赵新龙作者刘海星策划AI前线来源

专访UCloud叶理灯:云计算会成为人工智能的基础设施

作为深耕云计算领域的创新企业,UCloud 于今年年初提出了“ CBA ”(Cloud,Bigdata,AI)三位一体发展战略,并发布了UAI(人工智能)系列产品,包含超高性价比 GPU、UAI-Train、UAI-Service 和安全屋等AI产品,已构筑起一站式AI全服务。

UCloud 不仅为 AI 企业提供极具性价比的计算资源,还凭借体系化的混合云解决方案为 AI 企业的数据安全提供保障。目前,UCloud 已经与格灵深瞳、第四范式等 AI领域标杆企业建立了合作关系。

UCloud 对云计算行业有哪些新的解读?人工智能为云厂商带了哪些挑战和机遇?带着这些疑问,AI 前线采访了 UCloud 创新产品线研发总监叶理灯。

嘉宾介绍
叶理灯
拥有 10 年丰富的互联网研发经验,先后任职于腾讯、盛大云等互联网公司,从事海量分布式后台系统研发及运营,现负责 UCloud 创新产品研发,专注面向企业的云计算产品的研发及运营。

AI 前线:从联合创立 UCloud 到今年 3 月完成 9.6 亿元 D 轮融资,再到今天,您有哪些创业经验可供其他技术创业者借鉴呢?

叶理灯:UCloud 拿到 9.6 亿融资不能说算是成功了,只能说是阶段性的胜利。融资成功说明资本市场对我们的认可,这个认可是基于我们对用户所提供的价值。如果说可以有什么经验提供给其他技术创业者的话,我的第一个观点就是定位好自己,从给用户提供的价值出发,做有价值的产品及服务,自然会有来自市场的回报。2012 年 UCloud 创立的时候,国内的云计算处于全面落地的前夜,尽管当时国内也有不少厂商在做云计算,但都不成熟,产品和服务都离用户的需求有点远,我们创立 UCloud 是抱着提供更好的产品和更好的服务给用户这一愿景,这个就是价值。那个阶段处在云计算革 IDC 的命开始阶段,各云厂商都在努力把云计算的市场做大。

第二点是创新。从 UCloud 举例,一个创业公司做云计算这种重资产的领域,刚开始是没多少人看好我们的。我们没有大腿可抱,没有钱,这就逼着我们从技术和商业模式上做创新,去克服我们第一阶段资源缺乏的困难。这里说两个案例,在技术上,我们通过开发一个 IO 加速模块,让我们的虚拟机在普通存储介质上具备类似 SSD 的 IO 能力,一方面节省用户的成本,一方面提供好的体验。另外一个案例,我们一开始的时候没有资金购买物理无服务器,为此我们改变传统的自己购买服务器然后做虚拟化的模式,通过和服务器厂商合作分成的方式,避免一次性投入太多现金购买服务器,这个模式让我们成功度过了资金不足的阶段。

第三点是坚持。UCloud 走到今天,肯定有运气的成分,但是我觉得跟公司这帮人的坚持是有很大关系的。在那时候,我们的人力和资源配备跟巨头没法比,那我们的前途在哪里呢?第一,要想清楚自己的定位:这个行业是可为的,能为用户带来价值,而且这个行业还远远没成熟。抓住了用户才会抓住根本,就能抓住根本。第二,一定要坚持做下去,坚持才能有希望。如果一遇到困难就退缩的话,UCloud 就没有今天。这是我的经验,一定要坚持。为什么很多公司会倒下?为什么能留下来的公司很少?我觉得除了大势的原因,比如这个行业被淘汰了,另外就是跟创业者的韧劲有很大关系。

最后,做正确的事情很重要。UCloud 能走到今天,另外一个经验就是创业的点选择得也比较好。那时候云计算在国内没有真正落地,2012 年整个中国对云计算的接受程度还比较低。我们推出产品的时候并不算晚,而且我们选择了移动游戏行业。移动游戏的架构比较简单,天生对云计算接受程度比较高,而且创业公司对云计算是比较容易接受的——因为它可以很好地帮创业公司节省现金流。由于架构简单,移动游戏厂商采用云计算也没有什么很大的障碍,我们抓住这个机会,也引发了整个云计算在中国落地的里程碑事件。UCloud 很好地抓住这个机会,后来拓展到整个创业公司,到现在我们全面铺开。抓住某个时间点和机会是比较重要的——不是单纯靠努力和艰苦就能成功的。

AI 前线:您如何看待云厂商的混战阶段和深耕阶段?

叶理灯:我觉得,目前云计算厂商之间是有竞争,但是还没有到混战阶段。我觉得中国的云计算发展程度比国外晚,从具体产品可以看出来,国内对有些产品接受程度不高。这跟中国的 IT 发展水平有关系。从我的个人经验来说,刚开始做云计算的时候,用户常问,你们云计算和传统 IDC 相比,优点在哪里?目前也是经常被这样问。这意味着,IDC 还存在着很大的市场等待云计算厂商去拓展。云计算要革 IDC 的命。尤其是,在很多传统的行业,包括政府、医疗、教育,云计算的渗透率还是很低的。现在是蛋糕还没有做到足够大,没有到云计算厂商完成革命去分蛋糕的阶段。云计算厂商各有优劣,不是替代关系,目前还是大家不断拓展云计算边界做大蛋糕的阶段。

AI 前线:人工智能给 UCloud 和行业带来了哪些机遇和挑战呢?

叶理灯:如果把人工智能当火箭,他需要三个方面的动力,第一是数据,第二是算法,第三是计算能力。云计算是计算能力的很好的选择。正是云计算的建设导致企业能很好很快地获取 AI 的能力,这才能导致这波人工智能浪潮的落地速度比前两波浪潮更大和更快。

人工智能的前两波浪潮经历了从春天到冬天,本质原因在哪里?主要是,理论给了大家的很高的预期,迎来了春天;但是实际运用下来达不到预期,所以进入冬天。在现在这波浪潮中,有很多产品是有落地的,比如计算机视觉、图片视觉、安防、自动驾驶,所以我觉得这波浪潮会持续很长时间。

我觉得人工智能算一个技术,而不是一个行业。人工智能落地,一定是在各个行业里落地。渗透到行业里去,这才是人工智能的价值所在。这跟云计算有点类似。回头来看,现在人工智能的浪潮在国内可以称为上半场,做应用也好算法也好,融一笔钱,看着很不错。那下半场就是,很多传统的产业利用 AI 帮他们提高生产效率,实现行业落地。

我举个例子。一个纺织业客户,他们织布会有残次品。如果通过人工分辨,效率太低了。为什么不可以通过智能图片识别的方式去判断是不是合格?什么意思呢?人工智能要渗透到行业里,而每个行业的 IT 水平是参差不齐的,应该怎么落地?这个时候,云计算是辅助人工智能落地的加速器,各个行业的计算能力、算法、数据的能力都可以通过云计算进行补齐——云计算厂商在这些方面都是很成熟的。

UCloud 的优势和挑战在哪里?人工智能涉及到算法、数据和计算能力。UCloud 是中立的平台,下不碰数据,上不碰应用。我们和做 AI 应用的公司是没有竞争的。我们会提供平台,但不是传统的平台。我们专门做了一些更加易用的平台,除了云计算的数据处理之外,还有 AI 训练、模型推理等功能,辅助人工智能落地。我们中立,不做人工智能相关的应用,这样我们提供了易用的平台帮助人工智能落地,帮助传统行业减少在人工智能建设方面的成本。

AI 前线:您负责的 UCloud 创新实验室主要在做什么?可以分享一些成果吗?

叶理灯:UCloud 创新实验室包含两个部门,一个是人工智能部门,包括人工智能训练服务 UAI-Train 和人工智能在线服务 UAI-Service。UAI-Train 是一种 PaaS 服务,用户只需要提供 Docker 镜像和训练数据,UAI-Train 能够自动为其训练任务创建运行环境(Docker容器),并调用 GPU 计算资源为用户提供高性能计算服务。值得一提的是,该产品按需计费,精确到分钟,极大地降低 AI 的成本投入,避免闲置资源的浪费。而 UAI-Service 可以提供海量计算节点,自动负载均衡,动态扩缩容,同时提供高可用性、高安全性和高功能性保障;同样是按需收费,灵活便捷。另外一个是应用创新部,基于 IaaS 平台让企业用户更加方便地使用云计算,比如有容器服务 Container Service,有 Serverless 服务、通用计算服务。

UCloud AI 架构图

实验室的另一个使命是,通过内部产品重构 UCloud 软件架构。做平台的思路就是,先吃自己的狗粮嘛,eat your own dog food,在我们内部使用确认稳定之后,才对外公布和提供给用户。同时我们会采用一系列机制来保证创新,比如根据最新科技动态、友商资讯和行业需求,做技术研发并整合到平台上,做成产品进行固化。

AI 前线:方便分享具体的客户案例吗?

叶理灯:我分享三个案例。

第一个案例是我们推出的通用计算服务。之前,有在线教育客户买了 UCloud 的物理机,他们用到了人工智能的 OCR 识别图片中的文字。他们直接使用物理机会有很多问题,第一是成本很高,第二是要有专人维护,同时为了压榨物理机的性能,他们就需要在写算法的时候把 Server 写得很好。我们推出通用计算产品之后,他们觉得很好用。他们的物理机直接调用我们的 API,他们不用管后端了,十分简便;同时,计算资源成本大大降低了,大概节省了 97%,之前 50000 块钱,现在只要 150 块钱,这是一个比较经典的案例。通过我们的创新产品,解决人工智能计算和成本问题,而且平台做得好,可以自动扩展,还有跨机房容灾,给客户创来很大的价值。

第二个案例是做基因检测分析的用户,比如分析你的祖先起源于哪里。他们要做成算法开放平台,允许用户上传自己的算法,进行相关的分析。这时候,他们面对的问题是如何选择架构,比如算法怎么打包、如何给用户提供报告。他们觉得 UCloud 的产品很好用,直接调用自己的算法把请求转给我们的 API,这样下来,他们的开放平台架构非常简单,成本也很低,很快就搭出来了。这个平台已经成功运行了半年时间。

还有我们刚推出人工智能训练 UAI-Train 的时候,创新工厂、今日头条搜狗联合推出 AI Challenger 全球 AI 挑战赛,五大赛道的后台训练全部都是采用 UCloud 的 AI 训练平台。

AI 前线:对于企业落地人工智能,有哪些建议?

叶理灯:我的建议是,走现实的道路,找到切入点。看看在你们公司和产品的体验里,哪些东西是可以用到人工智能的,帮助提高体验也好,提高生产效率也好,降低成本也好。要找一个点去切入,根据自己的问题,去想办法用人工智能解决问题,而不是追求热点,盲目地搭一套人工智能平台。

AI 前线:您如何看待人工智能的火爆?

叶理灯:普通人感受到的人工智能比较火应该是源于去年 AlphaGo 和李世石的围棋大战。人工智能在不同领域的发展是不一样,比如苹果 Siri 也是人工智能。谷歌推出 TensorFlow,可以让每个人低成本地建立自己感兴趣的小型应用。一项技术能落地甚至变成风潮,根本原因是它的实际价值落地成本。他的落地费用不高的时候,自然就会广泛应用。现在很多大机构都有很多黑科技,没有公布出来不是因为科技不成熟或者技术不可靠。不是的,是因为这个东西量产成本太高。比如前两天我的某个 APP 密码忘记了,找回密码很费劲的,需要短信验证、身份证信息。但是现在有人脸识别,直接对着摄像头就能很方便就找回密码了。如果人脸识别的成本很高的,那这个也是要收费的、不会这么普及。人工智能技术发展到一定程度,云计算也起了很大的功劳,因为云计算促使相关的技术都变得便宜了,很多高精尖的技术可以直接应用了。这是我个人观点。

AI 前线:云计算人工智能的结合还有更大的空间吗?

叶理灯:我觉得还是有的。计算能力不用说了,云计算本身具备很强的计算能力。随着云计算的发展,可能以后 80% 的数据都会在云计算上。数据和计算能力都在云计算上面,再用云计算人工智能的算法,最后云计算人工智能越来越紧密,或者说,云计算会成为人工智能的基础设施。

AI 前线:您最期待的人工智能应用场景有哪些?

叶理灯:这个很难预测了。大家对人工智能比较忧虑的是,很怕自己的岗位被机器人代替。有些行业可能会有这个问题,比如说自动驾驶出来后,很多人都不用开车了。但是很多行业不会,比如你是个设计师,是要设计海报的,而不是做一些重复劳动,那人工智能会是更好的辅助。

我们现在遇到很多的客户,他们会让人工智能和机器做重复性的机械性的东西,人会更加专注做创造性的东西,我觉得这是个大方向。人工智能有强烈的行业属性,各个行业面临的问题是不一样的。最后会变成什么样子,有赖于各个行业同仁的努力。

AI 前线:您怎样引领和激励团队的创新呢?

叶理灯:创新最重要是不要限制。

当然了,没有限制是很难的,比如做工程会有很多标准,研发要有过程,控制代码质量有流程,编码要有编码规范,测试要有自动化测试、单元测试、性能测试。在 UCloud,项目是否立项,是个群策群力的过程,让大家投票决定,让大家都有参与感,充分表达自己的意见。每个人都有局限性,如果说都是由我来控制整个过程,那我就成为了瓶颈。

确定项目大的方向之后,我们支持不断试错。试错就是要快、成本要低,10 个方向有两个成功,对我们也是好结果。

AI 前线:对 UCloud 的未来有怎样的期待?

叶理灯:我希望 UCloud 能更加茁壮成长,能有越来越多优秀人才加入 UCloud。UCloud 的发展壮大一定需要更多的新的优秀人才加入进来。to B 行业非常累,但是发展比较稳,不像 to C 行业会快速地起起落落。我希望 UCloud 保持初心,跟用户站在一起,为用户创造价值。这是最根本的。

分享UCloud的技术创新、架构设计、实践总结,内容同步于微信公众号“UCloud技术公告牌”

https://www.ucloud.cn/
专栏二维码
产业UCloud叶理灯云计算计算机视觉人脸识别自动驾驶
1
相关数据
人工智能技术
Artificial Intelligence

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

阿尔法围棋技术
AlphaGo

阿尔法围棋是于2014年开始由英国伦敦Google DeepMind公司开发的人工智能围棋程序。AlphaGo是第一个打败人类职业棋手的计算机程序,也是第一个打败围棋世界冠军的计算机程序,可以说是历史上最强的棋手。 技术上来说,AlphaGo的算法结合了机器学习(machine learning)和树搜索(tree search)技术,并使用了大量的人类、电脑的对弈来进行训练。AlphaGo使用蒙特卡洛树搜索(MCTS:Monte-Carlo Tree Search),以价值网络(value network)和策略网络(policy network)为指导,其中价值网络用于预测游戏的胜利者,策略网络用于选择下一步行动。价值网络和策略网络都是使用深度神经网络技术实现的,神经网络的输入是经过预处理的围棋面板的描述(description of Go board)。

计算机视觉技术
Computer Vision

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

人脸识别技术
Facial recognition

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

自动驾驶技术
self-driving

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

搜狗机构
Sogou

搜狗成立于2003年,是中国搜索行业挑战者,AI领域的创新者。目前搜狗月活跃用户数仅次于BAT,是中国用户规模第四大互联网公司。2004年8月,搜狗推出搜狗搜索,现已成为中国第二大搜索引擎。2006年6月,推出搜狗输入法,重新定义了中文输入,目前搜狗输入法覆盖超5亿用户,是国内第一大中文输入法。2017年11月9日,搜狗在美国纽约证券交易所正式挂牌上市,股票交易代码为“SOGO”,开盘价为13.00美元,市值超50亿美元。

第四范式机构
The 4th Paradigm

第四范式是人工智能技术与服务提供商,帮助企业实现智能变革、创造商业价值。团队已帮助金融、电信、互联网等领域等100多家企业成功实现人工智能转型。2016年12月,第四范式荣获中国人工智能界最高奖——“吴文俊人工智能科学技术奖”创新奖一等奖,是首个获得该奖项的企业。

涉及领域
今日头条机构
Bytedance

“今日头条”是一款基于数据挖掘技术的个性化推荐引擎产品,它为用户推荐有价值的、个性化的信息,提供连接人与信息的新型服务,是国内移动互联网领域成长最快的产品之一。

张量技术
Tensor

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

重构技术
Refactoring

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

TensorFlow技术
TensorFlow

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

云计算技术
Cloud Computing

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

推荐文章