摘要：通過對(duì)數(shù)據(jù)處理階段性發(fā)展的解析，分析大數(shù)據(jù)、人工智能技術(shù)的發(fā)展趨勢(shì)。結(jié)合實(shí)際生產(chǎn)需求，驗(yàn)證了基于容器云架構(gòu)的新一代大數(shù)據(jù)與人工智能平臺(tái)在數(shù)據(jù)分析、處理、挖掘等方面的強(qiáng)大優(yōu)勢(shì)。

關(guān)鍵詞：大數(shù)據(jù) 人工智能 云計(jì)算 Docker 基礎(chǔ)能力 多租戶

Abstract：Through analyzing the staged development of data processing， this paper analyzes the development trend of big data and AI technology. According to the requirement of customers， the new generation of big data and AI platform based on Docker Cloud verify the powerful advantages in data analysis， processing， mining and so on.

Key Words：Big data; AI; cloud computing; Docker;basic abilities; Multi-tenant

引言

人工智能、大數(shù)據(jù)與云計(jì)算三者有著密不可分的聯(lián)系。人工智能從1956年開始發(fā)展，在大數(shù)據(jù)技術(shù)出現(xiàn)之前已經(jīng)發(fā)展了數(shù)十年，幾起幾落，但當(dāng)遇到了大數(shù)據(jù)與分布式技術(shù)的發(fā)展，解決了計(jì)算力和訓(xùn)練數(shù)據(jù)量的問題，開始產(chǎn)生巨大的生產(chǎn)價(jià)值;同時(shí)，大數(shù)據(jù)技術(shù)通過將傳統(tǒng)機(jī)器學(xué)習(xí)算法分布式實(shí)現(xiàn)，向人工智能領(lǐng)域延伸;此外，隨著數(shù)據(jù)不斷匯聚在一個(gè)平臺(tái)，企業(yè)大數(shù)據(jù)基礎(chǔ)平臺(tái)服務(wù)各個(gè)部門以及分支機(jī)構(gòu)的需求越來越迫切。通過容器技術(shù)，在容器云平臺(tái)上構(gòu)建大數(shù)據(jù)與人工智能基礎(chǔ)公共能力，結(jié)合多租戶技術(shù)賦能業(yè)務(wù)部門的方式將人工智能、大數(shù)據(jù)與云計(jì)算進(jìn)行融合。

數(shù)據(jù)處理的發(fā)展階段

隨著信息技術(shù)的蓬勃發(fā)展，特別是近十年，移動(dòng)互聯(lián)技術(shù)的普及，運(yùn)營商、泛金融、政府、大型央企、大型國企、能源等領(lǐng)域數(shù)據(jù)量更是呈現(xiàn)幾何級(jí)數(shù)的增長趨勢(shì)。數(shù)據(jù)量的膨脹除了帶來了數(shù)據(jù)處理性能的壓力外，數(shù)據(jù)種類的多樣性也為數(shù)據(jù)處理手段提出了新的要求，大量新系統(tǒng)的建設(shè)同時(shí)產(chǎn)生了眾多數(shù)據(jù)孤島，給企業(yè)的數(shù)據(jù)運(yùn)營維護(hù)與價(jià)值發(fā)掘帶來了重大的挑戰(zhàn)。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，企業(yè)的數(shù)據(jù)處理技術(shù)轉(zhuǎn)型也經(jīng)歷了幾個(gè)階段，如圖1所示。

▲圖1 企業(yè)數(shù)據(jù)處理轉(zhuǎn)型的階段變化

在***階段，大數(shù)據(jù)技術(shù)發(fā)展的早期，為了打破數(shù)據(jù)孤島，將各類數(shù)據(jù)向大數(shù)據(jù)平臺(tái)匯集，形成數(shù)據(jù)湖的概念，作為多源、異構(gòu)的數(shù)據(jù)的數(shù)據(jù)歸集，在此基礎(chǔ)上進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，建立企業(yè)數(shù)據(jù)的匯聚中心。在這個(gè)階段，對(duì)非結(jié)構(gòu)化數(shù)據(jù)處理以存儲(chǔ)檢索為主，對(duì)結(jié)構(gòu)化數(shù)據(jù)處理提供各類API和少量SQL支持，使海量的以SQL實(shí)現(xiàn)為主的業(yè)務(wù)難以遷移到大數(shù)據(jù)平臺(tái)，新業(yè)務(wù)開發(fā)使用門檻高，大數(shù)據(jù)技術(shù)的推廣受到阻礙。

在第二階段，企業(yè)客戶的需求集中表現(xiàn)為，如何更好地處理結(jié)構(gòu)化數(shù)據(jù)以及將老的IT架構(gòu)遷移到分布式架構(gòu)中。各大數(shù)據(jù)平臺(tái)廠商開始在SQL on Hadoop領(lǐng)域進(jìn)行研發(fā)和競爭，不斷提高SQL標(biāo)準(zhǔn)的兼容程度。在這個(gè)過程中，Spark誕生并逐漸取代了過于笨重且TB量級(jí)計(jì)算性能存在缺陷的MapReduce架構(gòu)，Hadoop技術(shù)開始向結(jié)構(gòu)化數(shù)據(jù)處理分析更深度的應(yīng)用領(lǐng)域進(jìn)發(fā)。隨著SQL on Hadoop技術(shù)的不斷發(fā)展與星環(huán)科技解決了Hadoop分布式事務(wù)的難題，越來越多的客戶在Hadoop上構(gòu)建新一代數(shù)據(jù)倉庫，將Hadoop技術(shù)應(yīng)用于越來越多的業(yè)務(wù)生產(chǎn)場(chǎng)景，技術(shù)門檻的降低，使越來越多的客戶可以利用強(qiáng)大的分布式計(jì)算能力輕松分析處理海量數(shù)據(jù)。在這個(gè)階段后期，隨著企業(yè)客戶對(duì)實(shí)時(shí)數(shù)據(jù)分析研判需求的不斷提高，流處理技術(shù)得以蓬勃發(fā)展。

在第三階段，一部分企業(yè)已經(jīng)完成了由基于關(guān)系型數(shù)據(jù)庫為核心的數(shù)據(jù)處理體系向基于大數(shù)據(jù)技術(shù)為核心的數(shù)據(jù)處理體系的轉(zhuǎn)變。在本階段早期，很多企業(yè)客戶不滿足于通過SQL基于統(tǒng)計(jì)對(duì)數(shù)據(jù)的分析和挖掘，促使傳統(tǒng)的機(jī)器學(xué)習(xí)算法開始實(shí)現(xiàn)分布化，但主要還是針對(duì)結(jié)構(gòu)化數(shù)據(jù)的學(xué)習(xí)挖掘。隨著深度學(xué)習(xí)技術(shù)和分布式技術(shù)的碰撞，演化出了新一代的計(jì)算框架，如TensorFlow等，計(jì)算能力的提升，并結(jié)合大量訓(xùn)練數(shù)據(jù)，使機(jī)器學(xué)習(xí)人工智能技術(shù)在結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域產(chǎn)生巨大威力，開始應(yīng)用于人臉識(shí)別、車輛識(shí)別、智能客服、無人駕駛等領(lǐng)域;同時(shí)，對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)算法產(chǎn)生了巨大沖擊，一定程度上減少了對(duì)特征工程與業(yè)務(wù)領(lǐng)域知識(shí)的依賴，降低了機(jī)器學(xué)習(xí)的進(jìn)入門檻，使人工智能技術(shù)得以普及。另一方面，可視化的拖拽頁面、豐富的行業(yè)模板、高效率的交互式體驗(yàn)，極大地降低了數(shù)據(jù)分析人員的使用門檻，讓人工智能技術(shù)進(jìn)一步走入企業(yè)的生產(chǎn)應(yīng)用。

大數(shù)據(jù)、人工智能與云技術(shù)的融合

隨著企業(yè)內(nèi)部對(duì)于數(shù)據(jù)資源的應(yīng)用不再僅僅局限于IT部門，越來越多的內(nèi)部項(xiàng)目組與分支機(jī)構(gòu)加入大數(shù)據(jù)平臺(tái)的使用中，加之?dāng)?shù)據(jù)處理技術(shù)的不斷發(fā)展，如何解決基礎(chǔ)平臺(tái)的資源隔離問題、管理分配問題、編排調(diào)度問題;如何將企業(yè)業(yè)務(wù)應(yīng)用需要的基礎(chǔ)服務(wù)能力做更好地抽象，降低應(yīng)用所需的基礎(chǔ)服務(wù)的環(huán)境搭建、開發(fā)、測(cè)試部署周期，提升IT支撐效能;如何更好地管理眾多的基于大數(shù)據(jù)與人工智能開發(fā)的應(yīng)用等等成為企業(yè)急需解決的問題。

在大數(shù)據(jù)技術(shù)發(fā)展的早期，僅僅是在計(jì)算框架MapReduce中提供簡單的作業(yè)調(diào)度算法，隨著資源管理的需求，在Hadoop 2.0時(shí)代，Yarn作為單獨(dú)組件負(fù)責(zé)分布式計(jì)算框架的資源管理。但是，一方面，Yarn僅僅能夠管理調(diào)度計(jì)算框架的資源;另一方面，資源的管理粒度較為粗放，不能做到有效的資源隔離，越來越不能滿足企業(yè)客戶的需求。

云計(jì)算技術(shù)作為資源隔離封裝虛擬化，以及管理調(diào)度的技術(shù)，本應(yīng)應(yīng)用于解決上述問題。但是，在Docker容器技術(shù)被廣泛接受之前，云計(jì)算虛擬化技術(shù)主要基于虛擬機(jī)封裝資源，并在其之上加載操作系統(tǒng)，資源利用率低，早期有廠商嘗試將大數(shù)據(jù)平臺(tái)構(gòu)建在基于虛擬機(jī)技術(shù)的云化方案上，由于資源利用和穩(wěn)定性問題，在私有云上的嘗試鮮有成功案例。在公有云方面，借助公有云較為強(qiáng)大的基礎(chǔ)平臺(tái)硬件與運(yùn)維支持能力，有一些非核心業(yè)務(wù)的應(yīng)用嘗試。

隨著Docker、Kubernetes等容器技術(shù)的發(fā)展，與微服務(wù)等技術(shù)概念的形成，大數(shù)據(jù)與人工智能基礎(chǔ)平臺(tái)開始基于容器云構(gòu)建底層資源管理與調(diào)度平臺(tái)。容器云就像一個(gè)分布式的操作系統(tǒng)，將集群中的各類硬件資源進(jìn)行封裝、管理以及調(diào)度，將封裝的資源作為容器承載大數(shù)據(jù)的相關(guān)組件進(jìn)程，再將這些容器進(jìn)行編排，組成一個(gè)個(gè)的大數(shù)據(jù)和人工智能的基礎(chǔ)服務(wù)，如分布式文件系統(tǒng)HDFS、NoSQL數(shù)據(jù)庫Hbase、分布式分析型數(shù)據(jù)庫Inceptor、分布式流處理平臺(tái)Slipstream、分布式機(jī)器學(xué)習(xí)組件Sophon等。由這些基礎(chǔ)服務(wù)編排構(gòu)建公共能力服務(wù)層，提供如數(shù)據(jù)倉庫、數(shù)據(jù)集市、圖數(shù)據(jù)庫、全文搜索數(shù)據(jù)庫、流處理服務(wù)、NoSQL數(shù)據(jù)庫、機(jī)器學(xué)習(xí)平臺(tái)服務(wù)、定制圖像識(shí)別服務(wù)等，為企業(yè)打造全新的數(shù)據(jù)處理核心系統(tǒng)?；谶@一核心系統(tǒng)服務(wù)于各類企業(yè)的不同部門。通過資源隔離技術(shù)，通過對(duì)每個(gè)租戶的資源分配和權(quán)限管理，滿足業(yè)務(wù)分析人員的個(gè)性化分析需求，專注于業(yè)務(wù)邏輯的開發(fā)和數(shù)據(jù)的分析挖掘。

技術(shù)融合的應(yīng)用

中國郵政大數(shù)據(jù)平臺(tái)建設(shè)以Transwarp Data Hub(以下簡稱TDH)與Transwarp Operating System(以下簡稱TOS)作為基礎(chǔ)架構(gòu)系統(tǒng)，搭建的新一代邏輯數(shù)據(jù)倉庫和數(shù)據(jù)集市，完全取代了Teradata和Oracle.

總體架構(gòu)與實(shí)現(xiàn)

中國郵政大數(shù)據(jù)平臺(tái)服務(wù)于量收、郵務(wù)、名址等系統(tǒng)，同時(shí)運(yùn)用容器云TOS實(shí)現(xiàn)創(chuàng)新多租戶的數(shù)據(jù)分析挖掘環(huán)境。建立從業(yè)務(wù)層到管理層到?jīng)Q策層的智能分析體系，模擬量化風(fēng)險(xiǎn)和收益，實(shí)現(xiàn)對(duì)郵政各種業(yè)務(wù)數(shù)據(jù)進(jìn)行分類、管理、統(tǒng)計(jì)和分析等功能，給各級(jí)管理人員提供各類準(zhǔn)確的統(tǒng)計(jì)分析預(yù)測(cè)數(shù)據(jù)，使其能夠及時(shí)掌握全面的經(jīng)營狀況，為宏觀決策提供支持;為省分公司基層業(yè)務(wù)人員提供詳盡的數(shù)據(jù)，供其對(duì)各自的工作目標(biāo)、當(dāng)前和歷史狀況進(jìn)行準(zhǔn)確的把握，對(duì)業(yè)務(wù)活動(dòng)進(jìn)行有效支撐，滿足郵政經(jīng)營分析管理及決策支持。

中國郵政大數(shù)據(jù)平臺(tái)以五大基礎(chǔ)服務(wù)集群域?yàn)榛A(chǔ)，分別是數(shù)據(jù)湖集群域、企業(yè)數(shù)據(jù)倉庫集群域、省分服務(wù)集群域、機(jī)器學(xué)習(xí)實(shí)驗(yàn)室集群域、開發(fā)/測(cè)試/培訓(xùn)集群域。

• (1)數(shù)據(jù)湖集群域：基于TDH平臺(tái)搭建的數(shù)據(jù)湖，主要承擔(dān)多源異構(gòu)的數(shù)據(jù)歸集，數(shù)據(jù)湖內(nèi)包括：原始數(shù)據(jù)池、清洗加工數(shù)據(jù)池、整合加工數(shù)據(jù)池等。
• (2)企業(yè)數(shù)倉集群域：基于TDH搭架的數(shù)據(jù)倉庫集群，基于大數(shù)據(jù)創(chuàng)新搭架邏輯數(shù)據(jù)倉庫，用于遷移改造原有基于Teradata搭架的數(shù)據(jù)倉庫，數(shù)據(jù)集市和基于Oracle搭建的報(bào)刊集市的郵政量收管理系統(tǒng)。
• (3)省分服務(wù)集群域：基于TOS搭建容器化多租戶數(shù)據(jù)分析平臺(tái)云。為省、市分公司開發(fā)人員和業(yè)務(wù)人員提供省分多租戶的平臺(tái)環(huán)境，集團(tuán)分發(fā)數(shù)據(jù)與自有數(shù)據(jù)存儲(chǔ)計(jì)算，自有應(yīng)用的開發(fā)與管理，獨(dú)立租戶使用運(yùn)行。
• (4)機(jī)器學(xué)習(xí)實(shí)驗(yàn)室集群域：基于TOS搭建的容器化多租戶大數(shù)據(jù)機(jī)器學(xué)習(xí)平臺(tái)，為集團(tuán)數(shù)據(jù)中心分析師提供多租戶的開發(fā)實(shí)驗(yàn)環(huán)境平臺(tái)，進(jìn)行數(shù)據(jù)探查、業(yè)務(wù)建模、算法研究、應(yīng)用開發(fā)、成果推廣等。
• (5)開發(fā)/測(cè)試/培訓(xùn)集群域：為應(yīng)用開發(fā)人員、系統(tǒng)測(cè)試人員、培訓(xùn)師、學(xué)員提供多租戶的大數(shù)據(jù)與機(jī)器學(xué)習(xí)平臺(tái)，為開發(fā)商及內(nèi)部單位提供開發(fā)測(cè)試培訓(xùn)服務(wù)。

以此為基礎(chǔ)，達(dá)到了數(shù)據(jù)管理、服務(wù)管理、運(yùn)維管控、安全管控四個(gè)維度的統(tǒng)一。在風(fēng)險(xiǎn)管控、決策支持、服務(wù)支撐、流程優(yōu)化、品牌創(chuàng)新、交叉營銷六大應(yīng)用領(lǐng)域展開應(yīng)用。實(shí)現(xiàn)了租戶管理、數(shù)據(jù)治理、數(shù)據(jù)加工、數(shù)據(jù)挖掘、數(shù)據(jù)探索、數(shù)據(jù)展現(xiàn)六大平臺(tái)功能。

數(shù)據(jù)湖和數(shù)據(jù)倉庫基于TDH構(gòu)建，將包括業(yè)務(wù)系統(tǒng)數(shù)據(jù)、實(shí)時(shí)流數(shù)據(jù)、合作單位數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等不同數(shù)據(jù)源，通過ESB接入、ETL工具、Kafka、Sqoop、文本上傳、人工接入等方式，統(tǒng)一匯聚進(jìn)入數(shù)據(jù)湖。加工后獲得的數(shù)據(jù)資產(chǎn)發(fā)布到數(shù)據(jù)資產(chǎn)目錄，通過數(shù)據(jù)資產(chǎn)目錄的構(gòu)建TDH與TOS用戶間數(shù)據(jù)交互體系。便于用戶快速檢索數(shù)據(jù)，通過數(shù)據(jù)資產(chǎn)目錄實(shí)現(xiàn)對(duì)數(shù)據(jù)的集成、融合、安全、共享。數(shù)據(jù)資產(chǎn)目錄包括：元數(shù)據(jù)、主數(shù)據(jù)、數(shù)據(jù)安全、數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)輪廓、數(shù)據(jù)生命周期等。此外，企業(yè)用戶通過大數(shù)據(jù)門戶按需申請(qǐng)租戶存儲(chǔ)計(jì)算資源、數(shù)據(jù)資源、審批流程通過后，集群資源管理員按需快速部署集群，自動(dòng)化將數(shù)據(jù)從數(shù)據(jù)湖加載入數(shù)據(jù)分析集群或省分集群對(duì)應(yīng)的租戶空間，供數(shù)據(jù)開發(fā)人員使用。數(shù)據(jù)開發(fā)人員會(huì)將數(shù)據(jù)應(yīng)用成果固化到數(shù)據(jù)湖內(nèi)，對(duì)外提供數(shù)據(jù)服務(wù)。

數(shù)據(jù)倉庫與數(shù)據(jù)集市的完整遷移

中國郵政大數(shù)據(jù)平臺(tái)是全球***采用Hadoop(TDH)技術(shù)完全取代Teradata和Oracle的混合架構(gòu)搭建新一代邏輯數(shù)據(jù)倉庫和數(shù)據(jù)集市的系統(tǒng)。

原量收系統(tǒng)使用Teradata的數(shù)據(jù)倉庫和Oracle的數(shù)據(jù)庫，數(shù)據(jù)使用空間目前已接近30TB，現(xiàn)有使用用戶約5萬人，提供近約900張報(bào)表的靈活查詢，單日?qǐng)?bào)表查詢頻次***能達(dá)到40萬次，月初高峰查詢需支持約2000計(jì)算查詢并發(fā)。

通過項(xiàng)目前期大量調(diào)研準(zhǔn)備工作，制定了切實(shí)可行的項(xiàng)目實(shí)施方案。量收管理系統(tǒng)的總體架構(gòu)、ESB、BI工具、ETL工具、調(diào)度工具、門戶等都保持不變，僅將原量收系統(tǒng)的數(shù)據(jù)倉庫和數(shù)據(jù)集市，使用大數(shù)據(jù)平臺(tái)進(jìn)行完全替換，降低了整個(gè)遷移風(fēng)險(xiǎn)。

整個(gè)遷移過程中，包括環(huán)境部署、模型遷移改造、接口遷移改造、數(shù)據(jù)遷移、ETL遷移改造、報(bào)表遷移改造、數(shù)據(jù)核對(duì)、性能優(yōu)化、業(yè)務(wù)應(yīng)用遷移、風(fēng)險(xiǎn)控制，系統(tǒng)測(cè)試等。例如模型遷移改造，不改變?cè)袠I(yè)務(wù)邏輯，只需對(duì)接口層模型，基礎(chǔ)層模型、匯總層模型進(jìn)行輕度改造。對(duì)于模型改造來說，系統(tǒng)基礎(chǔ)層模型結(jié)構(gòu)相對(duì)復(fù)雜，關(guān)聯(lián)度相對(duì)較高，原系統(tǒng)使用Teradata數(shù)據(jù)庫。TDH全面兼容Teradata的數(shù)據(jù)類型與SQL方言，降低了遷移成本。同時(shí)遷移完成后，性能大幅提升，見圖2.

▲圖2 遷移前后數(shù)據(jù)集市業(yè)務(wù)場(chǎng)景500并發(fā)測(cè)試性能對(duì)比

基于容器云的大數(shù)據(jù)與機(jī)器學(xué)習(xí)平臺(tái)的全面應(yīng)用

基于TOS實(shí)現(xiàn)的多租戶新模式，將大數(shù)據(jù)與機(jī)器學(xué)習(xí)平臺(tái)組件完全容器化實(shí)現(xiàn)，并在TOS提供能力服務(wù)。集團(tuán)統(tǒng)一部署企業(yè)內(nèi)部云平臺(tái)，對(duì)郵政各個(gè)租戶(集團(tuán)、省分、市局等)動(dòng)態(tài)分配存儲(chǔ)、計(jì)算、網(wǎng)絡(luò)等資源，并實(shí)現(xiàn)完整的資源隔離，使得各個(gè)租戶數(shù)據(jù)分析人員和業(yè)務(wù)人員獲得相對(duì)獨(dú)立的資源環(huán)境，賦能業(yè)務(wù)創(chuàng)新，同時(shí)可動(dòng)態(tài)調(diào)配資源，實(shí)現(xiàn)資源的共享優(yōu)勢(shì)。

集團(tuán)、省分、市局各級(jí)人員通過多租戶平臺(tái)，實(shí)現(xiàn)資源發(fā)布、申請(qǐng)，使用及應(yīng)用開發(fā)、成果推廣。通過項(xiàng)目立項(xiàng)申請(qǐng)審批后，省分項(xiàng)目組人員在租戶空間內(nèi)，接入訪問數(shù)據(jù)資源，使用平臺(tái)服務(wù)資源，大數(shù)據(jù)分析工具及機(jī)器學(xué)習(xí)挖掘工具展開數(shù)據(jù)分析挖掘工作，具體開展數(shù)據(jù)處理、模型開發(fā)、算法應(yīng)用、應(yīng)用發(fā)布等，在審批驗(yàn)收之后，將成果推廣到數(shù)據(jù)湖上部署對(duì)全集團(tuán)提供數(shù)據(jù)應(yīng)用服務(wù)。

通過TOS+TDH搭架厚平臺(tái)、薄應(yīng)用的微服務(wù)架構(gòu)，實(shí)現(xiàn)租戶之間的異構(gòu)性、獨(dú)立測(cè)試與部署、資源按需伸縮、高性能計(jì)算能力、租戶間錯(cuò)誤問題隔離、團(tuán)隊(duì)全功能化。實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化管理。面對(duì)集團(tuán)數(shù)據(jù)多樣、海量、跨板塊、跨專業(yè)的需求，集團(tuán)對(duì)數(shù)據(jù)進(jìn)行了全面梳理，創(chuàng)新集成各版塊、專業(yè)數(shù)據(jù)，創(chuàng)建數(shù)據(jù)資產(chǎn)目錄便于快速檢索獲取資產(chǎn)，管控治理資產(chǎn)，讓數(shù)據(jù)即資產(chǎn)從理論階段上升到實(shí)現(xiàn)階段。

結(jié)語

隨著企業(yè)數(shù)據(jù)處理與服務(wù)需求的不斷發(fā)展，由大數(shù)據(jù)的匯聚，分布式技術(shù)釋放計(jì)算能力開始，技術(shù)不斷延伸發(fā)展，大數(shù)據(jù)、人工智能與云計(jì)算的邊界越來越模糊，三者技術(shù)的發(fā)展不斷互相影響與融合，這是發(fā)展與需求產(chǎn)生的自然趨勢(shì)。在“后大數(shù)據(jù)時(shí)代”，基礎(chǔ)大數(shù)據(jù)與人工智能云平臺(tái)的形成與落地會(huì)越來越多，真正實(shí)現(xiàn)科技賦能業(yè)務(wù)，為企業(yè)提升效率與發(fā)展提供更強(qiáng)的心臟。同時(shí)，未來可以看到，企業(yè)可能會(huì)將其基于基礎(chǔ)能力平臺(tái)的應(yīng)用體系也上架到平臺(tái)的應(yīng)用市場(chǎng)中，充分利用云平臺(tái)的優(yōu)勢(shì)能力，資源共享，統(tǒng)一管理。