top of page

數據時代大事記

Updated: Apr 28

全球大數據智能化的浪潮衝擊下,中國大數據發展的關鍵4階段:2012年以前,大數據市場處於認知初建的階段,這時候大部分人對大數據的認知就是數據「大」了。工具的使用跟從前相比沒有大進步,大數據的案例僅有在大企業內,以試驗形式零散出現。 於2012年至2014年,由互聯網企業帶頭,發展變得具規模,然後獲得中央政策驅動而加速。同時,互聯網到移動網絡的高速發展,積累了大量多維度的行為數據,成為機器學習的助力。 發展兩大主線 然而,數據流通方式還是非常局限,大型企業例如BAT有絕對優勢。內地貴陽大數據交易所也由此應運而生,數據質量及安全始終是數據交易的最大隱患,差別是美國企業會更多使用數據代理人(Data Broker)解決數據流通問題。我們發現兩者的最大差別,是SLA服務承諾及供需的長期關係。 2014年開始至今,大數據生態發展分為兩條主線: 一、前述的互聯網企業繼續以機器學習深化數據在業務上的分析需求,數據治理及中台技術開始成為企業的未來關注點; 二、傳統行業以金融、零售、醫療為首,發展AI+之路,企業因為信息化的程度,制約了人工智能的使用。數據孤島現象在非互聯網企業更為嚴重,隨着技術創新的大規模嘗試和試驗,市場進入「百花齊放」的階段。 由2015年至2019年,隨着物聯網興起,智慧城市成為內地一二線城市的必備項目,也成為帶動產業互聯網的驅動力之一。以數據去驅動惠民服務、營商環境、產業發展是各地的重要任務,及至2017年內地參與智慧城市多達517個。由2017年至2019年,政策更明確從訊息安全、數據管理方面規範市場;數據治理及資產管理成為企業的重點之一,數據中台的概念更趨向成熟。同時,京津冀、長三角、粵港澳大灣以城市群為特色的區域協助,更加突顯數據成為創新的要素。 科技環境是大數據生根發芽的沃土,5G及IPV6部署和更多智能終端的出現,催生了大數據供給端的爆發,也成為大數據技術、大數據產業應用落地和發展的重要里程碑,為大數據場景化使用提供了充足的數據資源。資本永遠是助力行業發展不可或缺的要素,其顯著的特點是前瞻性強、理性(或瘋狂)、逐利性,相比前幾年資本的瘋狂,近年資本趨於理性,也反映了當下真實的市場發展。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page