为 “超级大脑”构建支撑能力,腾讯云聚焦AI技术落地

5月24日,以“无界数据、无限智能”为主题的2018腾讯“云+未来”峰会AI大数据分论坛在广州拉开帷幕。

除了展示腾讯云AI大数据在医疗、交通等行业的经典案例外,围绕大数据、数据处理能力、算法模型、应用场景这四个与AI落地密切相关的方向,腾讯云针对性的推出了解决方案并发布相关新品。这些新品将成为“超级大脑”的支撑能力,打造一个“数字世界的智能操作系统”,继续推进AI的落地(AI in All)。

“无界数据,无限智能,只有协助客户打破数据的壁垒,提升数据处理的效率,帮助用户更好的训练模型,更容易与场景集成,才能更顺利地完成数字化和智能化转型。这也是行业超级大脑在各行各业的实践中,所总结出来的经验”王龙说。

img

利用边缘计算提升数据数量和质量

针对AI在量与质上的双重诉求——既能获得更为庞大的数据规模,又能保持数据质量,腾讯云推出了“TI2oT”的智能物联网解决方案。

img

一方面,全新智能物联连接TI Connect使用边缘连接器和边缘控制器来调度边缘资源,通过智能终端连接更多场景,获取更多数据;另一方面,TI Edge解决方案将云端智能扩展至边缘,利用数据转换器、传输优化器、边缘AI平台,提供实时决策反馈和智能增强能力,汇聚更为高质的数据。

精准供需,腾讯云打造多维度数据处理解决方案

数据处理方面,高昂的计算集群成本、快速膨胀的数据规模和复杂的多种类多节点数据检索分析成为传统企业的难题,快速发展的业务也需要更快速的数据分析和模型训练速度。针对企业的困扰,腾讯云从单点计算提速、规模扩展加速和并行框架优化三个方面,推出了系统化的数据分析和训练加速解决方案。

img

在传统大数据分析领域,流计算服务(Stream Compute Service)通过毫秒级反馈的实时计算,免运维无缝整合云上数据。同时能支持分钟级智能伸缩,千级规模计算资源调度;Elasticsearch Service(弹性检索服务)由完整ELK 产品体系和Restful API支持,提供弹性扩容,并能自动容错,对故障节点自动探测、实现无感知恢复,为数据规模扩展提供更强大的智能服务。在深度学习上,TI Accelerator(AI训练加速器)提供分布式Tensorflow框架和主流模型版本封装,提高模型训练速度超过10倍。

降低AI技术门槛,打造“亲民化”一站式平台

算法模型方面,AI技术的规模应用,和其相对较高的技术门槛,导致人才短缺的矛盾在短时间难以解决。

腾讯云为此推出TI One一站式机器学习平台和TI Self-Learning自学习平台。TI One通过简单、易用、可视化的工具,大幅提升AI开发者的效率;TI Self-Learning则让无专业算法知识的AI开发者也能够快速训练自己的模型并能够自我迭代。这两款产品针对不同技术能力和背景的AI开发者量身打造,让AI技术学习与应用更加简单容易。

img

从云到端一体化,助力行业构建“超级大脑”

企业数字化转型需要云边端一体化,但AI使用门槛高,标准化和系统集成能力不足,都制约了AI的大规模应用。

针对这些问题,腾讯云依托多年技术积累和亿级用户服务能力,将整合资源打造”云—边—端”一体化的“超级大脑TI Matrix”智能操作系统。这一“智能操作系统”将帮助合作伙伴和开发者,无需关注底层复杂的云边端资源和智能调度,专注于开发落地应用,打造属于各行各业的超级大脑。

img

首先TI Matrix超级大脑通过在端(TI Inside)建立相应的软硬件开放平台,利用所覆盖的零售、金融、教育等9大应用场景,进行相关数据的采集上传工作。在处理数据方面,云(TI Cloud)成为整个超级大脑的数字化基石,超级大脑通过云(TI Cloud)来提供大数据应用服务、智能物联接入服务、大数据分析和可视化服务等100+智能服务,面对不同情景随需取用。面对海量数据,无论事情大小都需要通过云(TI Cloud)来进行处理反馈,无疑增加了系统核心的工作量与负担,这时边(TI Edge)的作用得以显现。通过智慧边缘计算,让每个边缘设备都自行具备数据采集、分析计算、通信以及智能,实现了智能在云和边缘设备间的流动。

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wpgzzz.html