴跌并不意外。根据香港某证券公司测算，工业富联还要从当前股价下跌近30%才能吸引到投资者。在此前的文章《GE撞得头破血流的工业互联网之路，富士康试图走到底？》中，我曾经提到，就工业互联网自身而言，其平台化发展的可行性尚未充分自证。虽然工业互联网云平台看似成为了各家制造企业的必选项，开展得如火如荼，但是不同企业所处环境和自身情况有很大差异，发展阶段和实际痛点也有不同，导致各个企业之间的成功经验和模式难以快速复制。加之各个企业对自身数据安全性与私密性的考虑，目前IIoT平台仍旧以项目式定制化的方式推进IIoT的部署，并未形成整合所有应用的通用型能力平台。另一方面，越来越多的制造企业用实践证明了相反的结论，工业数字化是垂直的、碎片的。无论是对于消费物联网还是工业物联网，除了要有耐心，还是要有耐心。3 为什么IoT in All的时机已到？我认为当下是布局IoT的最佳时机，原因有二。首先，从产业基础设施升级的角度来看，往往当底层技术发展到一定阶段以后，全新的机遇会逐渐显现出来，当下触发这一变革的正是5G。各大运营商对于5G基础设施的布局已经启动，根据爱立信、GSMA等机构预测，自动驾驶汽车、无人机、制造业…仅仅是5G应用的开始，她将带动智能设备的爆发，进而彻底改变我们的生活。如果说此前的移动通信主要解决人与人之间的通信问题，随着5G的到来，大家彻底将目标指向了万物互联，预计千亿量级的设备将接入5G网络。比如，5G一个重要行业应用就是面向工业物联网IIoT的5G NR专用网URLLC。GSMA与GTI共同发布的《中国5G：典型行业应用》报告显示，国内三大运营商正在大规模地进行5G外场试验，工业应用需求的满足首当其冲。据预测，到2025年中国将拥有4.3亿个5G连接，占全球总量的三分之一。全球第一个5G商用网路预计最快2018年底，或是2019年初即将推出，《爱立信移动趋势报告》显示，从2017至2023年，全球移动网络流量预计将成长8倍。流量的快速增长释放了数据应用的更多可能性，这为依托于大数据资源进行智能决策的物联网、人工智能、商业智能等应用，挖掘了更多的用武之地。其次，从人才涌动流向的角度来看，来自智能手机企业、传统咨询公司、系统集成公司的人才正在涌入IoT领域。根据Canalys发布的中国手机市场报告，2018年第1季度，中国智能手机出货量为9，100万部，较上年同期下滑了21%。中国信通院的报告则显示，今年1-3月，国内手机市场出货量8，737万部，同比下降26.1%。智能手机销量的下行趋势，导致大量拥有智能手机设计、加工与研发能力的人才进入IoT消费电子领域，他们凭借早期在手机端积累的各类资源和管理能力，在IoT消费产品端发展可谓驾轻就熟。另一方面，面对制造业升级转型的需求，传统咨询公司、企业服务公司、系统集成商、设备制造商的大批人才进入工业互联网赛道，为整个行业带来了充足的专业知识和配套设施，形成正向循环。这些人才的入局，导致物联网企业的能力进一步分化。面向未来，我更看好那些具备“一线一面”能力的企业，“一线”是指能够在垂直行业做深做透，具备产品形态和制造工艺的纵向技术壁垒，“一面”是指在垂直行业能力的基础上，具备生态视野和开放心胸，致力打造横向赋能平台。可以判断，下一波BAT一定会在IoT领域的某个隐性赛道诞生。当然，在沿着IoT之路前进的过程中，困难随时都有。尤其在整个中国处在“至暗时刻”的阶段，大家面临的困难是普遍性的，很难独善其身。首当其冲的便是资本寒冬，虽然这个说法过去年年有，但今年似乎特别冷。根据投中研究院统计，今年一季度，中国风险投资/私募股权投资VC/PE只有103家完成募资，同比减少54.82%；募资规模为110.3亿美元，同比下降74.85%。4月情况更糟，完成募资的VC/PE数量同比下降69.41%，募资规模同比下降85.78%。投资人正在变得空前谨慎，相应地，比投资人更为谨慎的，正是物联网领域的一线从业者们。IoT企业的发展，普遍都具有较长的周期，只有具备深度产业智慧、深刻认知、眼光长远、足够耐心的专业投资人才具备陪伴物联网企业一直走下去的特质和能力。资本寒冬的到来并不是偶发性事件，这是市场整体降噪的必然过程。私募股权，无论是风险投资还是杠杆收购，都起源于美国。回顾历史，美国投资界则早已见惯了繁荣与萧条的多次潮起潮落，分别在1970年代，1990年代早期，千禧年前后，和2010年代后期经历了多次募资规模的急剧下降，但历次均已繁荣终结。凡事一体两面，早在1998年巴菲特在演讲中就曾提到《对我而言，市场下跌是利好》。真正有价值的好东西从来都不是太多了，而是太少了。对产业的方向感和整体规划具备深刻认知，又有强烈使命感的物联网从业者最为善于把握风险中蕴含的机遇。你若盛开，蝴蝶自来。无论是人才、资源还是资本，最终都会找到出路，进入到本该进入的科技格局与业界地位之中。

《直播回看》栏目会将“华为云开发者者联盟”移动端课程平台的精品音视频直播课，定期进行展播，支持各位伙伴进行回看学习本期推荐：零基础人工智能开发者入门【主讲人介绍】主讲人：Dr.Bai深度学习领域技术专家，加入华为后一直从事深度学习和图像处理相关的研发，担任深度学习领域Tech Lead。【课程大纲】1.什么是人工智能开。2.AI开发者所需技术。3.三大类开发者掌握技能。【课程链接】可扫描下方二维码进入“华为云开发者联盟“移动端直播间收听课程

《直播回看》栏目会将“华为云开发者者联盟”移动端课程平台的精品音视频直播课，定期进行展播，支持各位伙伴进行回看学习本期推荐：视频AI相关应用场景和技术简介【主讲人介绍】主讲人：Dr.jin华为云智能视频分析服务Leader，中国科学院博士，负责华为云EI文字识别、视频分析服务算法设计和实现，相关技术已取得国家多项潜高专利。【课程大纲】1.视频识别场景和技术2.视频理解场景和技术3.客户使用案例【课程链接】可扫描下方二维码进入“华为云开发者联盟“移动端直播间收听课程

《直播回看》栏目会将“华为云开发者者联盟”移动端课程平台的精品音视频直播课，定期进行展播，支持各位伙伴进行回看学习本期推荐：图像内容审核介绍和应用【主讲人介绍】主讲人：Allan华为云EI内容检测服务研发负责人，专注在EI云化，为企业客户提供最好的EI.【课程大纲】1.图像识别简介。2.图像识别的应用——图像审核。3.如何用图像审核服务。【课程链接】可扫描下方二维码进入“华为云开发者联盟“移动端直播间收听课程

【华为云专家，期待您的加入】如果您也热爱技术、乐于分享；想要参与技术沙龙、拓展人脉、打造个人技术品牌....华为云专家欢迎您的加入！华为云MVP：点击了解华为云·云享专家：点击了解更多问题欢迎咨询华为云专家小助手↓↓↓

原标题：不是技术也能看懂云计算，大数据，人工智能我今天要讲这三个话题，一个是云计算，一个大数据，一个人工智能，我为什么要讲这三个东西呢？因为这三个东西现在非常非常的火，它们之间好像互相有关系，一般谈云计算的时候也会提到大数据，谈人工智能的时候也会提大数据，谈人工智能的时候也会提云计算。所以说感觉他们又相辅相成不可分割，如果是非技术的人员来讲可能比较难理解说这三个之间的相互关系，所以有必要解释一下。一、云计算最初是实现资源管理的灵活性我们首先来说云计算，云计算最初的目标是对资源的管理，管理的主要是计算资源，网络资源，存储资源三个方面。1.1 管数据中心就像配电脑什么叫计算，网络，存储资源呢？就说你要买台笔记本电脑吧，你是不是要关心这台电脑什么样的CPU啊？多大的内存啊？这两个我们称为计算资源。这台电脑要能上网吧，需要有个网口可以插网线，或者有无线网卡可以连接我们家的路由器，您家也需要到运营商比如联通，移动，电信开通一个网络，比如100M的带宽，然后会有师傅弄一根网线到您家来，师傅可能会帮您将您的路由器和他们公司的网络连接配置好，这样您家的所有的电脑，手机，平板就都可以通过您的路由器上网了。这就是网络。您可能还会问硬盘多大啊？原来硬盘都很小，10G之类的，后来500G，1T，2T的硬盘也不新鲜了。(1T是1024G)，这就是存储。对于一台电脑是这个样子的，对于一个数据中心也是同样的。想象你有一个非常非常大的机房，里面堆了很多的服务器，这些服务器也是有CPU，内存，硬盘的，也是通过类似路由器的设备上网的。这个时候的一个问题就是，运营数据中心的人是怎么把这些设备统一的管理起来的呢？1.2 灵活就是想啥时要都有，想要多少都行管理的目标就是要达到两个方面的灵活性。哪两个方面呢？比如有个人需要一台很小很小的电脑，只有一个CPU，1G内存，10G的硬盘，一兆的带宽，你能给他吗？像这种这么小规格的电脑，现在随便一个笔记本电脑都比这个配置强了，家里随便拉一个宽带都要100M。然而如果去一个云计算的平台上，他要想要这个资源的时候，只要一点就有了。所以说它就能达到两个方面灵活性。第一个方面就是想什么时候要就什么时候要，比如需要的时候一点就出来了，这个叫做时间灵活性。第二个方面就是想要多少呢就有多少，比如需要一个很小很小的电脑，可以满足，比如需要一个特别大的空间，以云盘为例，似乎云盘给每个人分配的空间动不动就就很大很大，随时上传随时有空间，永远用不完，这个叫做空间灵活性。空间灵活性和时间灵活性，也即我们常说的云计算的弹性。为了解决这个弹性的问题，经历了漫长时间的发展。1.3 物理设备不灵活首先第一个阶段就是物理机，或者说物理设备时期。这个时期相当于客户需要一台电脑，我们就买一台放在数据中心里。物理设备当然是越来越牛，例如服务器，内存动不动就是百G内存，例如网络设备，一个端口的带宽就能有几十G甚至上百G，例如存储，在数据中心至少是PB级别的(一个P是1024个T，一个T是1024个G)。然而物理设备不能做到很好的灵活性。首先它不能够达到想什么时候要就什么时候要、比如买台服务器，哪怕买个电脑，都有采购的时间。突然用户告诉某个云厂商，说想要开台电脑，如果使用物理服务器，当时去采购啊就很难，如果说供应商啊关系一般，可能采购一个月，供应商关系好的话也需要一个星期。用户等了一个星期后，这时候电脑才到位，用户还要登录上去开始慢慢部署自己的应用，时间灵活性非常差。第二是空间灵活性也不行，例如上述的用户，要一个很小很小的电脑，现在哪还有这么小型号的电脑啊。不能为了满足用户只要一个G的内存是80G硬盘的，就去买一个这么小的机器。但是如果买一个大的呢，因为电脑大，就向用户多收钱，用户说他只用这么小的一点，如果让用户多付钱就很冤。1.4 虚拟化灵活多了有人就想办法了。第一个办法就是虚拟化。用户不是只要一个很小的电脑么？数据中心的物理设备都很强大，我可以从物理的CPU，内存，硬盘中虚拟出一小块来给客户，同时也可以虚拟出一小块来给其他客户，每个客户都只能看到自己虚的那一小块，其实每个客户用的是整个大的设备上其中的一小块。虚拟化的技术能使得不同的客户的电脑看起来是隔离的，我看着好像这块盘就是我的，你看这呢这块盘就是你的，实际情况可能我这个10G和您这个10G是落在同样一个很大很大的这个存储上的。而且如果事先物理设备都准备好，虚拟化软件虚拟出一个电脑是非常快的，基本上几分钟就能解决。所以在任何一个云上要创建一台电脑，一点几分钟就出来了，就是这个道理。这个空间灵活性和时间灵活性就基本解决了。1.5 虚拟世界的赚钱与情怀在虚拟化阶段，最牛的公司是Vmware，是实现虚拟化技术比较早的一家公司，可以实现计算，网络，存储的虚拟化，这家公司很牛，性能也做得非常好，然后虚拟化软件卖的也非常好，赚了好多的钱，后来让EMC(世界五百强，存储厂商第一品牌)给收购了。但是这个世界上还是有很多有情怀的人的，尤其是程序员里面，有情怀的人喜欢做一件什么事情呢？开源。这个世界上很多软件都是有闭源就有开源，源就是源代码。就是说某个软件做的好，所有人都爱用，这个软件的代码呢，我封闭起来只有我公司知道，其他人不知道，如果其他人想用这个软件，就要付我钱，这就叫闭源。但是世界上总有一些大牛看不惯钱都让一家赚了去。大牛们觉得，这个技术你会我也会，你能开发出来，我也能，我开发出来就是不收钱，把代码拿出来分享给大家，全世界谁用都可以，所有的人都可以享受到好处，这个叫做开源。比如最近蒂姆·伯纳斯·李就是个非常有情怀的人，2017年，他因“发明万维网、第一个浏览器和使万维网得以扩展的基本协议和算法”而获得2016年度的图灵奖。图灵奖就是计算机界的诺贝尔奖。然而他最令人敬佩的是，他将万维网，也就是我们常见的www的技术无偿贡献给全世界免费使用。我们现在在网上的所有行为都应该感谢他的功劳，如果他将这个技术拿来收钱，应该和比尔盖茨差不多有钱。例如在闭源的世界里有windows，大家用windows都得给微软付钱，开源的世界里面就出现了Linux。比尔盖茨靠windows，Office这些闭源的软件赚了很多钱，称为世界首富，就有大牛开发了另外一种操作系统Linux。很多人可能没有听说过Linux，很多后台的服务器上跑的程序都是Linux上的，比如大家享受双十一，支撑双十一抢购的系统，无论是淘宝，京东，考拉，都是跑在Linux上的。再如有apple就有安卓。apple市值很高，但是苹果系统的代码我们是看不到的。于是就有大牛写了安卓手机操作系统。所以大家可以看到几乎所有的其他手机厂商，里面都装安卓系统，因为苹果系统不开源，而安卓系统大家都可以用。在虚拟化软件也一样，有了Vmware，这个软件非常非常的贵。那就有大牛写了两个开源的虚拟化软件，一个叫做Xen，一个叫做KVM，如果不做技术的，可以不用管这两个名字，但是后面还是会提到。1.6 虚拟化的半自动和云计算的全自动虚拟化软件似乎解决了灵活性问题，其实不全对。因为虚拟化软件一般创建一台虚拟的电脑，是需要人工指定这台虚拟电脑放在哪台物理机上的，可能还需要比较复杂的人工配置，所以使用Vmware的虚拟化软件，需要考一个很牛的证书，能拿到这个证书的人，薪资是相当的高，也可见复杂程度。所以仅仅凭虚拟化软件所能管理的物理机的集群规模都不是特别的大，一般在十几台，几十台，最多百台这么一个规模。这一方面会影响时间灵活性，虽然虚拟出一台电脑的时间很短，但是随着集群规模的扩大，人工配置的过程越来越复杂，越来越耗时。另一方面也影响空间灵活性，当用户数量多的时候，这点集群规模，还远达不到想要多少要多少的程度，很可能这点资源很快就用完了，还得去采购。所以随着集群的规模越来越大，基本都是千台起步，动辄上万台，甚至几十上百万台，如果去查一下BAT，包括网易，包括谷歌，亚马逊，服务器数目都大的吓人。这么多机器要靠人去选一个位置放这台虚拟化的电脑并做相应的配置，几乎是不可能的事情，还是需要机器去做这个事情。人们发明了各种各样的算法来做这个事情，算法的名字叫做调度(Scheduler)。通俗一点的说，就是有一个调度中心，几千台机器都在一个池子里面，无论用户需要多少CPU，内存，硬盘的虚拟电脑，调度中心会自动在大池子里面找一个能够满足用户需求的地方，把虚拟电脑启动起来做好配置，用户就直接能用了。这个阶段，我们称为池化，或者云化，到了这个阶段，才可以称为云计算，在这之前都只能叫虚拟化。1.7 云计算的私有与公有云计算大致分两种，一个是私有云，一个是公有云，还有人把私有云和公有云连接起来称为混合云，我们暂且不说这个。私有云就是把虚拟化和云化的这套软件部署在别人的数据中心里面，使用私有云的用户往往很有钱，自己买地建机房，自己买服务器，然后让云厂商部署在自己这里，Vmware后来除了虚拟化，也推出了云计算的产品，并且在私有云市场赚的盆满钵满。所谓公有云就是虚拟化和云化软件部署在云厂商自己数据中心里面的，用户不需要很大的投入，只要注册一个账号，就能在一个网页上点一下创建一台虚拟电脑，例如AWS也即亚马逊的公有云，例如国内的阿里云，腾讯云，网易云等。亚马逊呢为什么要做公有云呢？我们知道亚马逊原来是国外比较大的一个电商，它做电商的时候也肯定会遇到类似双11的场景，在某一个时刻大家都冲上来买东西。当大家都冲上买东西的时候，就特别需要云的时间灵活性和空间灵活性。因为它不能时刻准备好所有的资源，那样太浪费了。但也不能什么都不准备，看着双十一这么多用户想买东西登不上去。所以需要双十一的时候，创建一大批虚拟电脑来支撑电商应用，过了双十一再把这些资源都释放掉去干别的。所以亚马逊是需要一个云平台的。然而商用的虚拟化软件实在是太贵了，亚马逊总不能把自己在电商赚的钱全部给了虚拟化厂商吧。于是亚马逊基于开源的虚拟化技术，如上所述的Xen或者KVM，开发了一套自己的云化软件。没想到亚马逊后来电商越做越牛，云平台也越做越牛。而且由于他的云平台需要支撑自己的电商应用，而传统的云计算厂商多为IT厂商出身，几乎没有自己的应用，因而亚马逊的云平台对应用更加的友好，迅速发展成为云计算的第一品牌，赚了很多钱。在亚马逊公布其云计算平台财报之前，人们都猜测，亚马逊电商赚钱，云也赚钱吗？后来一公布财报，发现不是一般的赚钱，仅仅去年，亚马逊AWS年营收达122亿美元，运营利润31亿美元。1.8 云计算的赚钱与情怀公有云的第一名亚马逊过得很爽，第二名Rackspace过的就一般了。没办法，这就是互联网行业的残酷性，多是赢者通吃的模式。所以第二名如果不是云计算行业的，很多人可能都没听过了。第二名就想，我干不过老大怎么办呢？开源吧。如上所述，亚马逊虽然使用了开源的虚拟化技术，但是云化的代码是闭源的，很多想做又做不了云化平台的公司，只能眼巴巴的看着亚马逊挣大钱。Rackspace把源代码一公开，整个行业就可以一起把这个平台越做越好，兄弟们大家一起上，和老大拼了。于是Rackspace和美国航空航天局合作创办了开源软件OpenStack，如图所示OpenStack的架构图，不是云计算行业的不用弄懂这个图，但是能够看到三个关键字，Compute计算，Networking网络，Storage存储。还是一个计算，网络，存储的云化管理平台。当然第二名的技术也是非常棒的，有了OpenStack之后，果真像Rackspace想象的一样，所有想做云的大企业都疯了，你能想象到的所有如雷贯耳的大型IT企业，IBM，惠普，戴尔，华为，联想等等，都疯了。原来云平台大家都想做，看着亚马逊和Vmware赚了这么多钱，眼巴巴看着没办法，想自己做一个好像难度还挺大。现在好了，有了这样一个开源的云平台OpenStack，所有的IT厂商都加入到这个社区中来，对这个云平台进行贡献，包装成自己的产品，连同自己的硬件设备一起卖。有的做了私有云，有的做了公有云，OpenStack已经成为开源云平台的事实标准。1.9 IaaS, 资源层面的灵活性随着OpenStack的技术越来越成熟，可以管理的规模也越来越大，并且可以有多个OpenStack集群部署多套，比如北京部署一套，杭州部署两套，广州部署一套，然后进行统一的管理。这样整个规模就更大了。在这个规模下，对于普通用户的感知来讲，基本能够做到想什么时候要就什么什么药，想要多少就要多少。还是拿云盘举例子，每个用户云盘都分配了5T甚至更大的空间，如果有1亿人，那加起来空间多大啊。其实背后的机制是这样的，分配你的空间，你可能只用了其中很少一点，比如说它分配给你了5个T，这么大的空间仅仅是你看到的，而不是真的就给你了，你其实只用了50个G，则真实给你的就是50个G，随着你文件的不断上传，分给你的空间会越来越多。当大家都上传，云平台发现快满了的时候(例如用了70%)，会采购更多的服务器，扩充背后的资源，这个对用户是透明的，看不到的，从感觉上来讲，就实现了云计算的弹性。其实有点像银行，给储户的感觉是什么时候取钱都有，只要不同时挤兑，银行就不会垮。这里做一个简单的总结，到了这个阶段，云计算基本上实现了时间灵活性和空间灵活性，实现了计算，网络，存储资源的弹性。计算，网络，存储我们常称为基础设施Infranstracture, 因而这个阶段的弹性称为资源层面的弹性，管理资源的云平台，我们称为基础设施服务，就是我们常听到的IaaS，Infranstracture As A Service。二、云计算不光管资源，也要管应用有了IaaS，实现了资源层面的弹性就够了吗？显然不是。还有应用层面的弹性。这里举个例子，比如说实现一个电商的应用，平时十台机器就够了，双十一需要一百台。你可能觉得很好办啊，有了IaaS，新创建九十台机器就可以了啊。但是90台机器创建出来是空的啊，电商应用并没有放上去啊，只能你公司的运维人员一台一台的弄，还是需要很长时间才能安装好的。虽然资源层面实现了弹性，但是没有应用层的弹性，依然灵活性是不够的。有没有方法解决这个问题呢？于是人们在IaaS平台之上又加了一层，用于管理资源以上的应用弹性的问题，这一层通常称为PaaS（Platform As A Service）。这一层往往比较难理解，其实大致分两部分，一部分我称为你自己的应用自动安装，一部分我称为通用的应用不用安装。我们先来说第一部分，自己的应用自动安装。比如电商应用是你自己开发的，除了你自己，其他人是不知道怎么安装的，比如电商应用，安装的时候需要配置支付宝或者微信的账号，才能别人在你的电商上买东西的时候，付的钱是打到你的账户里面的，除了你，谁也不知道，所以安装的过程平台帮不了忙，但是能够帮你做的自动化，你需要做一些工作，将自己的配置信息融入到自动化的安装过程中方可。比如上面的例子，双十一新创建出来的90台机器是空的，如果能够提供一个工具，能够自动在这新的90台机器上将电商应用安装好，就能够实现应用层面的真正弹性。例如Puppet, Chef, Ansible, Cloud Foundary都可以干这件事情，最新的容器技术Docker能更好的干这件事情，不做技术的可以不用管这些词。第二部分，通用的应用不用安装。所谓通用的应用，一般指一些复杂性比较高，但是大家都在用的，例如数据库。几乎所有的应用都会用数据库，但是数据库软件是标准的，虽然安装和维护比较复杂，但是无论谁安装都是一样。这样的应用可以变成标准的PaaS层的应用放在云平台的界面上。当用户需要一个数据库的时候，一点就出来了，用户就可以直接用了。有人问，既然谁安装都一个样，那我自己来好了，不需要花钱在云平台上买。当然不是，数据库是一个非常难的东西，光Oracle这家公司，靠数据库就能赚这么多钱。买Oracle也是要花很多很多钱的。然而大多数云平台会提供Mysql这样的开源数据库，又是开源，钱不需要花这么多了，但是维护这个数据库，却需要专门招一个很大的团队，如果这个数据库能够优化到能够支撑双十一，也不是一年两年能够搞定的。比如您是一个做单车的，当然没必要招一个非常大的数据库团队来干这件事情，成本太高了，应该交给云平台来做这件事情，专业的事情专业的人来自，云平台专门养了几百人维护这套系统，您只要专注于您的单车应用就可以了。要么是自动部署，要么是不用部署，总的来说就是应用层你也要少操心，这就是PaaS层的重要作用。虽说脚本的方式能够解决自己的应用的部署问题，然而不同的环境千差万别，一个脚本往往在一个环境上运行正确，到另一个环境就不正确了。而容器是能更好的解决这个问题的。容器是 Container，Container另一个意思是集装箱，其实容器的思想就是要变成软件交付的集装箱。集装箱的特点，一是封装，二是标准。在没有集装箱的时代，假设将货物从 A运到 B，中间要经过三个码头、换三次船。每次都要将货物卸下船来，摆的七零八落，然后搬上船重新整齐摆好。因此在没有集装箱的时候，每次换船，船员们都要在岸上待几天才能走。有了集装箱以后，所有的货物都打包在一起了，并且集装箱的尺寸全部一致，所以每次换船的时候，一个箱子整体搬过去就行了，小时级别就能完成，船员再也不用上岸长时间耽搁了。这是集装箱“封装”、“标准”两大特点在生活中的应用。那么容器如何对应用打包呢？还是要学习集装箱，首先要有个封闭的环境，将货物封装起来，让货物之间互不干扰，互相隔离，这样装货卸货才方便。好在 Ubuntu中的LXC技术早就能做到这一点。封闭的环境主要使用了两种技术，一种是看起来是隔离的技术，称为 Namespace，也即每个 Namespace中的应用看到的是不同的 IP地址、用户空间、程号等。另一种是用起来是隔离的技术，称为 Cgroups，也即明明整台机器有很多的 CPU、内存，而一个应用只能用其中的一部分。所谓的镜像，就是将你焊好集装箱的那一刻，将集装箱的状态保存下来，就像孙悟空说：“定”，集装箱里面就定在了那一刻，然后将这一刻的状态保存成一系列文件。这些文件的格式是标准的，谁看到这些文件都能还原当时定住的那个时刻。将镜像还原成运行时的过程（就是读取镜像文件，还原那个时刻的过程）就是容器运行的过程。有了容器，使得 PaaS层对于用户自身应用的自动部署变得快速而优雅。三、大数据拥抱云计算在PaaS层中一个复杂的通用应用就是大数据平台。大数据是如何一步一步融入云计算的呢？3.1 数据不大也包含智慧一开始这个大数据并不大，你想象原来才有多少数据？现在大家都去看电子书，上网看新闻了，在我们80后小时候，信息量没有那么大，也就看看书，看看报，一个星期的报纸加起来才有多少字啊，如果你不在一个大城市，一个普通的学校的图书馆加起来也没几个书架，是后来随着信息化的到来，信息才会越来越多。

Docker Hub 19万用户敏感数据泄露：包含GitHub令牌Oracle 坑销售。。。没商量。。。工信部：赞成国内和国际企业合作开展云服务人脸识别惹的祸：苹果错把无辜学生当贼抓，被起诉索赔10亿苹果成亚马逊云计算大客户，答应5年“消费”15亿美元神州数码第一大客户销售额 298 亿元混合云向边缘延伸！ZStack Mini超融合和ZStack CMP重磅发布！深信服 2018 年营收 32.24 亿 ，云 8.67 亿元机房冒水导致1500万元源代码消失，公司起诉物业索赔七百万谷歌云发布新开放平台AnthosAWS CDN 落地中国IDC发布云计算IT基础架构Q4跟踪报告5G 最大获益者是云服务商，并非电信运营商大半夜 UCloud 宕机了。。。公有云优刻得科创板上市申请获受理网信办发布第一批197个境内区块链信息服务备案编号了解更多

观看直播：http://huaweicloud.bugu.mudu.tv/watch/lmzkexmp

[中国，深圳，2019年3月22日] 3月20日，斯坦福大学发布最新的DAWNBench榜单，华为云ModelArts一站式AI开发平台获得图像识别训练和推理性能双料冠军，将模型训练时间大幅缩减的同时实现了超强推理性能，体现了其在全球深度学习平台技术的领先性。在训练性能方面，ResNet50_on_ImageNet上的测试结果显示，当采用128块V100时，华为云ModelArts上模型训练时间仅需4分08秒，较其2018年12月创下的9分22秒纪录快了一倍，比此前fast.ai在AWS平台上的训练速度快4倍；在推理性能方面，华为云ModelArts识别图片的速度是排名第二厂商的1.7倍，亚马逊的4倍，谷歌的9.1倍。ModelArts：领先的深度学习平台技术作为人工智能最重要的基础技术之一，近年来深度学习也逐步延伸到更多的应用场景，如自动驾驶、互联网、安防、医疗等领域。随着深度学习模型越来越大，所需数据量越来越多，所需的AI算力资源和训练时间越来越长，深度学习的训练和推理性能将是重中之重。斯坦福大学DAWNBench是全球人工智能领域最权威的竞赛之一，是用来衡量端到端的深度学习模型训练和推理性能的国际权威基准测试平台，相应的排行榜反映了当前业界深度学习平台技术的领先性。华为云ModelArts支持海量数据预处理、大规模分布式训练、自动化模型生成，并具备端-边-云模型按需部署能力，可帮助用户快速创建和部署模型、管理全周期AI工作流。在本次斯坦福大学DAWNBench深度学习训练时间及推理性能挑战中，华为云ModelArts运用了高性能分布式模型训练和极速推理技术。斯坦福大学DAWNBench推理性能榜单斯坦福大学DAWNBench训练时间榜单用户：高效地在云端获得和利用AI计算资源稀缺且昂贵的算力和开发效率低是当前AI开发过程中的主要痛点，例如开发者、企业或高校机构等通常期望借助更高性能的大规模计算集群来加速训练过程，然而采购和维护如此规模的高性能计算集群意味着高昂的成本。对于华为云ModelArts用户来讲，可以高效地在云端，获得和利用规模的高性能GPU计算集群资源，按需付费，算力的获取门槛大幅下降；ModelArts还借助华为云对特定硬件（高性能服务器、网络、存储等）、软件和算法协同优化来实现加速；加上对分布式系统和算法的优化，以及对用户体验的优化，可以进一步帮助用户降低成本，快速实现或优化AI业务。为了赋能生态，进一步加速AI产品的开发与落地，3月21日华为云发布了在ModelArts基础上构建的开发者生态社区——华为云AI市场，提供AI模型、API交易功能以及数据、竞赛案例等内容共享功能，为高校科研机构、AI应用开发商、解决方案集成商、企业及个人开发者等群体，提供安全、开放的共享及交易环境。华为云AI市场中包含的AI模型市场，是国内首个提供发布及订阅AI模型服务的平台。自发布以来，华为云ModelArts一站式AI开发平台已经逐步覆盖医疗、智能制造、自动驾驶、智慧城市、建筑、园区等人工智能场景，帮助金域医学、广联达、云庐科技等企业进行AI开发应用落地。截至2018年底，华为云EI企业智能服务已经增加至56种、159种功能，在城市、制造、物流、物联网等8大行业超过200个项目进行探索，致力做行业升级新引擎。斯坦福大学DAWNBench榜单链接：dawn.cs.stanford.edu/benchmark/--------------------------------------阅读原文

 第一步：点击 https://www.huaweicloud.com/product/bcs.html打开区块链服务BCS产品页，点击“立即使用”，进入区块链服务管理控制台。第二步：点击“购买区块链服务”，进入购买区块链服务页面。填写/选择必填信息。计费模式选择包年/包月，版本类型“基础版”，区块链类型“私有链”；节点组织名称：organization，数量 2，共识节点数量1；购买时长1个月。第三步：创建集群。在容器集群栏，选择“创建容器集群”，进入“购买虚拟机集群”页面。1.填写/选择必填信息。计费模式选择包年/包月，集群规模50节点，高可用选“否”，购买时长1个月。2.点击“下一步”，输入节点名称，节点规格选择通用计算增强型C3.large.2 | 2核 | 4GB | CentOS 7.4；弹性IP选择“立即购买”，全动态BGP，5M 带宽；购买时长1个月。 3.点击“下一步”，选择默认的系统资源插件，点击“立即购买”。订单确认无误后“去支付”，即可。第四步：创建网络存储。回到“购买区块链服务”页面，在网络存储栏，选择创建网络存储，进入“创建文件存储卷”页面，填写/选择必填信息填写，总容量改为40GB，然后点击“立即创建”，即可。第五步：上述步骤完成后，回到“购买区块链服务”页面，点击“立即购买”，订单信息确认无误后“去支付”，即可。