作为新基建的主要支撑技术，人工智能技术对5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、工业互联网各新基建科技端领域具有重大促进作用。人工智能若与5G、大数据、云计算等技术结合，将带动诸多行业快速发展，为多领域企业数智化转型奠定技术基础。新技术正在成为推动经济发展的新动能。伴随着人工智能和云计算在全行业应用越来越深入，在医疗、教育、金融、消费等民生领域已经有较为成熟的数字化产品落地，在工业制造业、能源化工业领域的数字化解决方案也在逐步落地。天眼查数据研究院特设立“AI+”系列产业分析，逐步为读者解读各行各业产业数字化发展进程，“AI+云计算”为第一篇，阐述人工智能相关技术对产业发展的作用。人工智能企业井喷式增长，新基建进入加速期人工智能技术是我国新基建信息基础设施当中的新技术基础设施之一，其作用是在实体经济中找到应用场景，赋能生产力升级，推动各行业完成智能化转型和新旧动能转换。目前，人工智能技术已经广泛应用在了金融、教育、医疗、能源、消费、工业等各行业各场景之中。截至2021年9月底，我国目前有近160万余家人工智能相关企业，超8成的相关企业成立于5年内，其中有37%的企业成立于1年内。全国各地新型基础设施建设项目数量逐渐攀升，相关的算法技术和硬件算力的基础设施领域企业快速增长。天眼查数据显示，2021年上半年人工智能相关企业新增注册量已经达到30万余家，同比增长88%。2020年以来，我国多地陆续颁布了基础设施建设目标原则和重点任务，积极推动新基建建设。据信息化协同创新专委会统计，河北、山东、广东的新型基础设施数量占比较高，分别达到了43.5%、35.0%及34.1%。在新基建建设过程中，广东省注册成立人工智能相关企业数量最多，有近25万家，占全国相关企业总量的约16%。天眼查数据研究院分析认为，面向我国庞大的“新基建”市场，人工智能相关技术正在逐步改善各个行业的生产力和生产效率，推进新基建加速发展。人工智能技术迭代迅速，产业结构完备，应用市场广阔目前，人工智能技术的发展已经从推理期、知识期进入到了第三阶段——机器学习期。随着技术迭代和市场认知的不断提升，产业结构基本完备，人工智能进入全面赋能生产生活的落地开花阶段。人工智能产业链包括三层：基础层、技术层和应用层。基础层以研发硬件及软件为主，技术层以模拟人的相关智能特征为出发点构建技术路径，应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术。以下为人工智能产业链的简单解析：• 基础层主要提供算力和数据支持，涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等，为人工智能提供数据和算力支撑。截至9月底，天眼查数据显示，我国共有近93.5万家数据处理相关企业，代表企业有寒武纪、地平线、四维图新、深鉴科技等。• 技术层包含基础架构、算法模型以及通用技术，处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。截至9月底，天眼查数据显示，我国共有超25.1万余家算法相关企业，代表企业有百度云、腾讯云、阿里云、华为海思、商汤科技等。• 应用层针对不同的场景，将人工智能技术进行商业化应用落地，为智能驾驶、安防、医疗、金融、教育、客服、零售、文娱等特定应用场景需求而提供软硬件产品、系统服务和解决方案。截至9月底，天眼查数据显示，我国共有约13.9万家智能硬件相关企业，代表企业有科大讯飞、大疆智能、图森未来、出门问问、猎户星空等。天眼查数据研究院调研发现，智慧工厂、智慧物流、智慧医疗、智慧教育等产业的兴起，代表着人工智能应用正处于面向复杂场景、处理复杂问题的复合新阶段，应用向多元化发展；智能仓储、智能机器人、自动驾驶、自适应教育等人工智能产业化的发展，为智能服务创造出更多的创新生产和服务模式，促进众多产业改造升级和企业数字化转型，推进新基建向纵深发展。企业上“云”大势所趋，国内云计算市场规模已近2千亿人工智能是大数据、云计算的应用场景，云计算是基于互联网和底层基础设施相关服务的增加、使用和交付模式提供的虚拟化资源。人工智能带给人们生活的改变肉眼可见，而云计算的作用则更多地体现在企业运营之中。随着世界互联网飞速发展，越来越多的企业应用云计算，企业上“云”为大势所趋。受限于企业技术、成本等原因，IT外包化、网络外包化趋势明显，低代码/无代码软件服务平台诞生，云管理服务行业得以飞速发展。根据Gartner统计，2015-2020年，全球云计算市场渗透率逐年上升，由4.3%上升至13.2%，预计2021年全球云计算渗透率将上升至15.3%。近年来，全球以IaaS、PaaS和SaaS为代表的全球公有云市场呈现稳步上升趋势。IDC最新发布的《全球及中国公有云服务市场(2020年)跟踪》报告显示，2020年全球公有云服务整体市场规模(IaaS/PaaS/SaaS)达到3124亿美元，同比增长24.1%。在基础设施领域，我国新型互联网中心与新技术、新业务融合发展趋势明显，宽带接入网络能力快速提升。云计算方面，中国互联网协会数据显示，2020年我国云计算市场规模达到1781亿元，增速为33.6%。其中，公有云市场规模达到990.6亿元，同比增长43.7%，私有云市场规模达791.2亿元，同比增长22.6%。云计算市场“马太效应”加剧。从全球市场来看，全球云计算市场3A格局(亚马逊AWS、微软Azure和阿里云)占据近7成市场份额。在国内也是如此，《中国公有云服务市场(2020上半年)跟踪》报告显示，中国前五大公有云（阿里云、腾讯云、华为云、中国电信天翼云和AWS，排名不分先后)总体市场份额达到76.7%。云计算包含云平台、云储存、云终端、云安全四个基础部分，云平台分为公有云、私有云、混合云三种类型。公有云应用继续加速，推动公有云服务市场高速增长。截至9月底，天眼查数据显示，我国目前有近21.3万家云计算相关企业，超3成相关企业成立于1年内。从地域分布来看，北京的云计算相关企业数量最多，超过8万家，占全国的44%。大数据、云计算驱动的产业和产业变革向纵深发展，行业创新和投资行为也更加的频繁。截至9月底，据天眼查数据不完全统计，2021年我国云计算相关企业累计发生超250起融资事件，平均每个月有近30起融资。其中，北京获得融资的云计算相关企业数量最多，占全国的15.7%。从融资轮次来看，云计算相关企业融资较多分布在A轮，占比31.4%，其次，也有超2成相关企业的融资分布在E轮及以后。天眼查数据研究院通过投融资数据研究发现，随着云计算相关企业发展的不断成熟，云计算投资偏好呈现后移趋势。从行业分布上看，约9成获得融资的云计算相关企业分布在企业服务行业。通过分析投资行为，天眼查数据研究院认为，随着应用开展和市场需求，SaaS成为云计算领域投资的热点。随着互联网高速发展，服务端运算能力提升，大量数据存储在云端，终端运算和服务端运算实现了有效结合，大大提升了企业的运营效率。同时，运用成熟的人工智能和云计算技术，硬件功能更加丰富，软件功能更加智能，可替代人类执行复杂任务的机器即将来临。本文来自微信公众号“天眼查数据研究院”（ID:TYC_Research），作者：AliceMax，36氪经授权发布。

＞＞点击跳转至活动首页＜＜活动已开奖，中奖名单如下所示。请获奖的用户填写华为云2021星云闪耀1024程序员节获奖信息收集表（点击填写），12月12日前填写有效，奖品将于15个工作日内发出哦！活动奖励以及获取线索说明：a. 线索说明：完成任务（必须在本帖回帖）将获取星耀宝盒谜题线索（破解后获取谜题10）b. 奖励说明：将随机抽取10位开发者奖励公牛插排1个活动时间：2021年10月20日~2021年11月21日 参与方式：用户在本帖下载附件星际探索demo，按照指导完成实验，最后按照要求将实验结果截图+华为云账号回复至活动帖内，视为完成任务。打卡截图示例（请将最终效果截图即可）：华为云账号+打卡截图活动规则：a. 回复非示例图片，视为无效楼层。b.完成任务后（完成回帖），小助手会在活动期间的工作日每天上午9点-下午4点，为符合活动要求的用户通过社区私信星耀宝盒谜题，码豆将在活动结束后统一发放。Tips：1、请务必使用个人账号参与活动（IAM、企业账号等账号参与无效）。2、所有获得华为电子产品奖项的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

随着数字经济时代的发展，全球的数据量会呈现爆炸式增长。原来数据少的时候，可能只需要一台机器就可以处理，现在肯定需要更多的机器共同工作才能完成。但是这样一来又会面临一个问题：如果一家公司自己去建设这样的信息系统，要自己建机房、买服务器、搭建系统、开发程序、设置专人维护，这种方式投资成本很高。而且不用的时候如果把这些机器都放着，非常浪费。那么能不能需要计算的时候，把这些机器拿出来用，不需要的时候这些机器可以去做别的事？云计算的出现就能很好的解决这些问题。简单来说，云计算就是把买变成租。客户需要建信息系统的话，只需要通过互联网向云计算提供商租赁他想要的计算资源就可以了，而且这些资源是可以精确计费的。打个比方，原来要喝水，还得自己去买工具打水井，现在已经有人把水井打好了，需要的时候只要接个管子就可以喝水了。如果说大数据是数字经济的燃料，那么云计算就是引擎，支撑着上层的大数据处理。云计算满足了大数据系统中海量、多种类型数据的存储和计算要求，使大数据的实现成为可能，还能够在很大程度上为大数据拓展采集数据的渠道。因为云计算未来向行业领域的垂直发展将整合大量的行业数据，这对于大数据来说具有非常重要的意义。所以从这个角度来看，没有云计算的发展则很难有大数据技术的突破。根据部署方式的不同，云计算可以分为私有云、公有云和混合云三大类别。打个比方来说，私有云就像整租套房，可以根据用户的要求改装成想要的云环境，而且资源不与其他人共享，安全性高。但是私有云的费用相对较高，并且维护成本也不低。所以私有云的使用对象通常为政府、金融机构等大中型组织。公有云就像合租房，价格比较低，也不用用户自己维护，比较方便。

9月23日至25日，华为全联接2021以“深耕数字化”为主题，各行业领军人物分享最新成果与实践。其中在“华为云Stack，使能政企从业务上云到云上创新”专题演讲中，清华大学软件学院院长、大数据系统软件国家工程实验室执行主任王建民教授，发表“清华大学携手华为云FusionInsight共筑软件创新体系”演讲。       大数据作为一种新型战略资源，在今年来随着其逐步进入生产系统，已改变人们传统认知。同时，大数据的创新模式则离不开开源，近几年人们已不再满足于简单地修改开源大数据软件，在中国，已陆续诞生一批优秀的开源大数据软件项目和商用大数据解决方案，我国已不仅是全球开源软件生态的重要参与方，众多软件创新者在向引领者转变，并成为全球开源生态所不可或缺的贡献力量。       清华大学软件团队在大数据软件技术和应用方面持续创新，积极在开源软件持续贡献；同时，清华大学携手华为云FusionInsight智能数据湖团队，持续探索商业化的软件创新模式。       首先在开源方面，王建民教授认为对高校大数据研究和创新有着三大好处：1）开源是高校对外进行技术输出的一种有效手段。开源可以让新一代软件人接触到来自现实应用中的真实需求，能培养他们在学校里难以学到的大数据软件开发技能。开源也是一种对世界、对人类的一种无私的回馈，也是对高校师生奉献精神的重要培养渠道。2）开源是一个重要的软件工程培训环境。在清华大学软件学院，鼓励学生和教授为开源软件做出贡献。自2018年起，清华大学软件学院在学生奖学金的评定标准当中，不仅强调论文发表，还考察学生对开源项目的贡献。 3）开源是将科研成果溢价的有效手段。在实践方面，清华大学软件学院从2011年开始筹备，2015年正式启动工业物联网时序数据库开发项目。至2019年，该项目正式成为Apache的顶级项目，即IoTDB。今年，在最新的ASF年报上，IoTDB的代码提交活跃度，在Apache基金会351个项目中排名第七。近年来，清华大学和华为云FusionInsight团队以Apache IoTDB开源组件为基础，开始一种新型的、基于开源社区的产、学、研合作模式，正是这种开源与开源的合作、开源和商业的碰撞，以及对工业时序数据库软件的期待，双方最终成功在华为云FusionInsight 8.1.0版本的MRS云原生数据湖服务中完成IoTDB商用版本开发和集成，进一步完善了MRS三湖一集市能力，为工业海量时序数据分析提供企业级的时序数据库。IoTDB时序数据库聚焦海量时序数据的处理，具有“专、快、稳、省、易”五大特点，轻松应对海量时间序列数据的处理，一套引擎打通云边端时序数据分析。专：IoTDB总结了过去十年来在工业应用中遇到的典型需求，解决了传统数据库和列式数据库在超大规模复杂时序场景存在功能短板和性能瓶颈的问题，适用于如千万级超大规模测点处理、乱序处理、多序列对齐、序列分割、子序列匹配、旋转门压缩、降采样存储等专业场景。而且针对工业物联网时序分析场景，设计了TsFile专业时序存储格式和tLSM时序处理算法，弥补了传统方案的功能短板和性能瓶颈；快：时序数据库面临数据采集频率高，每秒上万次采集，数据存储周期长，时间跨度大的现状，IoTDB可实现单台服务器千万级数据秒级写入，十亿量级数据毫秒级聚合检索；稳：工业级的时序数据库，需要具备高可用特征，才能达到商用要求，IoTDB通过创新算法研究，采用对等分布式架构、双层多Raft协议、边云节点同步双活等机制实现高可用，保障工业物联网7*24小时的零故障运行；省：工业海量时序数据库的存储成本往往随数据量指数级增长，IoTDB提供了高压缩比算法，包括有损压缩和无损压缩，针对不同场景可以自动识别，降低海量时序数据的存储成本；易：易用性是成熟的商用软件产品基础特征，IoTDB采用类SQL，降低客户使用门槛，为客户打造集查询、存储、分析为一体的工业时序数据解决方案。目前，IoTDB已在交通、制造等众多工业级时序数据分析应用中落地。在IoTDB商用过程中，清华大学软件学院持续与华为云FusionInsight团队，通过组织与企业，人员与人员，代码和代码的丝丝相扣，实现IoTDB时序数据库在FusionInsight8.1.0新版本中正式商用。正是这种企业和高校，在代码开发中面对面，开发者和研究者深入交流，才会形成软件创新的一个正向循环；通过形成的开源项目，将技术与产品贡献给客户使用，不仅实现技术的应用落地，而且从客户那里不断打磨产品，这将又形成一个正向循环。“独行快，众行远”，正是这种环环相扣的正向循环，促使企业、客户、高校多方共同受益，进一步让清华大学和华为云FusionInsight团队，在中国大数据软件创新之路上越走越远。未来，清华大学大数据软件团队携手华为云FusionInsight，持续聚焦工业大数据软件，在国家特色化、示范性软件学院旗帜的引领下，加强建设中国高校大数据人才高地，让大数据人才“学以致其道”，让华为云大数据“算以致其用”，通过持续技术创新，为大数据软件产业蓬勃发展，贡献源源不断的能量，最终服务于国家大数据战略。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html 

9月23日至25日，华为全联接2021以“深耕数字化”为主题，各行业领军人物分享最新成果与实践。在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中，北京东华博泰科技有限公司（以下简称“东华博泰”）副总经理任东岩，发表“东华博泰携手华为云FusionInsight打造能源大数据解决方案”演讲。随着我国提出“2030年前碳达峰，2060年前实现碳中和”的国家级战略目标，到2030年，中国单位国内生产总值（GDP）二氧化碳排放将比2005年下降65%以上，非化石能源占一次能源消费比重将达到25%左右。这意味我国未来非化石能源发电量占全部发电量的比重将大幅增加，非化石能源的装机量要大幅提升。电力作为我国高碳排放的行业，在产业供给侧的优化势在必行，未来能源是数字技术驱动的、以可再生能源为主体的智慧能源系统。在这种大趋势下，东华博泰携手华为云FusionInsight在华为全联接2021上宣布共同打造能源大数据解决方案。本次东华携手华为云FusionInsight发布的能源大数据联合解决方案，其核心目标是建设新型电力工业互联网能源大数据体系。任东岩副总经理表示，未来的能源生产将从现有电力系统自顶向下的发电-输电-配电-用电的结构，走向扁平化、分布式的能源自治、单元对等的互联结构。这种能源互联结构，将实现可再生能源的分层接入与消纳，并且能源大数据平台将成为以可再生能源为主体的新型电力系统核心平台。从能源大数据平台的技术作用看，通过物联、数采，联接各种与发电、用电相关的设备，通过对设备数据的采集、清洗、治理、建模、分析等环节，综合运用电力行业知识沉淀、大数据分析、AI等技术手段，以数据贯穿业务、用数据驱动业务，激发数据要素价值，实现能源产业链的协同与延伸，实现纵向专业领域的贯穿，为能源行业用户、为用能端用户提供技术服务。从平台的技术结构看，数据底座+业务知识沉淀，支撑以设备为核心的能源大数据平台。以华为云FusionInsight强大的智能数据湖解决方案研发团队与技术实力为支撑，东华博泰阿凡达平台实现海量能源数据的编码，设备对象的构建，丰富能源算子算法库，加强海量能源数据探索能力。能源大数据联合解决方案构建能源大数据平台、生态运营管理、智慧能源生态圈三层结构，已在电力领域多次应用，通过大数据应用实现电、热、冷等形式互联互通，风光水火储多能互补。       2021年，东华博泰将携手华为云FusionInsight，实现以数据为源力核，平台为运力核，应用为创力核，体系为内力核，生态为汇力核，打造“五核聚一”的数字化运营架构，为能源行业提供大数据创新解决方案，共建智慧能源生态圈。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  

云计算的概念出现之后受到众多热捧和追逐，经怡海软件针对多个平台调研发现大家普遍对这些问题较关注或存在疑惑：1、什么是云计算？如今天天都能听到媒体说云计算，国内的什么阿里云、百度云、腾讯云等，到底什么是云计算呢？针对这个问题，怡海软件曾整理文章从云计算概念、服务模式、关键技术、主要优势、面临的问题、发展应用及其展望等多方面进行阐释，这里就不再赘述。（浅谈云计算的服务模式、关键技术、优势及面临问题：另外分享知乎网友李嫣的解释，可能更加通俗易懂：云计算其实就像家里自来水一样。为了喝上干净的自来水，我们家里有没有必要建一个自来水厂？显然不需要。只需要把水龙头打开就可以获得要喝的水。云计算给大家提供了一种模式，其实就类似自来水一样。未来你想获得什么东西，不需要有很大的硬盘，也不需要你的电脑有非常强的处理能力，只要需要，随时随地可以获得。这种新型计算，在无所不在的网络环境下给大家带来了一种新的信息获得方式或者是信息使用模式就是云计算模式！2、全球云计算市场概览根据美国调研机构Gartner发布的云计算市场份额报告，2016年全球云计算市场规模为2196亿美金，2017年达到2602亿美金，同比增长18.49%。在未来几年全球云计算服务市场仍将保持在15%左右的增长率平稳增长。预计在2019年将达到3556亿美元，行业市场规模广阔。另据Gartner调查数据显示，截止2018年底，亚马逊、微软、阿里巴巴、**占据全球市场份额前四位。排在前10位的还有： IBM、Salesforce、Oracle、Adobe、SAP、Cisco。当前，虽然世界云计算正在蓬勃发展，但是比如安全问题等关键技术还在不断完善，产品和服务还在持续创新。3、云计算在国内的市场据中国信通院数据统计，2016年中国云计算整体市场规模达到514.9亿元，整体增速为35.9%。在2017年达到691.6亿元。预计未来几年复合增长率仍将超过20%。到2019年市场规模将达到1163.2亿元。在我国2018年云计算企业排行榜中，在云计算市场领跑的企业有阿里巴巴（阿里云）、中国电信（天翼云）和腾讯（腾讯云），并且领先优势还在不断扩大。根据阿里巴巴2018年第三季度财报数据显示，阿里云计算业务在该季度营收56.67亿元，占据阿里总营收的15.2%，也就是说，阿里依靠云计算业务月收入达到了18多亿。另外前进入前10的企业分别有：中国联通（沃云）、华为（华为云）、中国移动（移动云）、百度（百度云）、华云（华云）、浪潮（浪潮云）、新华三（华三云）。在互联网时代，市场从落地到成熟的时间会越来越短，中国的云计算市场份额的增速也会越来越快。但在公有云市场，中国与美国相比至少有 5 年的差距，当中国云服务刚落地的时候，美国已经实现了从企业到公众的成熟应用阶段，公有云应用的市场规模更是天壤之别。应该不难感觉到，全球云计算市场已经越来越往亚太地区倾斜，欧洲是较排斥云计算的地区，美国的大型科技企业又自信到不屑用云计算，唯独亚洲这个新兴市场，对云计算有强烈的需求。可以不客气的说，中国的云计算市场已经成为全球更具潜力、更具活力、更富价值的市场。4、云计算和大数据的区别云计算是基于互联网的相关服务的增加，使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算特征：超大规模（能赋予用户前所未有的计算能力）、虚拟化、高可靠性（比使用本地计算机可靠）、通用性（不针对特定的应用）、高可扩展性（规模可以动态伸缩）、按需服务（按需购买）大数据，是指无法在一定时间范围内用常规软件工具进行捕捉，管理和处理的数据集合，是需要新处理模式才能具有更强的决策力和洞察力以及发现力和流程优化能力的海量，高增长率和多样化的信息资产。大数据特征：容量（数据的大小决定所考虑的数据的价值和潜在的信息）、种类（数据类型多样性）、速度（获得数据的速度）、可变性（妨碍了处理和有效地管理数据的过程）、真实性（数据的质量 ）、复杂性（数据量巨大，来源多渠道）、价值（合理运用大数据，以低成本创造高价值）总的来说：云计算注重资源分配，是硬件资源的虚拟化，可以说是一种互联网的虚拟资源存贮；而大数据是海量数据的高效处理，可以说是一种信息资产。大数据与云计算之间并非独立概念，而是关系非比寻常，无论在资源的需求上还是在资源的再处理上，二者共同运用能发挥1+1>2的效果。5、SaaS、IaaS、PaaS的区别云计算的服务模式分为软件即服务（SaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）这三种形式。SaaS：这一模式主要是为客户提供应用软件类的服务。有关供应商将其应用软件全部共享在其“云端”服务器上，在互联网作用下，使用户享受其服务，并依据需求进行订购，费用计算以时间、数量为主，用户只要通过Web浏览器就可以获取服务。SaaS与PaaS的区别在于，使用SaaS的不是软件的开发人员，而是软件的最终用户。CRM客户关系管理（怡海软件主营业务），ERP企业资源计划以及其它一些常见的业务软件等都是SaaS服务，还有面向互联网用户的社交网络，Twitter等，再有就是工具型的软件，比如邮件、杀毒、OA、中小型企业的财务软件等，未触及大型企业IT核心业务。目前，SaaS的应用较为广泛，也较为人们所熟知。IaaS：在互联网的作用下，供应商将不同服务器集群后所形成的“云端”等基础设施作为基本量来为客户提供服务，其服务种类包括服务的虚拟化以及资源存储等，该服务类型属于硬件托管式，用户对供应商提供的硬件采取服务使用的方式进行。像国际上的亚马逊AWS，还有国内的阿里云，都在提供IaaS服务，是实际部署较多的一种服务模式。IaaS因为提供的差异性服务不多，价格上拼得比较狠，这也使得IaaS领域竞争异常激烈。PaaS：这种方式主要是为用户提供开发软件平台以及相关研发环境为主，通过其提供的开发平台，客户能自行研发各种程序，并在互联网的作用下得到使用。用户使用PasS的模式与SaaS具有相同之处，不同之处在于前者是开发软件的平台，而后者是应用软件的平台。比较典型的PaaS服务提供商有Force．com、Google Apps Engine、Heroku和微软Azure等。在国内，一般大型的政务网和私有云中可以实现区域教育平台，区域医疗服务中心，区域公共服务等。目前，在三种云服务模式中，PaaS是较不成熟的一种。6、公有云、私有云和混合云的区别公有云：通常指第三方提供商用户能够使使用的云，公有云一般可通过 Internet 使用。优点是能够以低廉的价格，提供有吸引力的服务给终端用户，创造新的业务价值。能够整合上游的服务（如增值业务，广告）提供者和下游终端用户，打造新的价值链和生态系统。它使客户能够访问和共享基本的计算机基础设施，其中包括硬件、存储和带宽等资源。缺点与安全有关。公共云通常不能满足许多安全法规遵从性要求，因为不同的服务器驻留在多个国家，并具有各种安全法规。而且，网络问题可能发生在在线流量峰值期间。虽然公共云模型通过提供按需付费的定价方式通常具有成本效益，但在移动大量数据时，其费用会迅速增加。私有云：是为一个客户单独使用而构建的。对于企业来说，私有云具有更高的安全性和隐私性，可以定制解决方案，更充分地利用计算资源，减少能源消耗。同时，私有云的可靠性、云空间爆发和速度优势也被企业所看重。但私有云价格较高此外，企业仅限于合同中规定的云计算基础设施资源。私有云的高度安全性可能会使得从远程位置访问也变得很困难。混合云：是公有云和私有云两种服务方式的结合，允许用户利用公共云和私有云的优势。还为应用程序在多云环境中的移动提供了极大的灵活性。此外，混合云模式具有成本效益，因为企业可以根据需要决定使用成本更昂贵的云计算资源。缺点是因为设置更加复杂而难以维护和保护。此外，由于混合云是不同的云平台、数据和应用程序的组合，因此整合可能是一项挑战。在开发混合云时，基础设施之间也会出现主要的兼容性问题。7、如何评判一个系统是否有必要迁移到云平台？在决定某个企业级应用是否迁移到云时，要评估和权衡几个因素：（1）将应用移入云计算将增加多少业务价值？（2）技术上是否可行？（3）有哪些风险要承担，风险有多大？如果在权衡利弊之后可以接受，在正式实施前还要通过小范围模拟（或试点项目）来验证先前评估的结果。不要就事论事地谈某某应用或系统如何能迁移到云平台上，即便是同样或类似的应用和系统，在不同的企业环境下或不同的云实施阶段中都会有不同的结论。分享雷万云博士在《云计算》一书中的建议：“在合适的领域使用云：比如研发、软件开发、测试以及数据密集的职位；比如数据清洗、数据挖掘、风险建模、优化与仿真。”8、如何评价云服务提供商的服务质量？对云服务提供商的考核和评价标准，与传统的服务商并没有太大的区别，考核评价指标、体系都应该是平等的。安全、开放和标准化、服务质量和价格，是CIO评价云服务提供商要考虑的三条首要标准。另外，云服务商的服务交付标准也很重要。Salesforce的7条交付标准也值得大家参考，这7条标准分别为：世安全性、信任与透明、真正多租用、可靠的规模、高性能、完整的灾难恢复、高可用性。9、2019云计算的发展趋势是什么？来自于研究机构Forrester的报告指出，云计算已经走过了“以自我为中心的青少年时期”，进入了“年轻成人时代”。成为“推动全球数字转型的引擎”，为企业应用程序带来创新的开发服务，而不仅仅是提供更便宜的临时服务器和存储。下面怡海软件简单介绍Forrester在2019年对云计算的五个预测。（来源：机房360）趋势一：企业支出将增加；趋势二： 容器、Kubernetes(K8s)和无服务器将重塑核心应用；趋势三：私有云的新途径；趋势四：平台即服务(PaaS)战略将考虑长期经验；趋势五： 基于软件即服务(SaaS)的行业系统将越来越受欢迎。10：云服务供应商将要面临什么问题?价格战：Gartner预测，公有云服务市场的总体份额将从2017年的2468亿美元增长到2020年的3830亿美元，增长伴随着竞争，为了与其他云服务提供商竞争打价格战，云服务提供商需要提供增值服务（VAS）来维持利润，并通过利基服务或垂直平台提供明确的市场差异化。多云战略：单一的云计算模式并不能适应所有的用户需求，多云的方式正在不断发展。云服务提供商需要探索混合云模式和云代理服务，以满足这一需求，为用户提供更多选择。边缘计算：随着智能设备和传感器的直接对等传播的发展，5G和IoT的兴起，正在推动边缘计算（雾计算）的发展。例如，无人驾驶骑车每秒产生将近1千兆字节的数据，这将需要在低延迟的边缘进行处理和预先分析。安全性：云服务的安全性是云计算领域永恒的话题，云计算安全的核心诉求就是对隐私性、完整性、可用性的保护，云服务如果不安全，那么一切都是空谈。原文链接：https://blog.csdn.net/qq_38566254/article/details/88873176

央广网北京9月19日消息（记者 万玉航）工业和信息化部运行监测协调局消息，1-8月份，通信业运行态势总体良好。电信业务收入稳步增长，电信业务总量快速增长；5G用户数快速扩大，网络建设和应用不断推进；固定宽带接入用户数稳步增加，蜂窝物联网、IPTV用户数较快增长，新兴业务对电信业务拉动作用持续显现。特别是新兴业务收入持续加快增长，云计算和大数据收入同比增速分别达98%和34.8%。2020-2021年1-8月份电信业务收入和电信业务总量累计增速（图源工信部网站）1-8月份，电信业务收入累计完成9919亿元，同比增长8.4%，增速同比提升5.3个百分点。按照上年不变价计算的电信业务总量为10932亿元，同比增长27.5%。分类来看：数据及互联网业务收入平稳增长。1-8月份，三家基础电信企业完成固定数据及互联网业务收入为1708亿元，同比增长11.3%，在电信业务收入中占比为17.2%，占比同比提升0.5个百分点，拉动电信业务收入增长1.9个百分点。完成移动数据及互联网业务收入4392亿元，同比增长4.3%，在电信业务收入中占比为44.3%，拉动电信业务收入增长2个百分点。语音业务持续下降。1-8月份，三家基础电信企业完成固定语音和移动语音业务收入156亿元和797亿元，同比分别下降6.8%和5.9%，合计在电信业务收入中占比9.6%，占比同比回落1.5个百分点。新兴业务收入持续加快增长。1-8月份，三家基础电信企业积极发展IPTV、互联网数据中心、大数据、云计算等新兴业务，共完成新兴业务收入1491亿元，同比增长28.1%，增速较1-7月份提高0.6个百分点，在电信业务收入中占比为15%，拉动电信业务收入增长3.6个百分点。其中云计算和大数据收入同比增速分别达98%和34.8%。2020-2021年1-8月份电信业务收入分类增长情况（图源工信部网站）从用户发展情况来看，移动电话用户规模稳中有增，5G用户规模快速扩大。截至8月末，三家基础电信企业的移动电话用户达16.26亿户，比上年末净增3205万户。其中，5G手机终端连接数达4.19亿户，比上年末净增2.2亿户。固定宽带接入用户规模稳步增长，千兆用户发展加快。截至8月末，三家基础电信企业的固定互联网宽带接入用户达5.19亿户，比上年末净增3510万户。其中，100Mbps及以上接入速率的固定互联网宽带接入用户达4.77亿户，占总用户数的92%，占比较上年末提升2.1个百分点；1000Mbps及以上接入速率的固定互联网宽带接入用户达1864万户，比上年末净增1224万户。蜂窝物联网用户增长较快，IPTV用户稳步增加。截至8月末，三家基础电信企业发展蜂窝物联网终端用户13.3亿户，比上年末净增1.9亿户，其中应用于智能制造、智慧交通、智慧公共事业的终端用户占比分别达17.6%、16.8%、22.4%，智慧公共事业终端用户同比增长24.6%，增势最为突出。IPTV（网络电视）总用户数达3.4亿户，比上年末净增2469万户。1-8月份，移动互联网累计流量达1420亿GB，同比增长36.7%。其中，通过手机上网的流量达到1359亿GB，同比增长35.5%，占移动互联网总流量的95.7%。8月份，当月户均移动互联网接入流量(DOU)达到13.73GB/户·月，同比增长22%，比上年底提高1.81GB/户·月。【来源：央广网】

https://arxiv.org/pdf/2004.04906.pdfnlp-paper：https://github.com/DengBoCong/nlp-papernlp-dialogue：https://github.com/DengBoCong/nlp-dialoguetext-similarity：https://github.com/DengBoCong/text-similarity说明：阅读原文时进行相关思想、结构、优缺点，内容进行提炼和记录，原文和相关引用会标明出处，引用之处如有侵权，烦请告知删除。在开放域的问答系统中，我们需要从大量的文本数据中搜索匹配我们想要的答案（或者学习文档的“信息知识”用于生成答案），而对每个问题都进行全文的数据“学习”是不现实的，因此往往依赖于高效的文本检索来选择候选段落，进而缩小目标范围。做法往往是将模型分为两大块，首先有一个 Document Retriever，对给定的问题 question，从所有文档中检索，检索到文档后切分成段落，然后用一个称之为 Document Reader 的模块在段落中预测答案位置并给出分数，或者是进行模型的学习生成。而本文的重点就在于Retriever，如何在Retriever阶段提高检索的效率。传统的检索模型用的较多的有TF-IDF 或 BM25算法，它们通过高效匹配关键词将问题和context表示成一个稀疏的高维度空间向量，这些算法很高效，但是不足之处在于仅仅是在词的匹配上进行检索，并未考虑语义的相关性，有很大的局限性。所以文中从一个很直观的思路，即通过稠密且能够包含语义信息的空间向量进行表示，那么问题来了，我们怎么样在不进行额外的预训练的前提下，只是用question和passage（或answer）对来训练一个足够好的embedding model呢？论文提出了的方案非常简单，通过优化question和相关passage向量的最大化内积，目的是比较batch中所有的question和passage，这种看似简单的方法，在 top-20 文章检索准确率上却比 Lucene-BM25 系统高出 9%-19%。

9月23日至25日，华为全联接2021以“深耕数字化”为主题，各行业领军人物分享最新成果与实践。其中在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中，华为云FusionInsight技术专家陈祥，发表“华为云FusionInsight智能数据湖版本新能力解读”演讲。进入智能数据时代，业界建设数据湖的十大共识       经过数十年的快速发展，大数据处理技术已日渐成熟，围绕数据湖衍生技术多如繁星，业界在多年的探索之中，也对未来数据湖形态有了十个重要共识，如充分利用云技术实现云原生的数据分析，支持混合云及多云部署，各种类型的数据、支持更多的数据用户类型，提供不同的数据引擎、不同的数据处理能力等，这些需求对大数据技术创新提出了诸多挑战。面对这些挑战，华为云FusionInsight发布智能数据湖最新版本8.1.0去应对新时代对大数据的这些技术诉求。华为云FusionInsight提供湖仓一体的解决方案，兼顾历史与未来华为云FusionInisght智能数据湖为企业客户提供完整的大数据云服务产品组合，有单集群最大支持5W节点的云原生数据湖MRS服务和全球最大的商用部署的云数据仓库DWS服务，MRS和DWS既可以灵活按需部署，也可以融合演进到湖仓一体的架构；同时面向不断增长的数据探索分析、新型的图分析、可信计算等诉求，提供了完全托管式的DLI数据湖探索服务，完全自研的高性能一体化的GES图计算服务、创新的可信智能计算服务TICS，并提供源自华为自身数字化转型经验沉淀的DGC数据湖治理中心服务，用于海量数据的数据治理、离线分析、实时分析、数仓集市、多模分析等场景，帮助客户构建一站式的大数据分析平台，释放企业数据价值。MRS云原生数据湖提供三湖一集市能力，让数据分析更敏捷MRS云原生数据湖作为FusionInsight主打的云服务，是一款Lakehouse架构的云原生数据湖服务，解决传统大数据平台零散式建设、供数链路长、人工搬迁慢等问题，一个架构实现离线、实时、逻辑三种数据湖：离线数据湖：提供交互式、BI、AI等多个计算引擎，基于云原生存储实现存算分离架构，使得云原生数据湖的架构更灵活，业务更敏捷。同时还支持单集群5万（通过集群联邦，支持10万+规模）节点的超大规模，支持集群滚动升级，保障关键业务升级不中断。实时数据湖：提供生成数据CDL实时捕获入湖、Hudi数据湖存储引擎、ClickHouse毫秒级OLAP分析等构建实时更新处理能力，使得供数时效从T+1到T+0。逻辑数据湖：HetuEngine提供跨湖、跨仓、跨云的协同分析，实现湖仓一体，减少80%数据搬迁，协同分析提效50倍。MRS云原生数据湖实现数据全链路实时分析，价值兑现从T+1走向T+0在华为云FusionInsight 8.1.0 新版本中，MRS云原生数据湖实现了数据全链路实时分析，让价值兑现从T+1走向T+0。传统方案从数据接入、数据入湖到数据入湖，不支持增量数据更新，数据处理采用离线批处理方式，数据分析则需提前制定各种CUBE，预聚合的方式费时费力，导致数据分析时效性T+1，无法满足新时代的业务诉求。为解决上述问题，MRS云原生数据湖通过创新的CDL组件支持直接读取Binlog日志实时入湖，结合Flink/Spark实现数据实时合并、实时加工，打通信息生产到分析平台的最后一公里；通过引入Hudi，支持数据更新、数据删除，还有ACID能力，保证数据实时入湖更新操作；通过引入ClickHouse，可以把数据拉到一个大宽表内去做分析，只需要对接后端的BI工具，就可以自助式的完成报表开发。同时，ClickHouse支持实时OLAP，可实现毫秒级实时分析，且ClickHouse不需要建Cube，只要对接BI工具就能轻松完成新业务的开发。MRS云原生数据湖通过CDL+Hudi+Clickhouse的新方案，实现全链路实时分析，快速构筑实时数据湖能力。IoTDB工业物联网时序数据库，云边端协同轻松构建时序数据集市MRS云原生数据湖提供一架构三湖能力的同时，还支持构建多模态数据集市，在新版本中引入了MRS IoTDB工业物联网时序数据库，实现云边端协同轻松构建时序数据集市。MRS IoTDB是由华为云FusionInsight团队与是清华大学共同开发，聚焦工业物联网领域的工业复杂时序数据的处理，如千万级超大规模测点处理、乱序处理、多序列对齐、序列分割、子序列匹配、旋转门压缩、降采样存储等专业时序需求，解决通用数据库在超大规模复杂时序场景的功能短板和性能瓶颈，高效管理海量工业物联网数据，形成跨越端、边、云的工业物联网大数据的利器，在海量时序数据处理场景发挥其“专、快、稳、省、易”能力。在实际应用落地中，一台IoTDB实例就能替代13台传统时序数据库，性能优势明显。灾备：两地三中心高可用，确保业务连续性，SLA 99.999%在增强数据湖平台全链路实时分析与工业物联网数据库能力的基础上，MRS云原生数据湖在数据可靠性上再次进行增强，提供了三个容灾方案：提供原有的数据备份能力，支持将关键数据备份到异地中，一旦出现集群故障导致数据丢失，则可以将备份数据恢复回来。新增了单集群跨AZ高可用方案：支持将一个集群部署在多个机房中，通过副本放置策略确保数据副本存放在不同的机房，通过YARN的任务调度机制的优化确保任务优先访问任务所在机房的数据副本，当一个机房出现故障后，任务会自动切换到其他机房的机器上，从而确保单AZ故障时数据不丢失，关键业务不中断。同时，还新增了异地主备容灾方案：也就是分别建设主、备两个MRS集群，主集群数据会周期或实时自动同步到备集群上。当主集群故障时，将业务倒换到备集群上，确保业务快速恢复。通过以上三种方案，MRS云原生数据湖可以实现从简单的数据备份到跨AZ高可用，到异地容灾的完整场景覆盖，业务可以根据自身业务特点以及需要应对的故障场景，灵活选择适合自己的方案。DWS：新一代全场景云数据仓库    华为云FusionInsight智能数据湖另一主打云服务为DWS云数据仓库，它是一款具备分析及混合负载能力的云数据仓库服务，具有高性能、高扩展、高可用等特点，广泛应用于汽车、制造、零售、互联网、金融、政府、电信等行业的核心分析决策系统。它不仅仅是把数仓搬上云这么简单，而是真正面向未来的云原生架构的数仓服务。作为全球最大的金融数仓，DWS通过了信通院单集群2048节点的规模认证，当前已经商用的最大集群有480个节点。DWS通过一套内核一套架构同时支持标准数仓、实时数仓和云数仓，匹配了用户全场景需求。DGC：一站式数据开发与治理，让开发者轻松驾驭数据华为云FusionInsight智能数据湖不仅为政企客户提供湖仓一体的架构，还有DGC数据湖治理中心服务，提供一站式数据开发集成管理平台，提供统一的数据治理工具，加速数据资产沉淀。DGC的特性主要集中在平台能力和生态两个方面：在平台能力方面：DGC提供一站式数据开发集成管理平台，支持40多种异构数据源、全拖拽式开发、多维实时搜索、0代码API开发等能力；并提供基于华为10多年数据治理经验沉淀出的数据架构、标准规范、数据开发、数据质量等数据治理能力；在生态建设方面：DGC通过开放API，使能行业 ISV 快速集成开发；通过合作伙伴提供数据标准、模型、指标、接口等行业数据模型，帮助企业快速构筑数据治理能力。华为云FusionInsight深耕大数据10年+，持续创新引领大数据技术发展华为云FusionInsight持续投入10年+，坚持开放路线，在扎根社区的同时，也积极回馈社区，为行业新技术发展贡献力量；同时，华为云FusionInsight智能数据湖将持续贯彻“平台+生态”战略，携手800+合作伙伴，服务于全球60+国家和地区3000+政企客户，已广泛应用于政府、金融、运营商、大企业等行业。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  

9月23日至25日，华为全联接2021以“深耕数字化”为主题，各行业领军人物分享最新成果与实践。在“华为云FusionInsight智能数据湖打造千行百业数据底座”专题演讲中，中国工商银行（以下简称“工行”）大数据平台产品经理袁一，发表“工商银行携手华为云FusionInsight共建大数据体系”演讲。随着金融业的快速发展和大数据技术生态的不断完善，近年来工行与华为持续联合创新，通过引入FusionInsight智能数据湖，工行大数据技术从仅对大数据批量加工，已延展到大数据实时计算、联机查询、数据可视化、安全管控等金融应用场景，不断提升工行服务实体经济的能力，倾力打造服务于经济高质量发展的数字工行。目前工行已建成同业最大的单集群，已部署上线的FusionInsight MRS云原生数据湖和DWS云数据仓库集群规模达2000+节点，支撑了300+总行应用、分行及集团子公司的平台化大数据应用开发，日均承载批量计算作业数达20万+，强力支撑了行内、行外的金融数据服务。传统的大数据平台主要以支撑增值类业务为主，但随着大数据技术的发展，诸如像风险控制、损益预查询、监管报送、交互查询（如交易明细查询）等关键业务也开始接入到大数据平台：在风险控制场景，工行通过FusionInsight MRS构建实时数据湖的能力，结合工行专家规则的风险防控系统能力，实现毫秒级交易风险控制，让风控从事后处理，向事中控制快速转变，已为工行客户挽回资金损失数10亿元；在损益预查询场景，传统方案采用批量作业，不仅存在业务时效性差的问题，同时也需消耗大量的主机资源，为此工行基于FusionInsight MRS和DWS开展了架构转型，通过准实时数据复制技术，将主机上产生的数据，准实时地同步到大数据平台，使原先每天只能跑10轮的批量作业，提升到每天30轮，让之前每轮批量作业耗时30分钟耗时缩减了2倍，不仅大幅提升分析时效性，同时也减少了主机的资源开销；在监管报送场景，伴随工行业务的不断增长，数据的体量也越来越大，传统一体机架构的建设成本越来越高，报送时效性也越来越难以满足业务发展现状。在新一轮IT架构转型中，工行携手FusionInsight构建监管报送系统，实现从数据加工、脱敏、校验，到最终的报送环节，充分利用了大数据平台分布式数据处理的能力，使报送频度从季度提升到月度；在交互查询场景，工行通过MRS HetuEngine数据虚拟化引擎，使得耗时从小时级降至秒级，提效50倍，提升工行13000名分析师即时BI体验，面向全行推广。以上仅是工行联合FusionInsight团队在金融大数据技术创新及应用落地的冰山一角，未来双方还将从以下几个方面持续创新：大集群跨机房部署：随着金融机构业务量的极速增长，底层的大数据基础设施也越来越庞大，如何对物理分散的基础设施进行有效管理，成为各金融机构最为关注问题之一。工行将通过FusionInsight MRS联邦集群管理能力，将同一个数据中心内多个机房的集群进行联合管控，形成一个资源可统一调度的大集群，为用户提供服务。大数据云原生：工行将建设具备固定资源池和弹性资源池混合部署的大集群，通过高性能固定资源池，满足日常相对固定的资源需求；通过存算分离的弹性资源池，灵活扩缩容，轻松应对特殊时间节点上的资源需求高峰。高可用能力提升：随着越来越多的关键业务逐步接入到大数据平台，业务对平台的可靠性和服务连续性，提出了更高要求。为此工行在同城两个数据中心内，建设了主备双活集群，提升关键业务场景的可靠性和服务连续性。数据入湖时效性提升：传统的数据交换时效一般为T+1，即使通过CDC等技术实现流式数据入湖，但最快也只能达到15-30分钟才能完成一个批次，造成业务感知慢。随着大数据生态中诸如Hudi实时增量更新技术的成熟，有望将数据入湖时效控制在5分钟以内，进一步提升数据处理时效性。      工行将不断加强与FusionInsight团队的合作，通过云计算、数据湖、人工智能、IoT等创新技术，更好地利用数据生产要素，从社会的痛点、难点入手，做好金融大数据平台的建设工作，提升工行服务实体经济的能力。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  

　戴着安全帽走在济南新旧动能转换起步区，目之所及都是工人忙碌的身影、正在运行的大型设备，耳边不断传来叮叮当当的敲击声。　　“这边是一期工程，已经运行5年了。那边是正在建设的二期，是亚洲单体面积最大的自动化分拨中心!”中通山东结算中心项目负责人指着一栋白色的框架建筑，已经完成主体建设的它在一片工地中格外显眼。　　物流有“智慧”180多个人的工作25人完成　　“这栋建筑是二期的一号转运中心，总建筑面积达18.79万平方米。”　　该负责人介绍，项目一共有四层，一、二层为分拣区域，三层为卸车平台，四层为云仓。运输车辆可以直接开往三层进行卸车，之后快递将通过螺旋滑道进到分拣区域，包裹由上而下经过各个环节后在一层装车、运往各地，分拣效率大大提高。　　也许走在平地上看不出它的壮观，但在航拍镜头中，18.79万平方米的体量具象起来，庞大的建筑让人震撼。　　“这个分拨中心会用上中通自主研发的全自动分拣系统，大数据、云计算、人工智能等技术都会服务于智慧物流发展。”项目负责人说，全自动分拣系统分为单层和双层，单层自动化分拣系统每小时可分拣快递2.3万件，双层自动化分拣系统每小时可分拣快递4.6万件，且分拣准确率高达99.99%，“按每天工作8小时计算，一天可分拣18万件以上。若按正常一人一个班操作1000件计算，需要180多个人，而使用自动化分拣流水线只需要25人。为了保障远期操作量需求，未来将在这里安装24套自动化分拣设备，全部投入使用后，预计峰值操作量将达到每天1000万件，为未来派送高峰预留足够的空间。”　　在济南市政府公布的2021年市级重点建设项目名单中，中通山东结算中心项目榜上有名。项目建成投入使用后，将与园区多家物流企业一道，助力起步区快速形成智慧物流产业链条，带动上下游产业云集于此，进一步拉动起步区物流经济飞速发展。　　办事、用电专人协调享受“保姆式”服务　　中通山东结算中心项目并不只是这一栋分拨中心，还包含用于大件包裹分拣的二号运转中心，以及一栋能供1500人休息的倒班楼，总建筑面积超过23万平方米。　　与项目相隔几十米，便是中通一期，2016年便已落成投产，正常情况下每小时可分拣3万件快递。“那时候就感觉到济南营商环境很好，因为快递行业普遍被认为占地大、利润低，济南是最欢迎我们、最照顾我们的。”该项目负责人说，中通快递山东总部落户崔寨后，电商业务飞速发展，包裹数量剧增，中通快递也成了当地的纳税大户，一期项目已不能满足日益增加的快递处理量。　　2019年，中通决定追加7.1亿元二期投资，并将山东结算中心落地崔寨。如今，这里成为了济南新旧动能转换起步区的一部分，对企业而言机遇千载难逢，人人都说“赶上了”。　　“我们享受到的服务也更好了!办理相关手续的时候，管委会投促部派出专人，一项项陪我们去办，不用自己查流程、整材料;拆迁过程也很快，而且是无声无息的，从立项到拿地非常顺利;建设过程中赶上疫情，不得不停工一段时间，相关部门也帮我们做疫情防控、协调工人，每周都会到工地来征询意见……”　　该项目负责人说起这样一件“小事”。“我们在建设过程中最离不开的就是电，市政建设过程中遇到停电就只能干着急。管委会工作人员为了不误工期，多次协调各部门，保障建设用电。”他感慨：“在建项目这么多，他们还能照顾得这么细，真不容易!”　　重点项目建设如火如荼“店小二”紧盯“全生命周期”　　中通山东结算中心项目将在10月底实现部分投产，已经有部分自动化分拣设备安装完成。宛如巨龙般盘踞在货舱内的履带，很快就将载满快件。“投产后的第一个‘双11’，一期工程就能松口气了!”　　环顾该项目四周，几家头部物流企业建设同样如火如荼。项目负责人说，虽然将来在招工方面会有竞争，但行业内各个层面的良性竞争同样有利于企业成长。　　公开数据显示，起步区获批4个月以来，先后集中开工两批重点项目建设，涉及生态环境、安居保障、产业发展、公共服务、基础设施等领域。两批集中开工共计49个项目，总投资约443亿元。这样的成绩，激发着起步区工作人员的动力。　　在济南新旧动能转换起步区管委会投资促进三室副主任孔杰的办公室里，有一块字迹密密麻麻的黑板，涉及6个重点项目推进的待办事项、十余项日常工作填满忙碌的一天。孔杰说，他们秉承全流程化、全生命周期的服务原则，从企业的招引谈判，到土地的拆迁供给、项目的建设运营，全程派遣专人跟踪服务，及时协调省市区多部门解决企业发展落地的困难。项目建设中、落成后，还会提供多维度、定制化的服务，不仅在企业经营、增加地方财政收入等经济维度进行帮扶，在企业人才引进、疫情防控等管理维度也要进行服务。　　“投资促进部门就像穿珠子的线，串联起与企业落地、发展相关的各个部门形成合力。今后，我们将继续发挥‘店小二’精神，帮助企业解决建设、经营中的各种问题。”孔杰表示，管委会所有人跟企业一样，对起步区未来的发展前景信心满满，也将跟企业一起，为希望之城建设贡献力量。来源：舜网-济南日报

原标题：北京5G基站达4.57万个，居全国第一 云计算和大数据业务增势突出 来源：青瞳视角北京市通信管理局16日在2021（第十八届）北京互联网大会上发布的数据显示，截至8月底，北京5G基站达4.57万个，每万人5G基站数约20个，平均上传速率达42Mbps，均居全国第一；5G终端用户1215.5万户，占移动电话用户近三成。记者在大会上了解到，北京已经实现了首都功能核心区、北京城市副中心、CBD、奥林匹克中心区等重点功能区的5G网络覆盖。数据中心、云计算、大数据等新兴业务成为固定增值业务主要增长点，其中云计算和大数据业务增势突出，增速达72.4%和28.3%。北京市通信管理局党组书记、局长苏少林说：“5G是推动数字经济高质量发展的重要支撑。目前及今后一段时间，5G发展处于导入期，面临着产业链不成熟、融合应用不深、经营模式不清晰、投资需求大等考验，需要保持定力，稳扎稳打，需要全社会共同参与。这不是一个行业的‘独角戏’，也不是关联行业的‘双簧戏’，而是全社会共同参与的‘大合唱’。”（新华财经记者 张超）

邹挺　　新冠肺炎疫情让很多线下工作都按下暂停键，蓬勃发展的“宅经济”孕育出了新的市场爆发点，让远程办公、在线教育和线上交互等成为行业热词。轻点鼠标、轻敲键盘的背后，是智能边缘设备、企业数字化服务、网络消费等云端应用产生的巨大算力需求。一路飙升的算力需求不仅让全球数据中心成为市场中的香饽饽，也让数据中心市场更快地驶入“量变+质变”赛道，不断吸引着云计算服务器芯片领域的猎手们发起进攻。大数据时代的号角已然奏响，算力开始成为新时代计算浪潮的核心，Arm正在加速开启云计算产业的发展之路。　　Arm架构备受云厂商的青睐　　随着全球生成的数据持续以指数级别增长，2020年开始成为服务器芯片市场发生颠覆的一年。在这一年，边缘计算的普及正在加速各项工作的高效协同，让通用及专用计算芯片迎来了更加广阔的市场。　　同时，市场上也迎来新的选择，Arm架构先天的低功耗优势，加上该公司针对基础设施市场专门推出的Neoverse平台，其高性能、高度灵活性等特性，能最大程度地满足各企业的个性化需求，带来优异的性价比。因此，有越来越多的云厂商陆续加入阵容，让Arm在基础设施领域的业务扩展相当迅猛。　　面对Arm近年在基础设施市场的杰出表现，Arm基础设施事业部全球高级总监邹挺向《中国电子报》记者表示，基于Arm架构的服务器已经越来越多地出现在各个主流公有云厂商提供的服务中，其中，通过使用Arm Neoverse平台来设计自己服务器的CPU，AWS是云中Arm的早期采用者。AWS通过其Graviton2的实例，为用户带来40%的性价比提升。　　在中国市场，互联网等各类企业对标准化Arm服务器的需求也与日俱增。邹挺对记者说道：“由于Arm技术的优势在基础设施领域已获得认可，我们看到市场上陆续出现独立Arm服务器芯片提供商这类型的公司，他们针对聚焦的领域，专注地进行技术创新设计和优化，因此能很好地快速解决各类来自互联网企业的不同需求。而Arm Neoverse IP平台作为上游IP提供商，无论是针对标准化芯片产品，还是定制化芯片产品，我们相信都能带来富有竞争力的产品设计底座。”　　在中国信创领域，人与人、人与物、物与物的互联互通逐渐成为常态，新应用、新技术、新架构与计算平台的智能创新已经成为关键要素。受大数据及低碳经济的驱动，市场对高效率、低成本、低能耗的绿色计算产品需求日趋强烈，因此对中国市场CPU而言，Arm架构兼顾“用户友好”与“环境友好”两大特性，在市场中受到广泛认可。　　基于Arm架构的中国本土服务器芯片出货量正在持续增长，同时，基于Arm架构的处理器在数据中心领域也已经得到验证，并将在2021年持续发展。“因为Arm开放的平台，我们看到越来越多的中国客户在与Arm合作，通过定制或寻求独立Arm服务器芯片厂商的服务，找到最适合自己服务器的芯片解决方案。”邹挺表示，由于Arm架构具有高效率、低能耗、低成本等特点，就中国信创领域的CPU而言，Arm架构相比其他架构具备更强的性能，自身的生态也更加完善。　　Neoverse平台加速下一代基础设施转型　　当前，带宽正在不断提升，智算中心、大数据基础设施的建设对算力的需求产生了爆发性增长，不同应用和解决方案也对CPU、DPU和GPU等芯片的供应提出了更高要求。在这种趋势下，DPU这一新型可编程处理器开始成功抢占C位，正在取代CPU作为数据中心服务器的中央控制点，逐步建立以数据为中心的计算架构。　　“以数据为中心“的计算架构比“以计算为中心”的传统架构具备更多关键功能。在DPU这个充满巨大市场商机的全新赛道，各个芯片巨头和云供应商都摩拳擦掌、跃跃欲试。“我们认为ASIC系统级芯片是普遍的最后DPU目标产品形态，从能耗和性能的要求上，Arm Neoverse平台是DPU中ASIC系统级芯片方案的最佳选择。除此之外，作为全球领先的IP供应商，Arm为满足企业多样化的‘云需求’，推出了多样化创新技术，让客户可以针对其需求，采用最合适的Neoverse平台。”邹挺对《中国电子报》记者说。　　Arm Neoverse IP平台自2018年宣布推出后，承诺每年新推出的产品都将提升性能高达30%。邹挺对记者谈道，Neoverse解决方案正驱动着各个领域的创新。从超级计算机，到持续部署的全球最大型数据中心，再一路延展到边缘计算，Neoverse解决方案正在多个领域大显身手，推动基础设施开启转型加速。“现阶段，大型互联网公司、云计算、高性能计算、5G和边缘计算等多个重要细分市场均已采用Arm Neoverse解决方案，从云到边缘的基础设施正在加速发展。”邹挺说。　　对于Arm而言，创新似乎永无止境。为了进一步加速基础设施转型、书写技术创新的新篇章，Arm今年进一步解密Neoverse V1平台和第二代N系列平台Neoverse N2的技术细节。　　“Neoverse V1平台支持可伸缩矢量扩展（SVE），Neoverse N2平台提供可扩展的性能表现。”邹挺向记者表示，广泛应用于基础设施领域的Neoverse技术正在充分赋能新型服务器与系统级芯片设计，为软件与工具提供全面而丰富的支持，也让最终用户享受到大幅提升的性能与效率，在基础设施部署方面体验更多设计自由度与灵活性。　　目前，Neoverse平台的技术路线图包括三个IP系列，分别是V系列、N系列和E系列。邹挺向记者详细说道，Neoverse V系列是运行要求苛刻的计算和内存密集型应用系统，能够提供最高的单核性能，适用于高性能计算（HPC）、通过云服务实现的HPC和为人工智能、机器学习加速的工作负载等场景；N系列能在每瓦性能和性价比之间取得最佳优化，达到平衡的CPU设计，用例包括横向扩展云、企业网络、智能网卡/DPU和自定义ASIC加速器、5G基础设施、功耗和尺寸受限的边缘计算设备；E系列能够通过最小的功耗来支持更高的数据吞吐量，用例包括网络数据层处理器、低功耗网关的5G部署。　　CMN-700打造异构系统级芯片　　在上一个计算时代，整个行业对部署基础设施似乎有着这样一种观点，即性能与功耗不可兼得。但是在新计算时代来临之际，这种想法其实是可以改变的，因为性能与能耗并不是“either”的艰难抉择，而是“both”的必然选项。　　为下一代基础设施带来计算变革的Neoverse平台就提供了两者兼得的最佳解决方案，促使从云到边缘的广泛应用能够得以实现。邹挺向《中国电子报》记者详细地介绍了Neoverse V1平台和N2平台的优异性能表现。他表示，Neoverse V1平台是Arm新型计算系列的第一个平台，也是 Arm 设计的首款支持SVE的内核，可为高性能计算与机器学习提供50%的性能提升。Neoverse N2平台则是第一个基于 Armv9 架构的Neoverse平台，可为多样工作负载提供40%的性能提升。　　构建基于Neoverse V1和 N2平台高性能系统级芯片的关键部件，其实是Arm同期发布的CMN-700。CMN-700是一种新的Mesh互连技术，它为异构系统级芯片的打造提供了极大助力，能够更好地实现“协同计算、彼此加速”目标。　　从具体细节来看，前一代CMN-600为可扩展、高内核数、高性能的系统级芯片奠定了基础，CMN-700则“更上一层楼”，是在CMN-600的基础上继续发展的。基于CMN-600的成功基础，CMN-700在每个矢量上进一步提升了性能。从内核的数量、缓存的大小，到附加内存以及IO设备的数量和类型，CMN-700在这些矢量的性能提升方面均发挥了重要作用。　　在各个应用场景中，CMN-700更多地扮演了赋能者的角色。具体来说，CMN-700赋能了多芯片、内存扩展和加速器下一代应用场景的加快实现。邹挺告诉记者，Arm对CCIX和CXL持续不断的投入使得更多的定制选项应运而生，不仅提升了性能，还优化了功能，进而使合作伙伴的解决方案具备总线和高核数的可扩展性特色。“这将为传统硅限制的突破提供新的机遇，并为紧密耦合的异构计算提供更大的灵活性。”邹挺说道。　　值得一提的是，在突破硅基芯片物理极限的道路上，中国与Arm正在携手同行。邹挺表示，Arm公司将一如既往地全力支持中国市场，不遗余力地投入中国市场。在基础设施领域，以Neoverse平台为代表的各类产品会更好地满足中国市场需求，开发并提供一流的芯片产品。

近日，《亚洲银行家》杂志揭晓 “2021年度金融科技创新奖项”，“民生信用卡-华为大数据联合创新实验室”荣获“中国最佳AI实验室”奖。《亚洲银行家》奖项是亚太地区最具影响力的金融奖项之一，经过全球知名银行家、顾问和学者全面深入评估后对外发布，具有很高权威性和知名度，是目前中国最严格的金融服务行业年度奖项，被誉为亚太地区金融界的“奥斯卡”奖。 “民生信用卡-华为大数据联合创新实验室”是由中国民生银行股份有限公司信用卡中心（下文简称“民生信用卡”）与华为技术有限公司在2019年11月携手建立，旨在发挥各自所长，持续聚焦大数据、5G、人工智能等领域的创新合作，充分利用华为云FusionInsight在大数据领域的技术积累，以及民生信用卡丰富的数据应用经验和业务场景，探索机器学习、深度学习等技术在信用卡场景的应用与落地，打造行业领先的智能数据解决方案。华为云采用一站式AI开发平台ModelArts、FusionInsight 智能数据湖解决方案与民生信用卡共同解决由于多样性数据、多样性系统、多样性业务所带来的数据接入难、融合分析难、消费难的挑战，助力民生信用卡在各个领域实现AI能力：风控领域：基于华为云一站式AI开发平台ModelArts提供的丰富AI算法，在信用卡反欺诈场景，基于社团发现算法识别可疑交易团体，提升智能风控能力；市场营销：基于机器学习算法构建客户价值模型，在客户星级管理体系构建场景，研发推荐算法，提升用卡活跃度，加速数字化运营；业务创新：基于NLP深度学习算法构建客户之声分析挖掘体系，实现对客户留言进行主题分类，为额度管理、分期业务、还款方式等业务提供了数据参考和优化方向，进一步提升客户体验及营收能力 ；运营效率：通过机器学习、NLP等技术创新性地研发出一系列内部管理相关的数据产品，如电销人员流失率预测模型、简历自动评估工具等，助力内部运营管理效率和质量提升，降低运营成本。民生信用卡不断适应时代变化，牢牢把握战略方向，坚持“数据驱动，科技创新”，开展体制机制全面数字化转型，基于“民生信用卡-华为”大数据联合创新实验室，民生信用卡研发了一系列具备创新性及行业领先性的数据决策算法产品，缩短算法产品迭代周期30%以上，从精准营销、智能风控、优化管理等多方面赋能业务数字化转型。未来，民生信用卡将与华为云深入合作，通过华为云一站式AI开发平台ModelArts、盘古大模型，以及FusionInsight提供的数据治理、云原生数据湖、云数据仓库等服务和产品，共同探索金融科技创新服务，加速信用卡业务数字化转型。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html  

作为“地球之肺”，森林是地球生物圈最重要的生境之一，起着调节地球温湿，保护生物多样性等重任。天然森林的形成和发展需要漫长的演化，往往需要几十年甚至上百年的过程，但一场火灾，瞬时就会让其化为灰烬。森林火灾不但烧毁森林，还会伤害动物，降低森林的更新能力，引起土壤贫瘠、破坏涵养水源，让生态环境失去平衡。入秋之后，物燥风疾，又到了森林火灾的高发时期，一旦火源失去人为控制，在森林内自由蔓延和扩展，就易形成极具毁灭性的后果。那么在科技迅速进步的今天，在森林防火和灭火上，是否能提供新的解决办法？减少资源损失，守护绿色家园。华为云联合昆明龙慧科技有限公司，共同推出森林草原防火灭火指挥系统（已在华为云云市场上架），该系统是基于国产自研GIS平台——龙慧地球而进行研发的集成化森林防火信息化系统，旨在充分体现平战结合的要求，为用户提供全面的、优势集中的森林草原防火解决方案。根据不同的使用场景，产品类型分为森林防火指挥系统、护林员系统、扑火指挥系统，满足日常监测、火险预警及扑火指挥等的智能化需求。系统功能包括：1、工作台：用于值班人员对火情信息及值班情况进行及时处理，通过工作台，可以实现快速签到、交办和火情信息的上报、下发等操作。2、火情监测：火情监测模块用于处置已发生的火情。为用户提供卫星热点、视频监控、人工巡护等系统自动接警及电话报警、瞭望观测和飞机巡护等人工录入报警功能，确保用户对收到的火情进行及时下发、上报和反馈等操作。3、火险预警：通过火险预警可查看火险预报和火险监测站反馈的火险等级预报信息。通过不同的tab切换，还可查看各行政区划下当前的火险信息。4、日常办公：通过日常办公，用户可进行值班管理、火情上报、邮件管理、公文管理、人员物资管理等操作。用户还可通过手机APP进行通知公告、防火简报等的查阅以及值班管理、火情上报、邮件管理、护林员管理及加入实时火场与电脑端同步进行标绘等操作。5、护林员管理：护林员作为护林防火的重要力量，在防火灭火工作中发挥着不可替代的作用，护林员管理可对护林员进行网格化管理，还可通过实时、动态、定位跟踪，对护林轨迹进行实时记录，查看起来一目了然，帮助管理者掌握个人工作状态，以进行及时有效的管理。6、扑火指挥：扑火指挥通过全三维电子沙盘的形式直观展示火场态势，全面记录火灾过程，以帮助指挥员摆脱时间、地理等因素限制，全面掌握火场信息。专业便捷的火场标绘功能及会商、视频会议、集群调度等多种视讯功能可高效帮助作战部署及事后总结。同时还可结合定位功能实现扑火队伍（人员）查巡、信息互传、地理信息查询等操作，为科学指挥和调度提供有力支撑。7、基础数据：基础数据功能提供了辖区内所有基础数据和林业专题数据，包含道路交通、水系河流、瞭望塔台、消防队伍分布、林班小班等。用户可根据辖区内情况对相应数据进行自定义编辑，以保证数据的准确和及时更新。8、大数据分析：用户可通过护林员大数据、预警监测大数据、森林资源大数据等大数据分析功能，把各类数据通过整理分析，最终形成有价值的数据，为科学管理决策提供有力支撑。凭借着先进、易用、安全、高效等亮点，系统已在多个省市及地区林业系统布局，实现了工作流程的简化，并且对于火灾防控及灭火指挥等环节提供了有力支撑。守护绿色家园，科技为未来护航。文中提到的商品链接：森林防火智慧系统【华为云云市场，助您上云无忧】