天云大数据完成一亿元人民币增资 PaaS化AI平台降低人工智能使用门槛

6月13日消息，天云大数据产品发布暨渠道招募会在京举行，会上天云大数据CEO雷涛首次公布天云大数据已于今年上半年完成1亿人民币增资，由曦域资本、华映资本领投。

据雷涛介绍，AI平台的演进分为三个阶段：模型自动化生产、模型规模化生产和模型智能化生产。

• 平台1.0版：模型自动化生产。提供易理解、易操作、免编码的流程向导式GUI，用户通过点击鼠标、拖拽，即可整合数据处理、模型选择、参数调整、模型评估和模型输出等全部数据处理建模流程，实现模型自动化生产。

• 平台2.0版：模型规模化生产。通过模型生命周期管理，算法供给规模化、模型输出规模化、模型训练流水线并行化，结合平台工程化管理，依托交互式自由编程，实现模型规模化生产。

• 平台3.0版：模型智能化生产。通过特征工程自动化、模型算法自动选择、模型超参数智能化选择，结合网络结构优化，降低建模过程人的参与，逐步实现模型智能化生产

雷涛表示，天云MaximAI平台发展已经超过平台2.0阶段，正向平台3.0目标努力。雷锋网了解到，天云大数据从2015年开始开发分布式人工智能平台MaximAI，基于Hadoop/spark分布式底层架构，采用图形用户界面交互Free Coding模式，简化整个预测模型生命周期的管理，实现分布式运行深度学习、梯度提升模型、逻辑回归等热门常用算法，加快建模速度；支持自动特征工程，提供一个丰富的特征空间；支持自动化机器学习和集成学习，通过更全面的算法选择和参数优化提升模型预测准确率。

目前MaximAI已经实现了算法的自动化优化，即Auto Machine Learning，AutoML指的是“用于优化AI”的AI，建模者只需付出最少的操作(上传、选择和评估)，利用云AI平台的能力即可获得具有一定精度的机器学习模型。这意味着像基于Android开放应用一样，用户可以基于天云的PaaS化AI平台去构建机器学习模型，降低了AI在企业市场的应用门槛。

据腾讯研究院预测，到2020年，市场对AI应用的需求将增长300%，但是AI人才供给落后AI市场发展不止一大截，客观上为AI能力的普及造成了难题。

PaaS化AI平台能提供一些基础的AI能力，从工具层面入手显然比从零培养AI人才来得容易。MaximAI 已经应用于金融领域，在大型银行、保险、互联网金融成功落地，在某大型银行案例中，实现高达78%的高风险客户正确识别率，客户申请欺诈识别率提升20%以上。

AI作为面向未来的通用技术，离不开大数据的支撑，天云大数据本次在会上推出了百万原生代码规模的HTAP数据库产品：Hubble，取自hubble space telescope（哈勃望远镜），显然也寄予了天云大数据的期待。

Hubble既能支持OLTP，同时又能支持OLAP的数据库，一站式的解决联机查询问题，无需部署众多的数据库组件。另外，Hubble可以使用JAVA SDK、JDBC客户端、SQL等多种访问方式为前端应用提供数据的访问。

雷锋网(公众号：雷锋网)在现场了解到，Hubble的三大特性是实时离线高速入库、超高并发、全部SQL标准。实时、离线高速入库满足各种入库需要，并支持实时入库，支持离线批量加载，并支持多节点的ACID；支持超高并发即支持大规模用户访问，支持上万用户在线实时高并发修改和查询；hubble支持全部标准SQL的语法，提供各种分类、汇总等统计公式，及OLAP分析。

Hubble的典型应用场景包括，历史数据查询，全量数据存储，统一格式查询，从而实现对核心交易的减负，并保障全量数据的在线。

在游戏和电商数据分析，可以支持海量的游戏、电商数据的存储，方便对用户进行画像，实现精准营销，并提供秒级的响应速度。

在基础设施监控方面，提供准实时入库，对基础实时数据进行流处理，并实时的提供对基础设施数据的监控。

在IOT及传感器数据方面，也可以通过实时入库，对物联网数据进行存储、查询及挖掘。

据天云大数据官方资料，天云大数据是国内唯一能够同时提供分布式计算平台产品和AI平台基础设施的科技厂商，“AI不是少数人的专利，AI模型的PaaS化（平台即服务）、智能化成为突破AI产业化应用的关键。未来人工智能发展趋势更应凸显规模化生产能力，让企业获取机器智能像读书一样简单。”雷涛如是说。