身處被廣泛熱議的人工智能時(shí)代， 人們普遍意識(shí)到，AI技術(shù)確實(shí)已經(jīng)成為“無(wú)往不利”的神器一枚，不但日常生活不斷提升的便利性要TA趕來(lái)幫忙，就連日漸被熱議的企業(yè)數(shù)字化轉(zhuǎn)型也少不了TA的杰出貢獻(xiàn)，TA呢?早就成為開發(fā)者群體以及企業(yè)們爭(zhēng)相“追趕并擁抱”的對(duì)象！

身處被廣泛熱議的人工智能時(shí)代， 人們普遍意識(shí)到，AI技術(shù)確實(shí)已經(jīng)成為“無(wú)往不利”的神器一枚，不但日常生活不斷提升的便利性要TA趕來(lái)幫忙，就連日漸被熱議的企業(yè)數(shù)字化轉(zhuǎn)型也少不了TA的杰出貢獻(xiàn)，TA呢?早就成為開發(fā)者群體以及企業(yè)們爭(zhēng)相“追趕并擁抱”的對(duì)象！

如此背景下，怎樣在“認(rèn)知、算法、數(shù)據(jù)”三重作用下，降低AI落地的門檻？

如何幫助企業(yè)降低研發(fā)成本、加速方案迭代并完美實(shí)現(xiàn)AI 產(chǎn)品化？

或許這些統(tǒng)統(tǒng)都可以歸結(jié)為“云知道”

這不，就在前不久剛剛結(jié)束的UCan下午茶深圳站活動(dòng)中，多位技術(shù)大咖針對(duì)以上問(wèn)題進(jìn)行了深入探討，涉及AI 與公有云平臺(tái)、云計(jì)算助力AI快速完成底層架構(gòu)搭建等諸多關(guān)于“云+AI”的技術(shù)方向，干貨滿滿。

沙龍現(xiàn)場(chǎng)座無(wú)虛席

現(xiàn)場(chǎng)超百位開發(fā)者熱情參與了交流與互動(dòng)，尤其對(duì)AI平臺(tái)、UCloud安全屋產(chǎn)品、NLP 技術(shù)以及AutoML等十分關(guān)注。此外，這些探討也將為云計(jì)算與AI相關(guān)領(lǐng)域的從業(yè)者們提供借鑒與新思路，并十分值得廣大開發(fā)者們認(rèn)真學(xué)習(xí)與總結(jié)！

AI公有云平臺(tái)實(shí)踐

如今AI技術(shù)在適應(yīng)不同場(chǎng)景時(shí)所呈現(xiàn)的算法形式多種多樣，為了實(shí)現(xiàn)更多場(chǎng)景的兼容性，高效的平臺(tái)建設(shè)對(duì)廣大開發(fā)者來(lái)說(shuō)必不可少。

UCloud LabU深度學(xué)習(xí)開發(fā)工程師范融在“AI公有云平臺(tái)實(shí)踐”的主題分享中表示，在整個(gè)研發(fā)周期中，面對(duì)源于AI 的諸多問(wèn)題，無(wú)論是企業(yè)還是開發(fā)者自然都要選擇可以兼容更多深度學(xué)習(xí)算法以及框架，并保證存儲(chǔ)、網(wǎng)絡(luò)性能優(yōu)勢(shì)解決方案。

可見，一個(gè)優(yōu)質(zhì)的平臺(tái)恰好可以達(dá)到靈活的橫向擴(kuò)展能力以及對(duì)業(yè)務(wù)規(guī)模的支持，另外在彈性、容災(zāi)簡(jiǎn)單方便的代碼遷移等方面更是表現(xiàn)出色，如此看來(lái)AI平臺(tái)建設(shè)的重大意義需要被廣泛認(rèn)同。

此外，范融在演講中還詳細(xì)介紹了UCloud關(guān)于AI 基礎(chǔ)平臺(tái)架構(gòu)的很多技術(shù)干貨。

“聚焦整個(gè)AI 平臺(tái)架構(gòu)，中間占位比較多的部分主要承擔(dān)了錯(cuò)誤處理、負(fù)載均衡等功能。底層部分我們兼容了CPU 算力加速的設(shè)置，在存儲(chǔ)方面設(shè)計(jì)了一個(gè)統(tǒng)一的接入層，可以達(dá)到怎樣的效果？無(wú)論以何種形式的存儲(chǔ)進(jìn)入該平臺(tái)，對(duì)于開發(fā)者們的訪問(wèn)都會(huì)像本地訪問(wèn)一樣簡(jiǎn)單快捷?！彼M(jìn)一步說(shuō)。

據(jù)了解，為了方便用戶更好使用平臺(tái)功能，網(wǎng)絡(luò)上開發(fā)了兩種交互界面，例如對(duì)于希望采用自動(dòng)化完成與本地流程接入的用戶，可以使用docker支持，方便完成遠(yuǎn)程自動(dòng)連接。

需要強(qiáng)調(diào)的是，在基礎(chǔ)架構(gòu)中，為了可以提供兼容性更好的運(yùn)行環(huán)境，UCloud平臺(tái)采用了封裝、預(yù)裝、自由、可重用、兼容性等多種技術(shù)方式。

“所謂的封裝性，就是在運(yùn)行具體任務(wù)時(shí)，并不用擔(dān)心會(huì)對(duì)自身的安裝環(huán)境產(chǎn)生干擾；預(yù)裝呢？顧名思義，就是我們針對(duì)用戶經(jīng)常使用的深度學(xué)習(xí)框架以及科學(xué)計(jì)算包做了預(yù)裝，這樣在本地使用的話直接下載就可以，非常方便；另外一點(diǎn)就是自由，雖然已經(jīng)安裝了大部分科技計(jì)算包的用戶可以做到開箱自用，但不排除有的用戶涉及到的領(lǐng)域比較冷門，這樣一來(lái)完全可以依照需要自行下載，正常運(yùn)行相關(guān)安裝包完全沒有問(wèn)題；還有一點(diǎn)是可重用，這在開源鏡像數(shù)據(jù)庫(kù)領(lǐng)域表現(xiàn)明顯，可以做到為開發(fā)者們大量節(jié)省時(shí)間等?！狈度谘a(bǔ)充道。

當(dāng)然整體架構(gòu)在靈活接入數(shù)據(jù)源、彈性資源調(diào)節(jié)等方面也有顯著優(yōu)勢(shì)。

通常在本地進(jìn)行計(jì)算時(shí)，絕大多數(shù)人會(huì)配置外掛盤，將所有的訓(xùn)練數(shù)據(jù)存儲(chǔ)在磁盤上。但對(duì)于云上的數(shù)據(jù)呢？肯定是優(yōu)先放在云存儲(chǔ)中，這個(gè)過(guò)程中是否需要云存儲(chǔ)修改程序，將本地存儲(chǔ)轉(zhuǎn)化為遠(yuǎn)端？

對(duì)此，范融解釋道，平臺(tái)會(huì)將遠(yuǎn)端的存儲(chǔ)鏈接數(shù)據(jù)接入層，這樣就像訪問(wèn)自己的文件一樣。數(shù)據(jù)接入層除了達(dá)到緩存的目的之外，還可以做到諸如帶寬的數(shù)據(jù)控制、訪問(wèn)數(shù)據(jù)的權(quán)限控制等，以便可以做到每個(gè)用戶訪問(wèn)的都是屬于自己的數(shù)據(jù)，不會(huì)出現(xiàn)誤訪問(wèn)的情況，有效保證數(shù)據(jù)安全。在數(shù)據(jù)源的靈活接入方面，UCloud未來(lái)還會(huì)不斷擴(kuò)展數(shù)據(jù)類型，以及增加云盤等不同的訪問(wèn)形式。

如今都選擇使用云上資源而不是本地資源，主要由于本地資源擴(kuò)容比較麻煩，還伴隨一定的成本支出，但是云上又如何做到彈性擴(kuò)容呢？

范融對(duì)開發(fā)者們說(shuō)：“從部署架構(gòu)的角度考慮，每一個(gè)AI的訓(xùn)練集群我們都會(huì)根據(jù)SET來(lái)管理，用戶不管啟動(dòng)訓(xùn)練還是任務(wù)推理，都可以選擇適合自己算力的類型?！?/p>

這個(gè)設(shè)置的好處在于用戶使用實(shí)際訓(xùn)練任務(wù)時(shí)，可以根據(jù)自己的訓(xùn)練任務(wù)需求來(lái)尋求不同的資源，達(dá)成資源的合理分配；另外一點(diǎn)，由于整體集群是平臺(tái)運(yùn)營(yíng)的，不管訓(xùn)練任務(wù)還是推理任務(wù)都會(huì)產(chǎn)生自動(dòng)檢測(cè)，肯定不會(huì)影響業(yè)務(wù)的繼續(xù)開展。

架構(gòu)的事兒講完了，關(guān)于利用AI 平臺(tái)加速訓(xùn)練又是怎樣的呢？

以圖像分類算法為例，CIfar數(shù)據(jù)集的優(yōu)勢(shì)在于統(tǒng)一了32×32的標(biāo)準(zhǔn)大小。

范融強(qiáng)調(diào)，圖像分類用到的算法是最簡(jiǎn)單的CNN，有兩個(gè)重要的算子。一個(gè)就是卷積算子，卷積計(jì)算的作用其實(shí)就是把圖像中特征的部分掃描出來(lái)，一般來(lái)說(shuō)會(huì)用一個(gè)卷積核。

可以看到，卷積核是3×3的，這樣一個(gè)3×3的卷積核代表一個(gè)特征，是一條曲線或者一條直線。在這個(gè)過(guò)程進(jìn)行一個(gè)掃描，做計(jì)算，就會(huì)形成一個(gè)新圖形，這樣的計(jì)算掃描部分是將符合卷積核相符數(shù)值的結(jié)果放到第一層。

但會(huì)意識(shí)到一個(gè)缺點(diǎn)，每次卷積之后會(huì)有一個(gè)邊緣被掃描掉，所以如果在原圖上加一個(gè)邊框的話就避免了這樣的問(wèn)題。

除了比較重要的卷積算法之外，另一個(gè)就是池化計(jì)算。

“當(dāng)我們用很多卷積核做計(jì)算的時(shí)候，就會(huì)發(fā)現(xiàn)原來(lái)一圖片會(huì)變成多張圖片，數(shù)據(jù)量會(huì)非常龐大，而且十分耗費(fèi)算力。試想一下，是否可以將卷積出來(lái)的數(shù)據(jù)做一個(gè)綜合整理呢？綜合的方法一般有平均或者取最大值的算法，通過(guò)池化這個(gè)數(shù)據(jù)就會(huì)帶來(lái)縮小的效果然后進(jìn)入下一個(gè)環(huán)節(jié)?！彼f(shuō)。

每次卷積之后，一次卷積后會(huì)完成激活，激活之后再進(jìn)行池化計(jì)算，會(huì)把特征做連接，最后做分類處理。

據(jù)了解，范融所在的團(tuán)隊(duì)目前已經(jīng)推出AI在線服務(wù)、AI訓(xùn)練服務(wù)兩個(gè)產(chǎn)品。其中AI在線服務(wù)PaaS平臺(tái)在2016-2017年可信云大會(huì)上獲得了AI行業(yè)云服務(wù)獎(jiǎng)；AI訓(xùn)練服務(wù)全程支持了2017年AI Challenger大賽的順利開展，在該領(lǐng)域表現(xiàn)十分出色。

云計(jì)算助力人工智能快速搭建底層資源

“盡管AI 很火爆，但對(duì)于AI系統(tǒng)建設(shè)，大家并不是太清晰。從我們自身出發(fā)，通常著重考慮三個(gè)方面：首先是兼容性，這一點(diǎn)在圖像類以及語(yǔ)音類表現(xiàn)突出，AI 算法與其兼容主要包括切合性；另外會(huì)十分注重平臺(tái)擴(kuò)展性，因?yàn)檫@涉及到訓(xùn)練數(shù)據(jù)成倍增長(zhǎng)的情況；此外就是分布式化的特點(diǎn)，實(shí)踐證明如果采用線下單機(jī)模式會(huì)十分影響效率?！?UCloud互聯(lián)網(wǎng)事業(yè)部解決方案架構(gòu)師徐強(qiáng)表示。

如果說(shuō)AI系統(tǒng)建設(shè)是第一步的話，那確保AI“踏實(shí)”落地究竟有哪些高效地解決思路呢？

他認(rèn)為，從UCloud自身出發(fā)，首先會(huì)涉及到一個(gè)數(shù)據(jù)共享的平臺(tái)。

再高深的算法都需要大量數(shù)據(jù)的支持，怎樣獲取數(shù)據(jù)實(shí)在是個(gè)問(wèn)題。如今是否有一種模式可以最大能力整合數(shù)據(jù)用于訓(xùn)練呢？安全屋或許會(huì)起到一定作用。談及數(shù)據(jù)安全性，“安全屋底層都是基于公有云平臺(tái)，更重要的一點(diǎn)，我們采用的加密技術(shù)是基于區(qū)塊鏈的不可篡改性，并同時(shí)增加了審計(jì)機(jī)制來(lái)保障安全。”進(jìn)一步補(bǔ)充道。

此外，在環(huán)境分離、底層資源共享以及后期擴(kuò)展性等方面，他強(qiáng)調(diào)，安全屋就是在保證數(shù)據(jù)所有權(quán)不變的情況下完成最大可能性的數(shù)據(jù)流通。

例如環(huán)境分離，可以帶來(lái)本地與云上環(huán)境體驗(yàn)一致的情況?！熬唧w來(lái)說(shuō)，首先我們會(huì)對(duì)Docker進(jìn)行分裝，隨后選擇自己的框架再打包，然后上傳到AI系統(tǒng)中，上傳之后就可以直接調(diào)用。整個(gè)框架的中間部分是計(jì)算資源的共享，底層是數(shù)據(jù)的存儲(chǔ)，包括本地以及接入層的數(shù)據(jù)來(lái)源等?！毙鞆?qiáng)表示。

另外，十分重要的一個(gè)技術(shù)點(diǎn)就是容器

容器的設(shè)計(jì)可以保證在云上運(yùn)用整體算法的過(guò)程中不會(huì)與軟件產(chǎn)生沖突，更不會(huì)造成數(shù)據(jù)泄露；提供比較多的基礎(chǔ)鏡像可以降低開發(fā)者的研發(fā)時(shí)間，在調(diào)用上也會(huì)更加便捷；更自由的是，用戶可以在系統(tǒng)中分裝出自己想要的算法、軟件等，自由“定制”后上傳即可使用。

提及可擴(kuò)展性，他總結(jié)道，所謂縱向擴(kuò)展可以被提供升降級(jí)的選擇，不會(huì)影響整體系統(tǒng)的在線升級(jí)；如果選擇分布式的橫向擴(kuò)展，包括存儲(chǔ)資源在內(nèi)，可以疊加，分布式的可用性不會(huì)受到影響。

目前該領(lǐng)域UCloud推出了兩大產(chǎn)品，第一個(gè)就是分布式AI訓(xùn)練平臺(tái)。

在訓(xùn)練平臺(tái)的作用下，將代碼通過(guò)Docker方式上傳，可以做到直接在控制臺(tái)種選擇相應(yīng)的算力資源，還可以依托系統(tǒng)去實(shí)踐。

徐強(qiáng)提出，在這個(gè)過(guò)程中，無(wú)論是狀態(tài)還是誤差情況都可以清晰明了很直觀，此外還可以通過(guò)API的方式直接上傳，這對(duì)自建AI 系統(tǒng)的成本和壓力都降低很多。

具體來(lái)說(shuō)，自建“版本”可能會(huì)造成資源利用不充分、采購(gòu)時(shí)間較長(zhǎng)、運(yùn)維方面壓力山大等諸多問(wèn)題。

另外一個(gè)就是分布式AI 在線服務(wù)平臺(tái)?！拔覀儠?huì)在平臺(tái)后端提供APP接口，CPU、GPU方面會(huì)提供上萬(wàn)臺(tái)計(jì)算的節(jié)點(diǎn)，所有的業(yè)務(wù)監(jiān)控都是可視化的，高可用性很強(qiáng)大，例如不同的可用區(qū)、不同的集群推廣等。”他說(shuō)。

說(shuō)到代表性的案例，徐強(qiáng)提及了2017年AI Challenger大賽。

賽事規(guī)模自不用多說(shuō)，就連科研數(shù)據(jù)也是最大數(shù)量級(jí)的，據(jù)了解有1000萬(wàn)的中英文翻譯數(shù)據(jù)，30萬(wàn)的圖像數(shù)據(jù)。所以由于數(shù)據(jù)量龐大，主辦方選擇UCloud作為GPU提供方，對(duì)此提供了有關(guān)AI 的整體解決方案。

“在底層提供了強(qiáng)大的算力資源、中間布置了AI在線服務(wù)以及AI訓(xùn)練服務(wù)、然后就是安全屋。將龐大的數(shù)據(jù)放入安全屋中，然后根據(jù)需要分發(fā)給不同的選手；選手同時(shí)將自己的算法上傳到安全屋中，基于分發(fā)的數(shù)據(jù)做訓(xùn)練，只要計(jì)算出模型就可以將數(shù)據(jù)導(dǎo)入，十分安全?！毙鞆?qiáng)描述道。

總結(jié)來(lái)說(shuō)，UCloud一方面提供了底層的計(jì)算方法以及環(huán)境的自動(dòng)部署，方便直接上傳到AI 系統(tǒng)；另一方面在收費(fèi)方面也表現(xiàn)的更加人性化，按需收費(fèi)只在執(zhí)行過(guò)程中，其他時(shí)間不涉及費(fèi)用問(wèn)題。

精彩分享仍在繼續(xù)，關(guān)于底層資源搭建的探討暫時(shí)告一段落后，達(dá)觀數(shù)據(jù)聯(lián)合創(chuàng)始人張健又為與會(huì)開發(fā)者帶來(lái)了主題為“文本智能處理的深度學(xué)習(xí)技術(shù)”的演講。

文本智能處理的深度學(xué)習(xí)技術(shù)

在有關(guān)NLP的知識(shí)以及實(shí)踐的分享中，他提到，其實(shí)電腦理解的文本與人理解的文本會(huì)有一些共同之處，通常也是從三個(gè)等級(jí)來(lái)體會(huì)。但NLP實(shí)踐中最重要的還是解決如何將機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)高效應(yīng)用在文本處理中。

對(duì)此張健表示，深度學(xué)習(xí)的基礎(chǔ)結(jié)構(gòu)其實(shí)就是一個(gè)基本的神經(jīng)網(wǎng)絡(luò)，可以理解為是最基本神經(jīng)源結(jié)構(gòu)，會(huì)接受S1、S2輸出，實(shí)現(xiàn)很簡(jiǎn)單分類的功能，只是需要滿足一個(gè)很復(fù)雜的場(chǎng)景需求罷了。

此外深度學(xué)習(xí)無(wú)法規(guī)避基本結(jié)構(gòu)的問(wèn)題，也就是RNN和LSTM。“我們?cè)诶斫庹Z(yǔ)言的時(shí)候，其實(shí)是一個(gè)信息流，也是一個(gè)序列信息，會(huì)像S0、S1、S2。如果講一個(gè)字，當(dāng)前時(shí)刻就可以把之前時(shí)刻的這種字詞信息收納進(jìn)來(lái)并作為前項(xiàng)的輸入，再與當(dāng)前的字詞結(jié)合后輸出；但是LSTM除了具備這樣一個(gè)結(jié)構(gòu)，還增加了一個(gè)優(yōu)點(diǎn)，就是人們?cè)谥v話的過(guò)程中，不可避免的是上下文環(huán)境中有些字詞重要，而有些則不那么重要，LSTM會(huì)對(duì)之前的信息進(jìn)行有選擇通過(guò)或者丟棄?！彼麖?qiáng)調(diào)。

關(guān)于CNN，也就是最早運(yùn)用于圖像處理領(lǐng)域，簡(jiǎn)單來(lái)說(shuō)就是識(shí)別“貓”或者“狗”，而不是會(huì)分析出貓身下的草坪有多綠。在處理文本時(shí)也會(huì)參考使用類似技術(shù)對(duì)圖片進(jìn)行切片來(lái)保存重要信息，最后完成全連接實(shí)現(xiàn)分類。

總結(jié)來(lái)看，深度學(xué)習(xí)用于文本挖掘的確顯示了很多優(yōu)點(diǎn)，例如可以使用大量無(wú)監(jiān)督的數(shù)據(jù)提高能力；端到端的過(guò)程讓文本輸入、任務(wù)訓(xùn)練再到輸出的環(huán)節(jié)并不需要做很多處理，更重要的是能夠克服傳統(tǒng)模型的缺點(diǎn)。

但這種方式并不是完全沒有缺點(diǎn)的，例如在小數(shù)據(jù)量的前提下效果不一定好，需要根據(jù)場(chǎng)景嚴(yán)格挑選適合的模型；另外調(diào)參工作量有時(shí)不亞于特征工程，甚至?xí)拗撇糠謶?yīng)用。

此外，在現(xiàn)場(chǎng)分享時(shí)，張健還為與會(huì)開發(fā)者們提供了實(shí)踐經(jīng)驗(yàn)的小貼士來(lái)參考。首先在業(yè)務(wù)場(chǎng)景層面，用戶需要盡可能理解數(shù)據(jù)，分析問(wèn)題本質(zhì)并選擇合適的模型；在使用的初始階段，可以選擇傳統(tǒng)機(jī)器學(xué)習(xí)模型作為嘗試，通過(guò)不斷深化針對(duì)數(shù)據(jù)的理解來(lái)解決相關(guān)問(wèn)題；最后就是還需要在不斷的實(shí)踐中迭代經(jīng)驗(yàn)解決問(wèn)題。

AutoML人工智能自動(dòng)化模型設(shè)計(jì)與進(jìn)化算法實(shí)現(xiàn)

當(dāng)前，AutoML是人工智能發(fā)展的一個(gè)重要方向，受到Google，F(xiàn)acebook等諸多公司的重視。據(jù)了解，AutoML主要可以幫助解決的問(wèn)題在于數(shù)據(jù)特征提取和擴(kuò)增、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型生成以及模型超參調(diào)優(yōu)等，通過(guò)序貫?zāi)Ｐ蛢?yōu)化、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、元學(xué)習(xí)、進(jìn)化算法、基于連續(xù)假設(shè)的梯度求導(dǎo)方法等來(lái)實(shí)現(xiàn)。

在“AutoML人工智能自動(dòng)化模型設(shè)計(jì)與進(jìn)化算法實(shí)現(xiàn)”的分享中，錢廣銳表示，在當(dāng)前的實(shí)際場(chǎng)景中的確存在很多情況是單一模型并不能完全適應(yīng)的，復(fù)合型模型在一些場(chǎng)景中特別需要。人工智能模型的設(shè)計(jì)是一個(gè)復(fù)雜的工作，要設(shè)計(jì)的小、準(zhǔn)、快更是復(fù)雜。

“所有的框架以及算法是我們從大概年初剛剛開始實(shí)踐的，這樣一個(gè)人工智能模型自動(dòng)設(shè)計(jì)平臺(tái)被稱為達(dá)爾文ML。真正的希望就是能夠?qū)嵺`產(chǎn)品化的工作，用戶只要數(shù)據(jù)輸入，不需要做任何之前的預(yù)設(shè)假定就可以完成模型建設(shè)。”他說(shuō)。

此外探智立方從數(shù)據(jù)準(zhǔn)備、模型設(shè)計(jì)、生產(chǎn)對(duì)接為達(dá)爾文系統(tǒng)提供了整套“配置”，例如在工業(yè)制造方面，整個(gè)實(shí)踐過(guò)程中有5萬(wàn)張照片，采取200×200的分類，錢廣銳將其放到新平臺(tái)中去，準(zhǔn)確率可以達(dá)到75%左右，其中并沒有做復(fù)雜建模處理的工作，這個(gè)案例可以發(fā)現(xiàn)，達(dá)爾文設(shè)計(jì)出來(lái)的模型特別小，準(zhǔn)確率特別高。

無(wú)論是人工智能發(fā)展還是現(xiàn)有的一些場(chǎng)景中，很多場(chǎng)景模型的設(shè)計(jì)不只是在云端，由于達(dá)爾文設(shè)計(jì)出的模型比較小，錢廣銳也希望未來(lái)可以在手機(jī)端快速識(shí)別票據(jù)等。除了幫助企業(yè)應(yīng)用落地，如何能在各個(gè)場(chǎng)景，例如智能制造、攝象頭等統(tǒng)統(tǒng)實(shí)現(xiàn)也是很重要的目標(biāo)。

云計(jì)算、人工智能，從技術(shù)角度看涉及計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等范圍甚廣、學(xué)習(xí)難度大，但卻可以發(fā)揮重要作用?！霸?AI”從產(chǎn)業(yè)角度看可以顯著提升傳統(tǒng)企業(yè)的運(yùn)營(yíng)效率，助力數(shù)字化升級(jí)；引領(lǐng)全新的商業(yè)模式，為各類企業(yè)贏得快速發(fā)展的機(jī)遇……

一直以來(lái)關(guān)于云的話題都是層出不窮，但對(duì)于大多數(shù)專注云計(jì)算本身的IT技術(shù)人員來(lái)說(shuō)，或許對(duì)分布式文件系統(tǒng)和分布式塊存儲(chǔ)未必有很深入的了解，恰好機(jī)會(huì)來(lái)啦！UCloud將攜手CSDN特別推出UCan下午茶武漢站活動(dòng)，屆時(shí)會(huì)邀請(qǐng)多位技術(shù)專家與現(xiàn)場(chǎng)的開發(fā)者們共同聊聊分布式存儲(chǔ)的那些事兒，敬請(qǐng)關(guān)注哈！

如需了解，點(diǎn)擊https://bss.csdn.net/m/topic/ucloud，了解更多詳情！