日前，國內市場調查和咨詢公司艾瑞咨詢發(fā)布《2022 年中國數(shù)智融合發(fā)展洞察》報告。作為國內最新的數(shù)智融合研究成果，該報告聚焦企業(yè)數(shù)智融合，圍繞中國數(shù)智融合發(fā)展背景、企業(yè)數(shù)智融合挑戰(zhàn)與應對、數(shù)智融合典型實踐等進行了深入分析，結論令人深思。

報告顯示，華為云數(shù)智融合解決方案綜合優(yōu)勢突出，憑借其獨家創(chuàng)新架構，為客戶進一步降本增效，在行業(yè)技術創(chuàng)新上持續(xù)領跑。通過 DataArts 和 ModelArts 的融合，打通了大數(shù)據(jù)和人工智能，兼顧成本與性能，實現(xiàn)統(tǒng)一管理、一數(shù)多用，同時實現(xiàn)敏捷用數(shù)，全流程自動化與智能化。

中國數(shù)智融合發(fā)展的典型特征

《2022 年中國數(shù)智融合發(fā)展洞察》報告指出，隨著數(shù)字化不斷推進，全球數(shù)據(jù)量以超過 59%的年增長率快速增長，中國的數(shù)據(jù)量增速比全球更快。其中，80%是非結構化和半結構化數(shù)據(jù)。并且，在企業(yè)內部，非結構化數(shù)據(jù)增速遠高于結構化數(shù)據(jù)，非結構化數(shù)據(jù)占比也越來越高。值得關注的是，數(shù)據(jù)多源異構成為常態(tài)，以數(shù)據(jù)庫種類為例，除傳統(tǒng)關系型數(shù)據(jù)庫外，還誕生了更適應物聯(lián)網(wǎng)場景的時序數(shù)據(jù)庫、更適應知識圖譜應用的圖數(shù)據(jù)庫等。

同時，報告還指出，在大數(shù)據(jù)行業(yè)，企業(yè)仍然存在數(shù)據(jù)壁壘突出、碎片化問題嚴重等瓶頸制約，大數(shù)據(jù)容量大、類型多、速度快、精度準和價值高的 5V 特性未能得到充分釋放。

此外，云原生領域，從微服務走向 Serverless，底層基礎設施被“屏蔽”，開發(fā)者只需專注于編寫應用程序的業(yè)務邏輯，技術人員更貼近業(yè)務。為推進 AI 應用的高質量落地，開展針對性的數(shù)據(jù)治理工作成為企業(yè)迫切需求。通過抽象解耦、水平擴展、自動化與智能化實現(xiàn)去過程化，企業(yè)業(yè)務需求可得到實時響應，進一步實現(xiàn)敏捷和創(chuàng)新。

簡言之，整個經(jīng)濟社會源源不斷地產(chǎn)生數(shù)據(jù)，但是爆炸式增長的數(shù)據(jù)并未發(fā)揮其真正價值，也未有效驅動企業(yè)業(yè)務增長。

橫亙在企業(yè)面前的數(shù)智融合四大挑戰(zhàn)

原因何在?《2022 年中國數(shù)智融合發(fā)展洞察》報告揭露出問題所在。

第一，傳統(tǒng)架構下，數(shù)據(jù)量、存儲成本和計算效率不可兼得。如果不考慮數(shù)據(jù)量和數(shù)據(jù)類型，那么傳統(tǒng)數(shù)倉或單體 DBMS 已足夠;不考慮計算效率，那么基于 HDFS 或公有云的對象存儲即可滿足。如果不考慮存儲成本，企業(yè)可使用 NVM(非易失性內存)。

其次，數(shù)倉、數(shù)據(jù)湖和 AI 數(shù)據(jù)形成新的數(shù)據(jù)孤島。經(jīng)過多年發(fā)展，數(shù)據(jù)分析和 AI 分析出現(xiàn)面向不同任務的專用數(shù)據(jù)系統(tǒng)?；趯ο蟠鎯Φ拇髷?shù)據(jù)系統(tǒng)負責處理海量數(shù)據(jù)和非結構化數(shù)據(jù)，數(shù)倉系統(tǒng)處理結構化數(shù)據(jù)，AI 系統(tǒng)中的數(shù)據(jù)一般存儲在本地。這些專用系統(tǒng)“各自為政”，要么無法打通形成新的數(shù)據(jù)孤島，要么不同業(yè)務的開發(fā)要遷移數(shù)據(jù)，實施過程漫長，影響業(yè)務快速發(fā)展。

第三，雖然開源產(chǎn)品非常豐富，但是開發(fā)運維難。即使有大量開源產(chǎn)品，但是企業(yè)自行搭建數(shù)智平臺依然困難重重。比如在運維上，很多企業(yè)主要依靠人工運維，不僅效率低，而且成本高，無法很好應對宕機事故。再比如體驗上，因產(chǎn)品自產(chǎn)自用，復用率低，技術團隊只保障基礎需求，對降低業(yè)務人員使用難度、提升使用體驗的附加性需求響應度低。

最后，數(shù)據(jù)準備工作既復雜，又低效。在利用數(shù)據(jù)過程中，數(shù)據(jù)質量至關重要，低質量數(shù)據(jù)效用非常低。從數(shù)據(jù)生成、采集到應用的長生命周期，數(shù)據(jù)準備工作異常耗時。據(jù) Cognilytica 調研顯示，機器學習中，超過 80%的時間被用于數(shù)據(jù)準備。

這些挑戰(zhàn)猶如企業(yè)面前的“攔路虎”，阻礙著企業(yè)充分利用數(shù)據(jù)。只有那些跨越“攔路虎”的企業(yè)才能繼續(xù)前行，釋放數(shù)據(jù)價值，步入發(fā)展快車道。

如何“變身”數(shù)智融合的佼佼者

而興盛優(yōu)選則是其代表之一。作為一家互聯(lián)網(wǎng)新零售企業(yè)，興盛優(yōu)選無疑是過去數(shù)年國內互聯(lián)網(wǎng)創(chuàng)業(yè)中的“明星公司”。它主要定位于解決家庭消費者的日常需求，包括蔬菜水果、肉禽水產(chǎn)、米面糧油、日用百貨等商品，以 “預售 + 自提” 模式為用戶提供服務。目前，它已是估值超過 100 億美金的獨角獸企業(yè)。

在興盛優(yōu)選總部，每一層樓都安裝有一塊約 60 寸的長方形屏幕，淡藍色地圖背景上滾動著興盛優(yōu)選當日全國訂單數(shù)，數(shù)字實時更新。

對興盛優(yōu)選而言，數(shù)據(jù)已經(jīng)成為其業(yè)務發(fā)展的底座，不僅與業(yè)務深度融合，而且致力于為業(yè)務發(fā)展創(chuàng)造更大價值。

據(jù)悉，該公司總數(shù)據(jù)量已達 PB 級別，日新增數(shù)據(jù)量達到 TB 級，其業(yè)務每個鏈路均有數(shù)據(jù)參與其中，實現(xiàn)相應業(yè)務流程的迭代和增強。

業(yè)務快速發(fā)展中，興盛優(yōu)選在數(shù)據(jù)上也遇到很大挑戰(zhàn)。與很多企業(yè)一樣，它主要基于開源大數(shù)據(jù)組件進行搭建，但是基礎設施的穩(wěn)定性卻跟不上業(yè)務發(fā)展速度，于是面臨兩大難題：其一，機器資源采購周期較長，如果周期內機器不足以支撐業(yè)務發(fā)展，那么就會出現(xiàn)大數(shù)據(jù)組件運行資源缺乏導致任務延時甚至失敗的情況;其二，大數(shù)據(jù)涉及的開源組件比較多，而業(yè)務發(fā)展急需可靠的集群支撐，這就需要專業(yè)人才。在興盛優(yōu)選總部長沙，找到維護龐大集群相應組件的專業(yè)人才不僅需要時間，而且會帶來不小的人力成本。

興盛優(yōu)選基礎數(shù)據(jù)平臺部負責人補充道：“相比 OBS 的糾刪碼存儲機制而言，HDFS 的副本機制成本高出不少。對創(chuàng)業(yè)公司而言，能省每一筆可以節(jié)省的錢，并將這些錢花在該花的地方，這是每個技術架構師都應該要具備的思維?！?/p>

基于性能和成本考量后，興盛優(yōu)選決定采用華為云數(shù)智融合解決方案，將原來基于開源組件搭建的數(shù)據(jù)平臺，遷移到華為云 GaussDB 集群，提升數(shù)據(jù)分析效能，從根本上解決了業(yè)務數(shù)據(jù)不一致，實時業(yè)務不穩(wěn)定的問題。

在他看來，相比 x86 而言，基于 ARM 系列硬件的華為云集群服務有非常突出的成本優(yōu)勢。他表示：“當前，我們整個大數(shù)據(jù)集群都是運行在華為云的 ARM 系列集群上，服務比較穩(wěn)定，基本沒什么太大問題。即使上線后這段時間，也只出現(xiàn)過一次小規(guī)模故障，集群中有幾臺機器出現(xiàn)過斷電重啟的情況”。

通過華為云上云團隊駐場支持協(xié)助，興盛優(yōu)選用時 1 個月即完成大部分任務從線下遷移到線上，大大降低了運維成本。

如果說興盛優(yōu)選是互聯(lián)網(wǎng)新零售中的“明星”，那么 T3 出行則是出行領域釋放數(shù)據(jù)價值的“佼佼者”。據(jù)悉，T3 出行是由中國一汽、東風汽車、長安汽車三大央企聯(lián)合多方知名企業(yè)簽訂合資協(xié)議正式運營的出行企業(yè)，截止 2022 年 7 月，T3 出行登陸全國 91 個城市，累計注冊用戶超 1 億，單日訂單峰值破 300 萬單，訂單規(guī)模及日活用戶躍居 B2C 出行領域第一。

于它而言，面臨三大痛點：一是傳統(tǒng)數(shù)倉技術難以解決“長尾支付”帶來的問題，二是平臺需要更靈活的架構支持像 AI 自動驗證司機身份、識別司機不安全行為等新應用，三是平臺需要更穩(wěn)定可靠的架構，支撐流量快速增長。

為滿足業(yè)務發(fā)展，T3 出行選擇華為云數(shù)智融合產(chǎn)品，將多套集群架構優(yōu)化至湖倉一體的存算分離架構，同時支撐數(shù)據(jù)分析的 BI 和數(shù)據(jù)智能的 AI 場景，不僅使 TCO 降低 20%以上，更解決了出行場景下“長尾支付”系統(tǒng)更新慢的難題，保證業(yè)務 7x24 小時穩(wěn)定運行。

除了興盛優(yōu)選、T3 出行，夢餉集團通過采用華為云數(shù)智融合解決方案實現(xiàn) TCO 下降 30%，實時分析能力提升 50%。華為云一體化解決方案為夢餉集團帶來“資源高效”、“應用敏捷”、“業(yè)務智能”、“安全可信”等多方面的智能升級。 基于此，在 5 月 26 日舉辦的數(shù)博會上，夢餉集團創(chuàng)新實踐入選“十佳大數(shù)據(jù)案例”，華為云數(shù)智融合平臺也榮獲“2022 數(shù)博會領先科技成果優(yōu)秀項目獎”，充分證明了業(yè)界對華為云數(shù)據(jù)領域技術創(chuàng)新的認可。

獨家創(chuàng)新架構 華為云助力企業(yè)釋放數(shù)據(jù)價值

為什么不同行業(yè)的不同企業(yè)都青睞華為云數(shù)智融合平臺?

簡言之，華為云為企業(yè)在云上打造了統(tǒng)一的數(shù)據(jù)底座，實現(xiàn)數(shù)據(jù)和智能的融合，為企業(yè)發(fā)展提供新引擎。

具體說來，三層分離。華為云數(shù)智融合平臺通過存儲-緩存-內存三層分離，兼顧存儲成本和計算性能，讓性價比更高，計算更靈活。

其次，統(tǒng)一了元數(shù)據(jù)。打破原有大數(shù)據(jù)、數(shù)倉、AI 的數(shù)據(jù)孤島，將數(shù)據(jù)目錄、數(shù)據(jù)權限、事務一致性等能力統(tǒng)一到一個中心點，實現(xiàn)一數(shù)多用，讓一份數(shù)據(jù)在多個引擎間自由流動共享，避免數(shù)據(jù)來回遷移。

第三，DataOps 和 MLOps 融合，讓企業(yè)不同部門、不同角色可以以擅長的方式敏捷用數(shù)。讓數(shù)據(jù)工程師使用熟悉的工具來調用 AI 能力，使大數(shù)據(jù)開發(fā)和 AI 開發(fā)協(xié)同起來。例如，讓數(shù)據(jù)工程師用 SQL、Python 交互式 Notebook 做數(shù)據(jù)清洗、特征工程、模型訓練，幾行代碼就能直接調用平臺內預置的 AI 算法，使數(shù)據(jù)和模型開發(fā)周期從天級降為分鐘級。

最后，全流程的自動化和智能化，讓繁重的數(shù)據(jù)治理變得簡單。華為云數(shù)智融合平臺將人工智能算法模型應用到數(shù)據(jù)集成、數(shù)據(jù)質量、數(shù)據(jù)建模、數(shù)據(jù)安全、數(shù)據(jù)訪問控制、數(shù)據(jù)關聯(lián)、數(shù)據(jù)關系和數(shù)據(jù)洞察的數(shù)據(jù)全生命周期治理。

簡言之，華為云數(shù)智融合 DataArts，用 AI 技術提升數(shù)據(jù)治理效率，即 AI for Data;用高質量的數(shù)據(jù)提升模型精度，即 Data for AI，讓企業(yè)決策更精準。

寫在最后

大數(shù)據(jù)與人工智能的融合，正成為新的技術驅動力。數(shù)智融合可以進一步深入企業(yè)業(yè)務，加速業(yè)務迭代和產(chǎn)品創(chuàng)新，推動企業(yè)數(shù)字化發(fā)展提質增效，步入高質量發(fā)展階段。

多云時代下，“H(華為云)+X”已經(jīng)成為越來越多企業(yè)的主流選擇。據(jù)悉，在互聯(lián)網(wǎng)領域，80%的中國 Top50 互聯(lián)網(wǎng)企業(yè)選擇華為云。之所以受更多企業(yè)青睞，是因為華為云提出“一切皆服務”，把基礎設施、技術以及經(jīng)驗云化、服務化，幫助千行百業(yè)的客戶容易上云、方便上云、用好云。同時，華為云深耕行業(yè)，將華為與伙伴、客戶的合作創(chuàng)新以及數(shù)字化轉型經(jīng)驗沉淀為云服務，已陸續(xù)開放了 50 多個應用場景，提供超過 2 萬個 API 服務，讓更多企業(yè)就不必重復“造輪子”，通過云服務即獲得全行業(yè)最優(yōu)秀的數(shù)字化經(jīng)驗。

（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）