華為雲ModelArts全體驗：人工智能的本質是賦能不是耗能　　轉自Alex_waker：　　2018年曾被寄予厚望，被稱作是“人工智能元年”。　　我們都知道，一個年份一旦被稱作“XX元年”，那麼一定不是某一個單方面的力量作用的結果，而是一個大勢所趨的必然方向。　　就像是2018年對于人工智能來說，從技術井噴、認知傾斜、政策和產業扶持等方面，都展現出了具有強烈象征意味的風口，你可以說這是“眾人拾柴火燄高”的結果，但無論如何，AI的確是這個時代，即將全面點燃每一個行業的烈火。　　我之前曾經寫文章聊過對AI的理解。　　我始終認為，AI不是一個行業，而是一個工具，一種全新的理解世界的方法。　　是向每一個行業進行賦能的放大器。　　2018年在國內和國外發生了很多事情，有些初看起來和人工智能沒什麼關系，但本質上的驅動力的確來自于AI的入局。　　比如亞馬遜跨越市值萬億美元的門檻，成為繼蘋果公司後美國第二家市值破萬億的上市公司。萬億成就的達成，得益于AWS雲服務和圍繞Alexa打造智能生態圈。而背後繚繞的，全部都是人工智能的影子。　　而在中國，2018年3月國家就明確提出了“要加強新一代人工智能的研發應用。大力發展智能產業，

百家樂算牌公式

拓展智能生活，並且大力改造提升傳統的產業”的方向，教育部還發布了《高等學校人工智能創新行動計劃》，在這樣的驅動力下，包括華為、阿裡等在內的很多國內雲計算廠商都陸續開啟和高校在人工智能領域的戰略投放合作。　　即便不聊這些大事件，就算是在我們的生活的瑣碎細節中，我們也很容易察覺到AI的“全面入侵”。　　房間裡的音箱可以和你對話;　　掃地機器人出現在更多人們的家裡;　　手機裡的AI拍照越來越智能;　　越來越多朋友聊起的自動駕駛。　　但是。　　雖然說今年作為AI的元年，似乎整個世界都準備好了投身到一個全新的時代，但除了行業內的開發者們，又有多少人除了張口AI閉口人工智能之外，能夠真正了解它多一點呢？　　這種感覺有點像是去區塊鏈。　　去年我寫了一篇關于人工智能的文章，在其中為了深入淺出解釋AI究竟是什麼，以及AI將會從哪種層面上改變人類的文明，我講了著名的“嚇尿理論”。　　想象一下坐時間機器回到1750年，那個時代沒有電，暢通通訊基本靠吼，交通主要靠動物拉著跑。你在那個時代邀請了一個叫老王的人到2018年來玩，順便看看他對“未來”有什麼感受。我們可能沒有辦法了解1750年的老王內心的感受──金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天，看幾千公裡外正在發生進行的體育比賽，觀看一場發生于半個世紀前的演唱會，從口袋裡掏出一個黑色長方形工具把眼前發生的事情記錄下來，生成一個地圖然後地圖上有個藍點告訴你現在的位置，一邊看著地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技。　　這時候的老王會是什麼體驗？驚訝、震驚、腦洞大開這些詞都太溫順了，我覺得老王很可能直接被嚇尿了。　　以及這幅極具衝擊力的圖片。　　華為雲ModelArts全體驗：人工智能的本質是賦能，不是耗能　　後面的十月，我被邀請去上海世博參加了華為的全連接大會，目睹了包括ModelArts在內的三塊AI開發平台的發布。　　更早一些時候，曾經流出過關于微軟的中國區數據中心即將使用華為的AI芯片的消息，所以那幾天在世博中心，我有一種強烈的直覺是：　　未來在AI芯片領域，將會是華為和英偉達的“神仙打架”。　　再接下來就是上週，在斯坦福大學發布了DAWNBenchmark的最新成績中，華為雲ModelArts排名世界第一，僅需10分28秒，比第二名提升近44%。　　對于這個結果我要解釋一下，為什麼說在DAWNBenchmark的深度學習測試中，訓練時間變得這麼重要。　　近期BigGAN、NASNet、BERT等模型的出現，預示著訓練更好精度的模型需要更強大的計算資源。未來隨著模型的增大、數據量的增加，深度學習訓練的加速性能則成為了重中之重。　　在衡量深度學習的加速性能時，主要通過兩個指標來衡量，一個是吞吐量，即單位時間內處理的數據量;另一個是收斂時間，即達到一定的收斂精度所需的時間。　　你們可以這麼理解，吞吐量就像是你一口氣能往嘴裡塞多少幹面包，而收斂時間則是你最終要花多久才能咽下去。　　所以說，普通用戶在使用AI開發平台時，最終關注的一定是收斂時間。　　畢竟，吃到肚子裡的面包，才算是真正的營養。　　所以，出于對ModelArts在保證收斂精度前提下實操性的深切的好奇心，我去了在國際會議中心的華為ModelArts線下workshop。　　我在9月份寫過的文章裡，曾經聊過我對普惠AI在“普惠性”上的看法，我認為，普惠並不是指單一的便宜，更多指的是在面對基礎不同的用戶群的時候，都可以彈性自如的滿足各方的實際需求。　　我記得我當時舉了一個行業中的例子說，2017年的AI人才招聘缺口將達到500萬，所以一個可以適配各類初級開發者的AI雲平台，將會是承載著AI未來的“飛天魔毯”。　　但即便如此，我也全然沒有想到，當ModelArts實操上手後，它的“普惠性”竟然可以達到人人可以上手的程度。　　是的，你沒有聽錯，是人人可以上手。　　接下來，我將以一個“零基礎”使用者的視角，來做一個粗略的ModelArts體驗。　　進入ModelArts開發平台界面後，會有彈窗提示，你可以查看其簡易的操作流程。　　華為雲ModelArts全體驗：人工智能的本質是賦能，不是耗能　　剛才我說過，在這個時代真正可以面向每一個人的AI開發平台，應該做到收放自如的彈性，無論是面對高階開發者，還是入門級開發者，甚至是完全和行業無關的門外漢，都可以滿足其不同層級的需求。　　華為雲ModelArts全體驗：人工智能的本質是賦能，不是耗能　　比如這個自動學習的板塊，雖然我已經離開通信行業5年了，早已經忘記了代碼世界裡的所有關隘，但即便你和我一樣，也可以通過上傳數據，並且進行指向性的標注，來完成定制化的模型訓練。　　當然，如果你是一個高階開發者，ModelArts也將提供給你更全套的生產力，同時ModelArts繼承了很多華為的優秀基因，極強的實用性體現在數據準備、訓練、部署、上線的全流程裡，實現了“上手快、訓練快和上線快”的極致體驗。　　華為雲ModelArts全體驗：人工智能的本質是賦能，不是耗能　　但由于我今天採用的是“零基礎”和“無門檻”視角，所以我只展示“即便一個小學生都可以操作訓練的模型”。　　華為雲ModelArts全體驗：人工智能的本質是賦能，不是耗能　　在自動學習版塊，有圖像分類、物體監測和預測分析三種訓練模型。由于我今天寫文章使用的是MacBook，瀏覽器暫時不能支持某些頁面功能，所以我先簡單聊一下實操的體驗感受。　　以“圖像分類”舉例，比如說你想做一個花卉識別的訓練模型，那麼你需要上傳一些花卉的數據樣本，也就是你想要識別出的花卉的圖片，比如向日葵、水仙、玫瑰等等。　　接下來你要針對上傳的數據樣本進行標注，為你即將訓練的模型建立規則，也就是告訴機器“這些圖片中哪些是水仙，而哪些是玫瑰”。　　完成這些步驟之後，ModelArts將為你建立的模型進行訓練，理論上你上傳的數據樣本越多，訓練後的精度也就越高，目標識別也就越準確。　　這種實操環節的易上手性，是絕大部分對AI並不了解的朋友想象不到的。　　我時常和身邊的人講這樣一個道理。　　在每一個擁有標志性技術的時代裡，技術真正向人們賦能的標志，不在于享有技術紅利，而在于普通人對技術的駕馭。　　比如說煤炭被開掘出來之後，人們不光要享受它帶來的能源革命，同時每一個人都學會對煤炭的使用，才是技術真正接入時代的標志性意義。　　而在AI全面降臨的時代裡，並不是說它無處不在就已經是足夠極致的體現了，而是當每一個普通人都可以根據自己的需求，來完成AI的定制化需求的時候，這才是這個工具真正井噴的時刻。　　我身邊的很多創業者，本身並不是開發者，他們不懂代碼，不懂神經網絡，也不懂深度學習，但他們對人工智能有可能帶來的提效降本有根本性的需求。像華為雲的ModelArts這樣的AI發開平台，才能滿足他們在專業技能有限的前提，依然可以定制化自我需求的可能性。　　最後。　　讀書的時候學習寫作，語文老師總會和我們講白居易的故事，說他寫好一首詩都要讀給村口的老太太聽，她能聽得懂才算是一首好詩。　　這其實講的是文學上的雅俗共賞。　　換回技術的語境中，我想說：　　技術究竟是否需要“雅俗共賞”呢？　　如果一項大眾技術，人們對它的認知永遠停留在望而生畏和雲山霧罩，雖然看起來逼格滿滿，那麼它一定不能為我們帶來足夠多的紅利。　　拿AI來說，對于我身邊的絕大部分朋友來說，這都是一樣“知其然而不知其所以然”的東西。　　AI行業之外的人們，通常對AI沒有一個清晰的認知。如果你和他們講AI開發平台，他們會先入為主的認為這是一個異常艱難精深的領域。　　而當我把試用ModelArts的過程講給他們聽，

誰會成為下一任日本首相

他們的反應幾乎全都是“還能有這樣的操作”？　　是的，的確可以有這樣的操作。　　最後的最後，我想說兩句話。　　AI作為一項時代技術，的確可以“雅俗共賞”。　　AI作為一個全面到來的“全民工具”，一定是為我們賦能的，而不是耗能的。　　以上　　隨著國內提速降費的進一步推進，老百姓的短視頻需求被快速的激發出來，越來越多的人，包括男女老幼，上到80歲老嫗，下到兩三歲孩童，人們不僅僅在看，也在發，不僅僅是觀眾，更是演員。　　數據顯示，2018年，短視頻行業呈現爆發性增長，目前短視頻行業月活躍用戶突破5億，淨增用戶僅上半年就高達9000萬。　　世界杯期間，一場比賽的集錦可能就有數千萬人觀看，服務器的壓力可想而知，一個精彩進球的片段，甚至是C羅、梅西、姆巴佩等人一個小動作，都會短時間吸引數以千萬甚至億級的關注。　　當然，如果出現一個明星熱點事件，瞬時間就會流量爆發。鹿□一句話，“介紹一下自己的女朋友”，微博的服務器就癱瘓了。　　我們還都沒有忘記，在論壇時代，用戶需要連上電話線聽著“滴滴滴滴”的調制解調器的聲音撥號上網，甚至在家裡用一台舊電腦和硬盤就可以撐起一個網站的運營，可是如今，用戶享受100M或者1000兆光纖網絡以及4G+，月均流量已經超過5G的情況下，短視頻行業曾經的虛擬機也已經不夠用。　　還好，雲計算在中國已經成為潮流，越來越多的公司開始將自己的核心業務上雲，而各雲計算服務商更是展開了跑馬圈地，短視頻行業作為流量增長的主要受益者，

奧索bingobingo賓果賓果開獎號碼

上雲更是時不我待。　　如何選擇雲上遷移合作伙伴？不僅僅看技術，也要看團隊　　日前，國內領先的短視頻產品“秒拍”將原來部署在虛擬機上的主體業務遷移到華為雲，同時將公司的技術體系承載在下一代虛擬技術容器(Docker)上，引起了業內廣泛關注。　　資料顯示，作為短視頻行業最大的聚合分發平台，秒拍日均覆蓋用戶達7000萬，日均視頻上傳220萬條，用戶日均使用時長40分鐘，日均視頻播放總量30億次。如此大的體量，還是在不間斷運營之中，平穩遷移本來就是難事，而使用何種雲計算服務更是有行業風向標意義。　　因為依託于微博，秒拍有很強的媒體屬性，特別是當用戶規模達到一定體量之後，由明星熱點事件引發的流量突發往往非常嚴重，且這種突發缺乏預兆，這就需要作為業務承載平台的雲服務有強大的彈性擴容能力，而且反應速度要快。　　最終，按照秒拍負責人的說法，他們在綜合分析評估以後，選擇了最放心的華為雲作為合作伙伴。　　華為雲是行業的後起之秀，也是最近兩年發展最快的中國雲計算廠商之一，技術實力毋庸置疑。華為雲中國區總裁洪方明曾表示，“華為18萬名員工，有8萬人在從事研發工作。未來五年，

張玉環將控告涉案司法人員

華為在研發的投入每年會保持在150到200億美金”，這是任何其他雲計算廠商都無法比擬的壓倒性技術優勢的來源。　　就秒拍的這個雲服務來說，因為考慮到擴容響應速度和成本等一系列問題，秒拍想到了容器。容器服務擁有啟動快速、佔用資源少、運行效率高等技術特點，在處理海量數據方面擁有天然的優勢。　　有專業人士分析，

沈陽將二套房首付提高至50%

互聯網企業把大多數業務部署在雲服務器上，但由于歷史原因，技術往往是架設在傳統的虛擬機(VM)上。如果企業要過渡到下一代虛擬技術容器，會涉及到各類資源遷移和技術架構優化，整個過程必須短暫。如果沒有相應規模的技術團隊來操作，再加上雲廠商沒有完善的技術支持團隊，這個過程會更加痛苦。如何減少企業業務升級的痛苦，這就非常考驗企業技術決策者的選擇智慧。當然，事實證明，就是這樣的需求，華為雲做到了，而且是快速、平穩的實現了，痛苦降到了最低。　　按照秒拍方面透露出來的消息，自從雙方年初達成合作意向之後，華為就一直有一個團隊在秒拍做支撐，還幫忙做新功能測試，甚至後來都會深入到代碼業務細節裡面，幫助細化和評估遷移方案，還會有很多預案。當然，這樣“TO B”性質的服務，對于其他機構來講很難做到，但對于有著幾十年服務大企業經驗的華為，卻並不困難，畢竟全球幾百家電信運營商的合作都是這樣過來的。　　有一次，任正非在談到中東市場開拓時，就有過這樣的描述：“為了獲得中東某電信運營商的認可，面對世界通信設備廠商的競爭，我們冒著室外60℃的高溫進行現場作業，長達數月，靠著全心全意為客戶服務的誠意，經過兩年多的堅持不懈，終于開通了我們全球第一個3G商用局。”　　雲+人工智能助秒拍如虎添翼　　當然，對于企業雲服務來說，光有好的服務態度是遠遠不夠的，產品質量依然是第一位的。秒拍之所以看中華為雲，更主要是華為雲在大數據以及AI領域的技術積累和成功經驗，能讓秒拍這還的短視頻輕鬆實現“智慧運營”。　　在實踐中，華為雲EI為“秒拍”提供了業界領先的技術並搭建了一系列成熟的技術架構，使“秒拍”能夠實時地把握用戶興趣愛好，並基于AI技術對內容進行分析，進而將視頻匹配給用戶，使推薦真正做到千人千面。　　有沒有人工智能，短視頻的業務差距巨大。經過一週效果優化和線上AB測試對比，秒拍短視頻業務點擊率(CTR)平均提升20.01%，人均視頻觀看數平均提升10.42%。　　華為雲EI通過對海量用戶行為以及視頻數據進行訓練、分析、建模等操作，打造了多場景下的23000多個不同維度的內容標簽，對內容進行標簽化處理，有助于全方位加深後台對視頻內容的理解，並通過實時構建的用戶畫像，以及基于深度學習的CTR預估排序，有針對性地把內容推送給真正感興趣的用戶，使每一個用戶都能創造或觀看個性化的創意內容，也通過AI為短視頻業務構築了差異化的競爭力。　　如果我們把視野放得更開一些，就會發現，華為雲EI在其他行業依然功能強勁。根據華為公司透露，通過華為雲EI服務，根據物品特征提供最佳裝箱方案，可以提升20%的分揀裝箱效率;同時做到集裝箱3D仿真可視，整體利用率提升6%，而使用 EI 進行路徑規劃，則可節省例外開銷成本30%。　　同時，華為雲 EI 可以通過雲、端協同的統一開發框架，讓AI模型靈活的部署到雲、邊、端等場景，並將一些行業解決方案提前預集成為一個模塊，讓開發者能夠迅速把產品能力與行業解決方案對接起來。　　也就是說，

NBA金州勇士

華為雲 EI是為行業定制的，但卻不是為某個行業特制的，具有廣泛的可復制性和延展性，已經發展成“使能”平台。　　華為將全球170多個國家開展業務的經驗與技術積累發揮了出來，建設了國內唯一全平台、全節點、全服務通過PCI-DSS安全認證的雲，真正做到“上不做應用、下不碰數據”，不拿客戶數據做商業變現，發揮人工智能和大數據的能力，幫助客戶處理數據。　　你給我一點信任，我用EI送你更多精彩，華為雲秒拍下了合作的愉快瞬間。秒拍架構師李東輝在接受採訪時說，“從最開始的沒有互信，到一步一步相信彼此，都是一步一步信任積累起來的，正因為我們相信彼此，所以我們選擇了彼此。”，