偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

圖數(shù)據(jù)庫競爭日趨激烈,淘汰正在進(jìn)行

新聞 大數(shù)據(jù)
圖數(shù)據(jù)庫與云計算結(jié)合是必然趨勢,原生、并行是核心技術(shù)優(yōu)勢,TigerGraph 將迎來全面爆發(fā)。

[[314972]]

 圖數(shù)據(jù)庫與云計算結(jié)合是必然趨勢,原生、并行是核心技術(shù)優(yōu)勢,TigerGraph 將迎來全面爆發(fā)。

大數(shù)據(jù)時代的業(yè)務(wù)增長帶來了兩個明顯的變化:數(shù)據(jù)量的劇增和數(shù)據(jù)關(guān)聯(lián)的復(fù)雜化。與此同時,用戶對于數(shù)據(jù)價值的期望越來越高,這些變化催生了數(shù)據(jù)庫的變革和創(chuàng)新。圖數(shù)據(jù)庫由于提供了對關(guān)聯(lián)數(shù)據(jù)最直接的表達(dá),以及圖模型對異構(gòu)數(shù)據(jù)天然的包容力,使得圖數(shù)據(jù)庫迎來飛速發(fā)展的狀態(tài)。

2019 年年初,Gartner 數(shù)據(jù)與分析峰會上將圖列為 2019 年十大數(shù)據(jù)和分析趨勢之一,并預(yù)計到 2022 年,全球圖處理及圖數(shù)據(jù)的應(yīng)用將以每年 100% 的速度迅猛增長,2020 年保守估計將達(dá)到 80 億美元。市場尚處于藍(lán)海,競爭卻遍布全球。

图数据库竞争日趋激烈,淘汰正在进行

圖片來源:Gartner 2019 年十大數(shù)據(jù)和分析技術(shù)趨勢

在美國,圖數(shù)據(jù)庫是近年來所有數(shù)據(jù)庫里發(fā)展速度最快的,其中一家典型的公司就是 TigerGraph。TigerGraph 成立于 2012 年,總部位于硅谷。2017 年 11 月 8 日,TigerGraph 發(fā)布新一代企業(yè)級實時圖數(shù)據(jù)庫平臺,在市場上引起軒然大波。為什么從創(chuàng)立到發(fā)布第一款產(chǎn)品間隔了 5 年?TigerGraph 中國區(qū)總經(jīng)理烏明捷解釋,“基于 C++ 從底層核心做起,利用分布式技術(shù),支持萬億級別節(jié)點(diǎn),具備高性能和高可擴(kuò)展性,并且操作界面十分簡單。我們用 5 年的蟄伏換來了產(chǎn)品的好口碑。原生、并行是我們的差異化優(yōu)勢。”

而在國內(nèi),越來越多的公司也開始進(jìn)入圖數(shù)據(jù)庫領(lǐng)域,針對內(nèi)部的產(chǎn)品開發(fā)相應(yīng)的圖數(shù)據(jù)庫系統(tǒng),但這種圖數(shù)據(jù)庫的應(yīng)用針對性較強(qiáng),所以并不適用于市場上其他客戶。

縱觀數(shù)據(jù)庫的發(fā)展,對于任何達(dá)到一定規(guī)?;騼r值的數(shù)據(jù),圖數(shù)據(jù)庫都是呈現(xiàn)和查詢這些關(guān)系數(shù)據(jù)的最好方式。而理解和分析這些圖的能力將成為企業(yè)未來最核心的競爭力。正如 TigerGraph 公司的創(chuàng)始人許昱博士所言:“在大數(shù)據(jù)時代,數(shù)據(jù)是新的石油,而基于圖的數(shù)據(jù)分析就是新的煉油廠。”

一、圖計算元年背景下值得關(guān)注的熱點(diǎn)

圖計算重點(diǎn)包括兩點(diǎn):圖數(shù)據(jù)庫和圖分析引擎,前者重點(diǎn)關(guān)注 OLTP ,后者重點(diǎn)關(guān)注離線圖計算,當(dāng)然這二者的界限有時候不那么清晰,比如有些圖數(shù)據(jù)庫內(nèi)置了圖分析算法的實現(xiàn),有些圖分析引擎也實現(xiàn)了事務(wù)和持久化。

圖計算在近幾年受到廣泛的關(guān)注,主要有以下幾個方面的因素:

適合以圖表達(dá)的數(shù)據(jù)積累到一定程度了,對隱藏在圖數(shù)據(jù)中的知識挖掘的需求也隨之越來越強(qiáng)烈。

圖神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的一個重大創(chuàng)新。深度學(xué)習(xí)發(fā)展遇到了瓶頸,不可解釋性是其固有的頑疾。而與深度學(xué)習(xí)相結(jié)合的圖計算將端到端學(xué)習(xí)與歸納推理相結(jié)合,有望解決深度學(xué)習(xí)無法處理的關(guān)系推理、可解釋性等固有問題。

知識圖譜受到越來越多的重視,其中確定性的知識會以實際頂點(diǎn)和邊的形式存儲在圖數(shù)據(jù)庫中,概率性知識一般需要依賴于圖分析引擎,進(jìn)行知識推理。圖神經(jīng)網(wǎng)絡(luò)和知識圖譜將是未來引爆圖計算的機(jī)會。

但是,圖要實現(xiàn)大規(guī)模應(yīng)用,必須先攻破的技術(shù)難點(diǎn)之一就是如何提升圖分析能力。原生的圖數(shù)據(jù)存儲可以跨越數(shù)據(jù)孤島,進(jìn)行有效的建模,探索和查詢具有復(fù)雜關(guān)系的數(shù)據(jù),進(jìn)而解決 SQL 在查詢復(fù)雜數(shù)據(jù)問題并不總是有效的問題。但問題是,圖數(shù)據(jù)的存儲和分析對數(shù)據(jù)規(guī)整性要求高,一旦數(shù)據(jù)規(guī)整性差,就會影響計算,且分析難度會隨著分析維度的增加而增加。

二、圖計算的發(fā)展情況如何?

2019 年年初,谷歌前員工,同時是圖數(shù)據(jù)庫服務(wù)企業(yè) Dgraph 創(chuàng)始人 Manish Rai Jain 站了出來,在文章《10 年了,為何谷歌還是搞不定知識圖譜》中回顧了 Dgraph 這個數(shù)據(jù)庫產(chǎn)品的前世今生,也順道爆料了一些谷歌這么多年沒能搞定知識圖譜的內(nèi)幕,包括公司內(nèi)部斗爭、項目發(fā)展方向多次被誤導(dǎo)等。他尤其指出了大多數(shù)工程師存在的思維誤區(qū):認(rèn)為圖實際上是一個很簡單的問題,可以通過在另一個系統(tǒng)之上構(gòu)建一個層來解決。

實際上,圖計算引擎是圖技術(shù)發(fā)展的關(guān)鍵。

從圖技術(shù)本身來看,整個圖計算領(lǐng)域可進(jìn)一步細(xì)分為查詢分析、計算引擎、存儲管理、可視化等子方向。目前并沒有一種涵蓋所有子方向的圖引擎。例如圖數(shù)據(jù)庫 Neo4j、Titan 等擅長于圖數(shù)據(jù)的事務(wù)性查詢,但并不能高效地進(jìn)行離線分析;分析引擎 Turi、GraphX 側(cè)重圖數(shù)據(jù)的離線分析和挖掘,卻不能對屬性圖進(jìn)行管理,且不支持實時查詢。圖計算引擎多種多樣。最出名的是有內(nèi)存的、單機(jī)的圖計算引擎 Cassovary 和分布式的圖計算引擎 Pegasus 和 Giraph 。

圖從應(yīng)用層面來看,存在以下幾個問題:

1、在金融反欺詐、社交、營銷、物流和 IoT 領(lǐng)域應(yīng)用廣泛,但是很少有端到端的解決方案,用戶使用門檻較高。另外,新技術(shù)的實操積累尚不成熟。以知識圖譜為例,前幾年大家討論的是應(yīng)用實現(xiàn),所以知識圖譜火了。但是,當(dāng)項目要落地時碰到了很多技術(shù)上的障礙,比如在性能上,數(shù)據(jù)加載就是一個瓶頸,這導(dǎo)致知識譜圖不能實時及時更新,使很多項目上不了線。目前,超級頂點(diǎn)問題、OLTP 與 OLAP 融合問題、圖劃分、流式圖數(shù)據(jù)處理,仍然是學(xué)術(shù)界和工業(yè)界研究的重點(diǎn)。

2、從企業(yè)用戶的角度,數(shù)據(jù)質(zhì)量、應(yīng)用方法不成熟,用戶沒有明確自己要什么,導(dǎo)致圖技術(shù)落地困難重重。圖數(shù)據(jù)庫的實施流程一般包括:業(yè)務(wù)理解、圖 Schema 設(shè)計、業(yè)務(wù)數(shù)據(jù)加工、業(yè)務(wù)驗證和監(jiān)控運(yùn)維 5 個步驟。其中第一步就是業(yè)務(wù)理解,這一步需要用戶明確自己要什么,理解業(yè)務(wù)數(shù)據(jù)和業(yè)務(wù)問題,將業(yè)務(wù)問題映射成圖問題,并確認(rèn)數(shù)據(jù)來源、存儲介質(zhì)、更新方式、容災(zāi)方案等,并匹配相應(yīng)的軟硬件資源。很多企業(yè)用戶還沒有清楚地理解業(yè)務(wù)就開始設(shè)計,導(dǎo)致后面慘淡收場。所以,當(dāng)前應(yīng)用圖數(shù)據(jù)庫的主要還是 BATJ、今日頭條、華為等一線企業(yè),以及大中型金融機(jī)構(gòu)、政府等。

3、從市場競爭角度,現(xiàn)在有很多不同類型的圖數(shù)據(jù)庫產(chǎn)品,每種產(chǎn)品的優(yōu)勢不同,隨著圖數(shù)據(jù)庫在各個垂直行業(yè)的企業(yè)和用例中不斷得到應(yīng)用,了解其中的差異非常重要。 圖數(shù)據(jù)庫現(xiàn)狀對比如下圖所示。

图数据库竞争日趋激烈,淘汰正在进行

選一個圖數(shù)據(jù)庫,主要從性能、查詢能力、計算能力等各方面去考慮。

在性能層面:要求圖查詢及圖分析算法的執(zhí)行快,就要涉及到底層存儲結(jié)構(gòu)。原生圖存儲因為是基于點(diǎn)和邊,在計算過程中不需要過多的邏輯和物理層轉(zhuǎn)換,存儲和計算是并行的,因而速度最快,典型的代表就是 TigerGraph。

在查詢能力上,通常普通圖數(shù)據(jù)庫查詢 3 度及以上性能就很低了,而實際經(jīng)常需要查詢 6 度的關(guān)系。測試報告顯示:只有 TigerGraph 完成了 6 度關(guān)系查詢。另外,為了處理大型且不斷增長的數(shù)據(jù)集, TigerGraph 設(shè)計為可橫向擴(kuò)展和縱向擴(kuò)展。無論在圖中遍歷的步數(shù)有多少,實時大圖均可以實現(xiàn)超過千萬級點(diǎn)邊遍歷 / 秒 / 服務(wù)器,近萬次更新 / 秒 / 服務(wù)器的實時大圖分析。同時, TigerGraph 還提供實時深度關(guān)聯(lián)分析,可實現(xiàn) 10 步以上的大圖遍歷,以及快速的圖遍歷與數(shù)據(jù)更新。

图数据库竞争日趋激烈,淘汰正在进行

圖分析計算能力:圖數(shù)據(jù)庫如果僅具備存儲及查詢能力,則還需要依賴外部的 GraphX 等計算引擎才能完成一些圖算法分析,這樣在數(shù)據(jù)傳輸和圖表達(dá)上存在轉(zhuǎn)換浪費(fèi)的問題。TigerGraph 可以通過 GSQL 實現(xiàn)類存儲過程式的算法封裝,加快數(shù)據(jù)加載和算法執(zhí)行速度。

除了技術(shù)上的差異外,在商業(yè)理念上,不同圖數(shù)據(jù)廠商的考量也不同,以 Neo4j 和 TigerGraph 為例。

Neo4j 誕生于 2007 年,最開始是一個開源項目。Neo4j 能發(fā)展到現(xiàn)在有其先天的優(yōu)勢,那就是趕上了開源軟件的黃金期,整個生態(tài)和 Neo4j 用戶貢獻(xiàn)的 idea 非常多??梢暬?、管理界面、語言設(shè)計良好是 Neo4j 先發(fā)的優(yōu)勢,并且早期因為是開源的,大家都在用 Cypher ,因此使用基礎(chǔ)比較好。

2018 年 11 月 15 日,Neo4j 產(chǎn)品副總裁 Philip Rathle 宣布,從 Neo4j 3.5 版本開始,企業(yè)版將僅在商業(yè)許可下提供,不再在 GitHub 上提供源代碼。在一定程度上也是受到了后來者 TigerGraph 業(yè)務(wù)快速增長的壓力。

戲劇性的是,在 Neo4j 宣布停止開源后不久,全球速度最快的企業(yè)級圖分析平臺 TigerGraph 宣布,正式開源 TigerGraph GSQL 圖數(shù)據(jù)庫算法庫,發(fā)布三大類十大核心算法,讓用戶可以直接拿來使用,同時還會陸續(xù)推出一些可視化工具,降低圖數(shù)據(jù)庫應(yīng)用門檻。

從商業(yè)模式角度,一開始 TigerGraph 沒有選擇開源,主要是從企業(yè)用戶角度去考慮,比如金融企業(yè)真正要上一個生產(chǎn)系統(tǒng),為安全起見,他們一定會選擇付費(fèi)而不是開源的模式。TigerGraph 之所以后來開源了圖數(shù)據(jù)算法庫,也是基于業(yè)界對于圖數(shù)據(jù)庫有了更強(qiáng)烈的需求,希望推動圖數(shù)據(jù)庫應(yīng)用的落地。

如果將圖計算的發(fā)展劃分為萌芽期、發(fā)展期、成熟期、泡沫期幾個階段的話,當(dāng)下圖計算還處在發(fā)展期。在圖數(shù)據(jù)庫領(lǐng)域,遠(yuǎn)沒有達(dá)到目前傳統(tǒng) RDBMS 的成熟程度,具體表現(xiàn)在:

  • 圖數(shù)據(jù)庫產(chǎn)品極大豐富,出現(xiàn)幾家具有壟斷性地位的玩家,性能和功能全面碾壓其他產(chǎn)品。
  • 圖數(shù)據(jù)查詢語言完成 ISO 標(biāo)準(zhǔn)化(目前 OpenCypher 和 GSQL 處于“絕對贏家”地位),并且大部分產(chǎn)品都遵循這個標(biāo)準(zhǔn),并出現(xiàn)數(shù)據(jù)交換標(biāo)準(zhǔn)。
  • 用戶受到普遍教育,能像使用 RDBMS 一樣很自然地接受圖數(shù)據(jù)庫應(yīng)用,出現(xiàn)大量第三方圖應(yīng)用程序開發(fā)商和集成商。

相較之下,圖分析引擎的成熟度弱于圖數(shù)據(jù)庫,目前偏學(xué)術(shù)性研究的有不少,但是工業(yè)級的產(chǎn)品非常少,并且缺乏專門為圖分析設(shè)計的框架和產(chǎn)品,目前很多一線公司都還是使用 Spark、Flink、MapReduce 等通用計算框架來做圖計算,性能肯定不如專門為圖分析設(shè)計和優(yōu)化的系統(tǒng)。學(xué)術(shù)系統(tǒng)往往關(guān)注一個細(xì)小的改進(jìn)點(diǎn),限制在特定場景下應(yīng)用。另外一個最大的問題是產(chǎn)品化普遍偏弱,易用性和容錯性不好,一般運(yùn)行在抽象圖上,用戶需要利用其它工具進(jìn)行預(yù)處理。

三、圖分析能力成為圖數(shù)據(jù)庫公司的“競爭利劍”

Twitter、Facebook 和 Google 等公司很早就采用了圖數(shù)據(jù)庫,此后這一技術(shù)不斷升溫。云服務(wù)提供商巨頭 Amazon、IBM、Microsoft 在過去兩年都增加了圖數(shù)據(jù)庫,但當(dāng)數(shù)據(jù)量變得非常巨大,或問題需要深度關(guān)聯(lián)分析,又必須實時提供答案時,大多數(shù)圖數(shù)據(jù)庫都會在性能和分析能力上碰壁。

這是因為前幾代圖數(shù)據(jù)庫的架構(gòu)無法滿足當(dāng)今數(shù)據(jù)的規(guī)模和查詢速度需求。第一代設(shè)計(例如 Neo4j)不是以并行性或分布式數(shù)據(jù)庫概念為核心構(gòu)建的。第二代的特點(diǎn)是在 NoSQL 存儲之上構(gòu)建圖視圖。這些產(chǎn)品可以擴(kuò)展到巨大的規(guī)模,但這一附加層使之喪失了巨大的潛在性能。如果沒有原生圖設(shè)計,執(zhí)行多步查詢的代價會很高,因此許多 NoSQL 平臺只能提供很高的讀取性能,而不支持實時更新。

而這些,恰恰是 TigerGraph 的優(yōu)勢所在。

TigerGraph 通過原生并行圖打破了前幾代的局限性,實現(xiàn)深度關(guān)聯(lián)分析。我們知道,原生圖數(shù)據(jù)庫直接以圖模型格式(點(diǎn)和邊)存儲數(shù)據(jù),提供內(nèi)置索引,可以加快數(shù)據(jù)加載速度以快速構(gòu)建圖。相較之下,非原生圖雖然能輕松支持多模態(tài)數(shù)據(jù)庫,但犧牲了圖性能,如果數(shù)據(jù)集很大,非原生圖通常難以處理 3 步以上的查詢。

可擴(kuò)展性是大數(shù)據(jù)時代的一個重要特征。企業(yè)需要將他們的數(shù)據(jù)庫解決方案橫向擴(kuò)展到多臺計算機(jī),因為他們的數(shù)據(jù)可能增長得過大,無法經(jīng)濟(jì)地存儲在單個服務(wù)器上,TigerGraph 支持縱向擴(kuò)展和橫向擴(kuò)展,能夠?qū)D數(shù)據(jù)自動劃分到一個服務(wù)器集群中,在保持實時速度的同時,提高加載和查詢吞吐量。TigerGraph 在執(zhí)行每項任務(wù)的同時,擅長并行處理,采用 MPP 設(shè)計架構(gòu),每個點(diǎn)和關(guān)聯(lián)都可以關(guān)聯(lián)一個計算函數(shù),并且每個點(diǎn)或關(guān)聯(lián)可同時作為并行的存儲單元,存儲緊湊,訪問快速。TigerGraph 采用一種分布式計算模式,讓所有服務(wù)器都參與查詢,例如,當(dāng)遍歷路徑從服務(wù)器 A 跨入服務(wù)器 B 時,將向服務(wù)器 B 傳遞它需要知道的最少量的信息,在服務(wù)器 B 已經(jīng)得知整個查詢請求后,便可以輕松參與分工,這樣就顯著地提升遍歷大部分圖的分析查詢性能。

TigerGraph 可以將實時分析與大規(guī)模離線處理統(tǒng)一起來。實時更新意味著數(shù)據(jù)庫更新可以與數(shù)據(jù)庫上的其他查詢同時進(jìn)行,并能快速完成,大多數(shù)非原生圖平臺不支持實時更新,因為其數(shù)據(jù)存儲系統(tǒng)不可變。TigerGraph 支持 Web-Scale 的實時分析,每秒更新數(shù)千個點(diǎn)和邊,每天更新數(shù)億個。以金融領(lǐng)域為例,TigerGraph 實時圖數(shù)據(jù)庫支持把不同來源的數(shù)據(jù)存在圖數(shù)據(jù)庫,進(jìn)行集中處理,從而實現(xiàn)在支付處理前識別欺詐。其次,TigerGraph 圖數(shù)據(jù)庫通過對用戶的關(guān)系特征進(jìn)行建模,實現(xiàn)基于圖數(shù)據(jù)庫的毫秒級實時甄別。最重要的是,可以為企業(yè)關(guān)注的“可解釋的 AI ”提供解決方案。

在產(chǎn)品層面,TigerGraph 做了戰(zhàn)略調(diào)整,不再瘋狂的追求極限速度,而是更關(guān)注系統(tǒng)的安全性和健壯性,因此 TigerGraph 開發(fā)了備份高可用的組件;另外,TigerGraph 花了很多時間去完善管理員體系(管理員的界面),目前其管理員界面是可視化的,可以看見機(jī)器占用資源的情況、詳盡的日志,如果系統(tǒng)宕機(jī), TigerGraph 能非常清楚地收集信息,而不需要客戶再重新收集。

圖數(shù)據(jù)庫與云計算結(jié)合是必然趨勢。TigerGraph 是第一個做圖數(shù)據(jù)庫提供云服務(wù)的廠商,在 2018 年年底推出的 TigerGraph Cloud,可以在云中運(yùn)行可擴(kuò)展、更簡單、更強(qiáng)大的圖分析,用戶可以利用 TigerGraph 的可自定義圖算法庫為人工智能和機(jī)器學(xué)習(xí)提供強(qiáng)勁動力。

TigerGraph 在圖的可視化工具方面也在不斷創(chuàng)新。目前 TigerGraph 內(nèi)部已經(jīng)有了一個可視即可得的版本,只要通過拖拽的方式,系統(tǒng)就可實時反饋結(jié)果。

去年 9 月,針對 GQL (圖形查詢語言)標(biāo)準(zhǔn)的項目提案已通過,并計劃在今年下半年推出 GQL 的圖查詢語言標(biāo)準(zhǔn)。之所以提出 GQL,是因為原來的 SQL/PGQ 僅限于只讀查詢,它無法投射新圖形,它只能訪問基于生成 SQL 表的圖形化視圖的圖形,這限制了圖數(shù)據(jù)庫市場的發(fā)展。目前市場上懂圖查詢語言的開發(fā)者比較有限,且沒有統(tǒng)一的語言標(biāo)準(zhǔn),GQL 將是圖數(shù)據(jù)庫領(lǐng)域的一座里程碑,標(biāo)志著圖數(shù)據(jù)庫市場的進(jìn)一步成熟,降低人員的學(xué)習(xí)成本,并推動市場出現(xiàn)更多的復(fù)合型人才。目前 TigerGraph 正在積極推動 GQL 的制定,原生并行圖與查詢語言具有天然的融合性,可以幫助現(xiàn)有的 GSQL 使用者快速適應(yīng) GQL,這也是 TigerGraph 參與 GQL 標(biāo)準(zhǔn)制定的初衷之一。

四、總結(jié)

圖計算方興未艾,在喧鬧背后,我們應(yīng)該冷靜地看到它尚未攻破的難點(diǎn),比如前面提到的超級頂點(diǎn)問題、OLTP 和 OLAP 融合問題、圖劃分、流式圖數(shù)據(jù)處理等。而當(dāng)下正處在風(fēng)口浪尖上的知識圖譜和圖神經(jīng)網(wǎng)絡(luò),其背后值得思考的東西也很多。

比如,圖譜成為熱點(diǎn)背后,我們更應(yīng)該關(guān)注圖譜的應(yīng)用階段,有些階段離不開人的參與,有些階段應(yīng)盡可能減少人的介入,二者之間達(dá)成某種平衡。現(xiàn)在我們都在談 5G ,那么 5G 跟圖譜之間是否也有關(guān)聯(lián)?5G 催生了 AI 的新應(yīng)用,未來,圖譜從單模態(tài)發(fā)展為多模態(tài)的想象空間還是非常大的。

另外,圖神經(jīng)網(wǎng)絡(luò)將成為未來幾年的重點(diǎn)方向。圖神經(jīng)網(wǎng)絡(luò)雖然在工業(yè)界并沒有成為現(xiàn)象級的技術(shù),但在大公司已有嘗試。阿里巴巴在 2020 年開年《達(dá)摩院 2020 十大科技趨勢》中提到的第一點(diǎn)就是人工智能從感知智能向認(rèn)知智能演進(jìn),大規(guī)模圖神經(jīng)網(wǎng)絡(luò)被認(rèn)為是推動認(rèn)知智能強(qiáng)有力的推理方法。但是,我們必須看到,圖神經(jīng)網(wǎng)絡(luò)的落地應(yīng)用尚處于早期,雖然前一波深度學(xué)習(xí)浪潮積累下來的軟硬件設(shè)施為圖神經(jīng)網(wǎng)絡(luò)的落地打下了基礎(chǔ),但與理想之間仍有差距。

2019 年硬科技遭遇種種現(xiàn)實壁壘,雖有局限和無奈,但是依然阻擋不住更大的科技力量的發(fā)展。正如《奇點(diǎn)臨近》中提出的一個觀點(diǎn):“我們的未來不是再經(jīng)歷進(jìn)化,而是要經(jīng)歷爆炸。”

2020 年,也必將是宏“圖”大展的一年。

 

 

 

責(zé)任編輯:張燕妮 來源: AI前線
相關(guān)推薦

2020-12-03 15:03:30

無人機(jī)電商

2022-01-04 12:25:33

亞馬遜云科技用戶滿意度基礎(chǔ)設(shè)施

2015-06-24 10:23:54

2011-09-05 14:10:03

百度移動平臺大戰(zhàn)

2018-03-16 11:34:17

大數(shù)據(jù)分析物聯(lián)網(wǎng)公共云

2013-02-20 14:31:10

軟件定義網(wǎng)絡(luò)SDN網(wǎng)絡(luò)革命

2012-08-13 10:58:23

2014-02-20 09:28:12

SDN規(guī)劃

2020-03-05 09:54:54

數(shù)據(jù)驅(qū)動數(shù)據(jù)數(shù)據(jù)分析

2009-08-26 08:29:35

Windows 7系統(tǒng)測試

2022-04-27 22:23:29

比特幣區(qū)塊鏈加密貨幣

2019-04-10 14:16:41

云計算騰訊阿里云

2009-12-28 10:17:58

接入網(wǎng)光纖化

2010-03-03 13:00:50

職業(yè)培訓(xùn)

2010-07-20 15:02:12

WiMAXTD-LTE

2013-02-28 09:41:40

華為高效網(wǎng)絡(luò)移動互聯(lián)網(wǎng)絡(luò)

2020-06-28 16:31:04

RPA應(yīng)用

2021-06-16 09:35:43

云計算云計算產(chǎn)業(yè)云發(fā)展趨勢

2013-07-24 16:27:52

華為服務(wù)器華為

2011-11-30 13:35:12

瀏覽器歐朋
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號