Tips：“小鸟云”是深圳前海小鸟云计算有限公司旗下云计算品牌，国内领先的企业级云计算服务商。团队拥有多年行业经验，专注云计算技术研发，面向广大开发者、政企用户、金融机构等，提供基于智能云服务器的全方位云计算解决方案，为用户提供可信赖的企业级公有云服务。

现在的IT业界对于云集计算的钟爱超过了以往的任何时候，云计算产业被认为是继大型计算机、个人计算机、互联网之后的 第四次IT产业革命，IT行业进入云时代，对IT界的大小企业来说云计算就是一次炼狱。其实在某种的意义上云计算并不是一项全新的技术，是在信息化积累到一定的程度需要对于IT资源进行有效整合的客观需求催生的，因此在云计算整个的发展过程我们会看到过去很多看见过的技术跟应用模式。

云计算的概念现在已经很明晰，云计算之所以能够在最近几年快速兴起，是因为用户渴望能够充分利用IT资源来给业务提供即时按需的高效服务。云计算具体指的是：狭义云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。

这是云计算的一个核心的概念，其实简单的理解就是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户按需服务。提供资源的网络被称为“云”。这种“云”服务，我们可以随时的享用，只是这种服务有偿的。

说了这么多的云计算究竟什么是云存储？究竟目前云存储发展到什么程度了？云存储是在云计算（cloud computing）概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。

就如同云状的广域网和互联网一样，云存储对使用者来讲，不是指某一个具体的设备，而是指一个由许许多多个存储设备和服务器所构成的集合体。使用者使用云存储，并不是使用某一个存储设备，而是使用整个云存储系统带来的一种数据访问服务。所以严格来讲，云存储不是存储，而是一种服务。

从两者的关系来看，云存储和云计算之间的关系还是很好理解的，云存储和云计算相比较，可以认为是云存储配置了大容量存储空间的一个云计算系统。

未来云计算的应用会更加细致的深入到我们日常的生活中去，未来基于云计算的云存储会更加的深入到目前的移动互联行业，而我们现在的智能有手机在未来将有一个具有大容量云端存储，正如前面所说的，云存储不是实物，是服务，未来市场潜力巨大。

我们先来说说云计算：

这个问题内行来看就是：云计算依靠强大的运算能力，使得成千上万的终端用户不担心所使用的计算技术和接入的方式等都能够进行有效的依靠网络连接起来的硬件平台的计算能力来实施多种应用。

那么不懂的人可以这样理解：一堆你不了解的硬件、软件等在为你服务。这对硬件和软件就像一朵云，同时拥有超强的计算机能力，这就是云计算。

云计算从何而来？我们又为什么要用到它？

一、 云计算的前身是grid computing

grid computing就是传统的网格计算。网格计算就是将一个计算分割成片段，提交到网络系统上的各个计算机上(格点)，工作做好进行汇总完成。grid一般都是用在学术界，单台计算机的运算和存储显然是不可能完成的，因此就必须使用网格计算了。

二、云计算的基础是什么？

储存+处理器，要支持无数的应用请求并负责保证储存和计算的性能。

三、云计算有哪些例子？

储存：把文件从这里上传到互联网，从另外一个地方可以下载

计算：在搜索引擎查找内容，几秒即可得到答案。

四、自己能够搭建一个云计算环境吗？

当然可以，我们可以利用开源的项目来搭建一个云计算环境：你可以hadoop+hbase+php(包装API)也许就实现一个简单的云计算环境。

五、更简单的例子？

布式的邮件系统就是一个云计算的雏形：计算分布在各个节点上，应用(邮件收发)通过一个统一的平台来处理，也算是符合云计算的定义了，不过只能支持最简单的一种固定应用。

六、复杂一点的例子?

google的云计算的逻辑关系：gfs 实现存储，bigtable 实现结构化、半结构化数据存储，map/reduce 实现将分布在各个节点上的计算和merage起来，剩下的就是进行job的管理器，管理工作的提交和触发，然后就是我们看到的appengine了。

七、 程序员应该关注哪些软件?

hadoop 项目应该是一个比较有前途的一个。

八、我们为什么需要云计算？

企业的雄心+个人电脑性能进展缓慢+我们处在数据指数膨胀的年代。未来的计算越来越庞大，到了我们干脆说“云”来替代其中的一切细节的时候。

九、云计算的下一步是什么？

云计算api的标准化是一个最需要进行竞争的，基础的技术平台的完善还需要时日，云计算未来也许会是免费的，当更多的云计算蓝队云平台出现的时候，然而跑在云上的应用却没有那么多。

七、云计算还有更有趣的

你可以提供一个云计算，利用云计算包含在你自己的云计算里，然后提供一个统一的api，云计算会整合成一个，成为一个超大的云计算平台，那个时候，也许自己家的电脑也可以接入云计算平台成为其中的一个计算的提供者。

国内有很多云计算云服务提供商，蓝队云专注云计算云服务有着资深的经验，并有足够的技术去为客户24小时服务。

Introduction

将web应用部署到网上，需要两个条件，域名和虚拟主机。而现在流行的云计算平台就可以免费为我们提供这个服务，而且管理简单，无需担心硬件、补丁或备份，并可轻松实现可扩展性。如果你用的开发语言是java和python，很幸运，Google app engine(简称GAE，谷歌的云计算平台)和Sina app engine（简称SAE，新浪的云计算平台）都可以很容易满足你，另外GAE还支持GO语言，SAE支持PHP。下面详细介绍一下如何使用两个云平台部署应用。以Python开发为例。

GAE

目前GAE免费账号允许你创建10个应用（注意，创建应用后不可删除），每一个应用提供1GB的容量，、每月500万次PV，超过部分要收费。月流量是60GB（传出带宽是1GB/天，传入带宽1GB/天）。

开发文档：

https://developers.google/appengine/

步骤：

1.首先你需要有Google账号。

2.打开Google App Engine主页，在页面右边输入你的账号密码，点“sign in”按钮登录后点“Create an Application”按钮可创建一个应用。创建应用时候需要输入手机号码用于接收验证码，记得手机号码前面加上+86。

3.成功创建应用后通过xxx.appspot可以访问你的应用。xxx是你应用的名字。

部署本地开发环境：

1.安装Python开发环境。目前GAE支持Python 2.5和2.7，推荐使用2.5。

2.从https://developers.google/appengine/downloads下载安装App Engine SDK。用于本地开发调试和上传部署你的应用到GAE。

3.安装完后会在桌面出现一个Google App Engine Launcher，这就是GAE的本地调试和部署工具，设置一下Google App Engine Launcher的python路径：Edit-Preferences-Python Path项。Google App Engine Launcher界面如下：

另外还可以通过eclipse的pydev插件使用python sdk。

详细使用过程可参考：http://iteye/topic/554757/

SAE

新浪提供的云服务。免费用户可以创建10个应用，应用可删除。有限免费使用服务。怎样有限免费使用呢？SAE部署的应用会消耗云豆，而你有多少云豆你的应用就可以用得多久。详细的云豆消耗计算方式可以参考SAE主页上的介绍。你刚开始申请一个GAE账号，会免费得到500云豆。通过实名认证后可以得到2000云豆（2500云豆大概可以供一个普通应用的半年消耗）。而通过普通开发者认证后每月会有1000云豆送，相当于你可以长期免费使用GAE服务了。而开发者认证的级别越高，每月得到的云豆自然越多。SAE通过SVN部署应用，使用比较方便，不过本地开发环境使用起来又点麻烦。

开发文档：

SAE主页：http://sae.sina/

Python API:http://python.sinaapp/doc/index.html

步骤：

1.首先在SAE首页申请一个GAE账号，非微博账号。

2.下载安装SVN工具。

3.创建应用。创建应用后可以通过xxx.sinaapp访问你的应用。xxx是你创建的应用。当然还可以绑定你自己的域名。

3.通过svn在本地checkout。创建本地开发目录。SVN根目录下只允许存在以正整数命名的目录，不允许有文件存在， 这些目录为应用的版本目录，每个版本目录下才可以放应用对应版本的代码。编写完代码commit就可以完成部署。

部署本地开发环境：

1.安装Python开发环境，SAE只支持2.7.3

2.在GitHub上Clone安装文件到本地。GitHub地址：https://github/SAEPython/saepythondevguide

3.在本地GitHub的saepythondevguide有三个文件夹

dev_server 本地开发调试服务器

docs帮助文档

examples 使用示例

4. 在dev_server下运行以下命令安装dev_server

[plain] view plain copy

pythong setup.py install

5. 进入应用的本地开发目录，也就是index.wsgi和config.yaml所在的目录。运行如下的命令启动测试server：

[plain] view plain copy

dev_server.py MySQL config not found: app.py Start development server on http://localhost:8080/

访问 http://localhost:8080 端口就可以访问你的应用了。

详细请参考SAE的主页上的介绍。

总结

通过简单使用过GAE和SAE部署应用，觉得google的文档比sina的要好要详细，本地开发环境使用起来很方便。不过GAE被禁了，我们访问不了GAE的应用，要翻墙才能使用。数据访问方面google用的是非关系型的一个数据库。sina用的是Mysql。如果你的应用是供全球使用。不用考虑，当然是GAE更加适合你。但是对于我们，SAE最符合国情。希望两个云平台能给大家带来方便。

云计算已经越来越为大众所熟知，那么云计算到底是什么呢?有没有云计算通俗解释呢？云计算是由分布式计算、并行处理、网格计算发展来的，是一种新兴的商业计算模型。目前，对于云计算的认识在不断的发展变化，云计算仍没有普遍一致的定义。

云计算（Cloud Computing）是分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、 网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）、热备冗余（High Available）等传统计算机和网络技术发展融合的产物。

云计算早期，就是简单一点的分布式计算，解决任务分发，计算结果合并就好了。也曾经还有一个别名，叫网格计算。很多大企业早期可能也只是想解决自己的效率与计算问题，到后来，这些大佬发现，这个能力也可以提供给外部使用，所以，就出现了公共云（public cloud）计算 ，把计算机的计算能力直接放在网上卖出去。

小编倒是觉得，阿里云提出来的水电煤基础设施能更好的解释云计算是什么，未来的云计算，就像我们使用水电煤气一样，我们从来不会想着去建电厂，也不关心电厂在哪里，只要插上插头，就能用电。所以，真正的云计算一定有这些重要的基础条件：

计算资源的虚拟化，按计算能力购买才是真正的云计算，目前的虚机嘛，嗯，看不到机器心里不踏实。云计算能力的弹性伸缩能力，一定是想用多少就是多少，不用的时候就不要，目前的专有云嘛，嗯，机器不放在我这里心里也不踏实。

狭义的云计算指的是厂商依靠分布式计算和虚拟化技术搭建数据中心或超级计算机，以免费或按需租用方式向技术开发者或者企业客户提供数据存储、分析以及科学计算等服务，比如亚马逊数据仓库出租生意。

广义的云计算指厂商依靠建立网络服务器集群，向各种不同类型客户提供在线软件服务、硬件租借、数据存储、计算分析等不同类型的服务。广义的云计算包括了更多的厂商和服务类型，例如国内用友、金蝶等管理软件厂商推出的在线财务软件，谷歌发布的Google应用程序套装等。

通俗的理解是，云计算的“云“就是存在于互联网上的服务器集群上的资源，它包括硬件资源(服务器、存储器、CPU等)和软件资源(如应用软件、集成开发环境等)，本地计算机只需要从互联网发送一个需求信息，远端就会有成千上万的计算机为你提供需要的资源并将结果返回到本地计算机，这样，本地计算机几乎不需要做什么，所有的处理都在云计算提供商所提供的计算机群来完成。

什么是云计算呢?

　　其实云端(cloud)就代表了互联网(Internet)，通过网络的计算能力，取代使用你原本安装在自己电脑上的软件，或者是取代原本你把资料存在自己硬盘的动作，你转而通过网络来进行各种工作，并存放档案资料在网络，也就是庞大的虚拟空间上。我们通过所使用的网络服务，把资料存放在网络上的服务器中，并借由浏览器浏览这些服务的网页，使用上面的界面进行各种计算和工作。

　　在云计算中，服务器并不会管你电脑的计算能量有多强。有的同事在办公室用PC连上Google Docs，在家则是用Apple MacBook，同时还有很多其他的服务可以通过你的手机或iPhone与Android平台手机上的应用软件来完成。

　　你可以在任何一台电脑上登入使用云端服务，而一个朋友或同事也可以登入并和你一起在一样的文件上工作。Google Docs只是能够协同操作的一种办公室型态云计算服务。有些服务甚至还可以让人在全球不同的地点登入服务并同时在一样的文件上工作。

　　云计算也许听起来很棒，但是它还是有一些隐忧的，也是你在使用时必须要考虑的地方。正如同开放源代码阵营名人Richard Stallman指出的，你的资料是在第三方厂商的手上，而且是在你控制以外的。

　　最有可能遇到的问题是安全性，鲜少有公司会想窃取你的资料并做出无耻的网站设计，但最好还是研究一下各种网站和网络服务，找一些可信赖的专家推荐的。　　

　　幸运的是，一点点常识和一些简单的正确电脑操作练习可以将这类安全性失误的影响降至最低，避免将你的机密资料放在云端上，如果你真的放了，例如利用网上银行时，避免在网咖、学校或图书馆内的公用电脑上进行，也别太随便给出自己真正的联络资料，避免每个帐号都使用同一个密码，就算只更改一个字母也好。

　　云计算第二个主要问题是可能暂时故障导致你无法使用某项服务，你可能把资料放在某个网站上而这个网站却因服务器故障导致某一段时间无法进入，Twitter就因偶发性挂点而恶名昭彰，每次它的网站挂掉时就会出现“掉落的鲸鱼”图案， 更糟的是，你有可能因此而遗失全部的资料。

　　最糟、最糟的情况是，当你想搜索自己在云端上的资料时却发现“情空中万里无云”，如果你想野餐这当然是好事，但如果是这个为你保管资料的公司突然关门大吉，可就大事不妙了。

　　如果你还没有备份自己的资料，你真的应该开始备份了。如果你不信邪，用iTunes就好了，但如果你信邪而且开始备份这些资料，就一直备份下去吧...想想要把全部的CD都跑过一次要花上多少时间(如果你还保有它们的话)，更别提那些你借来的CD或是已经购买的MP3。

　　想像一下明早你醒来时发现它们全部不见了，至少你还有音乐可以听，但如果遗失的是你的生日或婚礼或在瑞典穿着日本浴衣驾驶拖拉机的照片，那可能反而是件好事。

对于到底什么是云计算，至少可以找到100种解释。目前广为接受的是中国云计算专家咨询委员会副主任、秘书长刘鹏教授给出的定义：“云计算是通过网络提供可伸缩的廉价的分布式计算能力。”

　　从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

　　云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。

　　这种资源池称为“云”。“云”是一些可以自我维护和管理的虚拟计算资源，通常是一些大型服务器集群，包括计算服务器、存储服务器和宽带资源等。云计算将计算资源集中起来，并通过专门软件实现自动管理，无需人为参与。用户可以动态申请部分资源，支持各种应用程序的运转，无需为繁琐的细节而烦恼，能够更加专注于自己的业务，有利于提高效率、降低成本和技术创新。云计算的核心理念是资源池，这与早在2002年就提出的网格计算池(Computing Pool)的概念非常相似。网格计算池将计算和存储资源虚拟成为一个可以任意组合分配的集合，池的规模可以动态扩展，分配给用户的处理能力可以动态回收重用。这种模式能够大大提高资源的利用率，提升平台的服务质量。

　　之所以称为“云”，是因为它在某些方面具有现实中云的特征：云一般都较大;云的规模可以动态伸缩，它的边界是模糊的;云在空中飘忽不定，无法也无需确定它的具体位置，但它确实存在于某处。之所以称为“云”，还因为云计算的鼻祖之一Amazon公司将大家曾经称为网格计算的东西，取了一个新名称“弹性计算云”(Elastic Computing Cloud)，并取得了商业上的成功。　　

这里描述的云的建立过程和结构，只是一种比较普通和容易理解的形式。由于技术的不同、实现方式的不同，各家云的实现方式和结构会有很大的不同。但是，一些基本的概念是相同的，其共同的核心要点包括：

　　一定要有资源池。把分散的计算资源集中到大的资源池里，以方便统一管理和分配。例如前面讲的D所管理的资源池。

　　按需分配、自助服务。用户实际消耗多少资源，就被分配多少资源;用户对自己得到的资源能够自助管理。例如前面讲的“机房”。

　　灵活的资源变化。随便撤掉一台硬件的电脑，其上面的信息和活动会自动转移到别处去;随便增加一台电脑，其资源会随时添加到资源池里去。所有这些增减，用户根本意识不到。例如前面讲的“配载调配和平衡”。

　　一定要有记账系统。用户消耗了多少资源，如何给这些资源计费，系统有详尽的信息采集和报告，以便对用户收费(即使是免费，也得有详细的记账)。例如前面提到用户输入信用卡，就是以记账为前提。

　　在组建云的技术上，说到底，就是用软件产品(如前面提到的C和D，并通过监控程序)来管理、组织、和分配经过抽象或虚拟的硬件计算资源。除了个别企业用自己的技术建设、和服务外，现在常见的云技术提供者主要有：VMware、微软、Citrix、和OpenStack等。前两者是完全的商业产品;Citrix公司在监控程序上采用的是开源的Xen;OpenStack则完全是开源免费的，它的监控程序主要采用开源的KVM和Xen，也可以是其它的开源软件。

　　按照服务的对象和范围，云可以分为三类：

　　私有云：建一个云，如果只是为了单位(企业或机构)自己使用，就是私有云。就前面提到的“机房”而言，每个“机房”只是为本单位的不同部门、或不同用途而设立的。

　　公众云：如果云的服务对象是社会上的客户，就是公众云。前面提到的“机房”可以是任何社会上的企业、单位、或个人。Amazon公司的AWS是现在世界上最大的公众云。其它公众云提供商还有Google、Salesforce、苹果的iCloud等等。

　　混合云：如果一个云，既是为单位自己使用，也对外开放资源服务，就是混合云。有时，把两个或多个私有云的联合，也叫混合云。　　“云计算”的五大特点

大规模、分布式“云”一般具有相当的规模，一些知名的云供应商如Google云计算、Amazon、IBM、微软、阿里等也都拥能拥有上百万级的服务器规模。而依靠这些分布式的服务器所构建起来的“云”能够为使用者提供前所未有的计算能力。

虚拟化云计算都会采用虚拟化技术，用户并不需要关注具体的硬件实体，只需要选择一家云服务提供商，注册一个账号，登陆到它们的云控制台，去购买和配置你需要的服务（比如 云服务器，云存储，CDN等等），再为你的应用做一些简单的配置之后，你就可以让你的应用对外服务了，这比传统的在企业的数据中心去部署一套应用要简单方便得多。而且你可以随时随地通过你的PC或移动设备来控制你的资源，这就好像是云服务商为每一个用户都提供了一个IDC(Internet Data Center)一样。

高可用性和扩展性那些知名的云计算供应商一般都会采用数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性。基于云服务的应用可以持续对外提供服务（7*24小时），另外“云”的规模可以动态伸缩，来满足应用和用户规模增长的需要。

按需服务，更加经济用户可以根据自己的需要来购买服务，甚至可以按使用量来进行精确计费。这能大大节省IT成本，而资源的整体利用率也将得到明显的改善。

安全网络安全已经成为所有企业或个人创业者必须面对的问题，企业的IT团队或个人很难应对那些来自网络的恶意攻击，而使用云服务则可以借助更专业的安全团队来有效降低安全风险。　　

机器之心发布，机器之心编辑部。

2018 年 7 月 4 日-5 日，百度在国家会议中心举办第二届 AI 开发者大会。在今年的开发者大会上，百度发布了 PaddlePaddle3.0，既升级了核心框架，又提供了 EasyDL 快速应用平台、AutoDL 网络结构自动化设计，以及 AI Studio 在线实训平台。本文从功能简介，实战建模及 AI 能力应用等角度介绍了 AI Studio。

AI Studio 是百度推出的一站式开发平台：一个囊括了 AI 教程、代码环境、算法算力、数据集，并提供免费的在线云计算的一体化编程环境。用户不必纠结于复杂的环境配置和繁琐的扩展包搜寻，只要打开浏览器输入 aistudio.baidu，就可以在 AI Studio 开展深度学习项之旅。

据介绍，运用 AI Studio 开发者可以实现自定义的 AI 建模能力而无需考虑硬件成本、运维成本、人力成本。相比于在其他云平台上花钱买计算资源和存储空间跑模型来说，AI Studio 提供全套免费服务（计算资源免费，空间资源免费，项目托管免费，视频教程也免费）。

1.功能简介

第一次进入主页，首先的感觉是这是个类似 Kaggle 的数据竞赛平台，但是仔细看来，AI Studio 强化了工程项目的概念，一大亮点就是 AI 学习项目这个版块，里面包括大量真实场景的工程项目（图像识别，情感分析，个性化推荐等）；另一个重要组成就是比赛了，众所周知构建良性循环的产、学、研社区是行业发展的重要组成部分，不过目前 AI Studio 组织的比赛还刚起步，希望后续比赛多多，大家在这里都能学到知识，交到朋友，最重要的是，可以在学习的同时给自己赚点零用钱花花。

Figure 1 AI Studio 特性

AI Studio 主要功能有项目类的项目大厅，创建项目，样例项目，共享项目等四大部分，有数据科学比赛，有各种经典数据集和自定义数据集，有详尽的机器学习和深度学习的教程及视频公开课等。下面就简单的来介绍一下：

Figure 2 AI Studio 主要功能

1.1. 菜单栏

1.1.1.项目大厅

作为 AI Studio 的主页，集成百度积累的经典 AI 学习项目，自我的项目管理及共享项目列表。整个平台都是以项目为核心的，也凸显了 AI Studio 的定位，就是以技术及资源输出帮助个人开发者，中小企业快速拥有 AI 能力以更好的服务自身业务。

1.1.2.数据集

数据集包括一些经典的公开数据集, 像 MNIST，IMDB，CIFAR10，Penn Treebank，MovieLens 等；也包括一些开放的百度数据（中文短文本语料，信息抽取数据）。不过相比 Kaggle 近万份数据集来说，仍然有很大的发展空间，但是个人感觉 AI Studio 的数据集还是要比 Tianchi 的数据集规整很多的。当然，用户也可以上传自定义数据进行模型开发。

1.1.3.比赛

这个模块应该是所有玩数据的人最感兴趣的了吧。我之前在 Kaggle 参加过一些项目，总的来说，Kaggle 在比赛这块做的真的很好，赛制清晰，社区完善，每次参加比赛都能有很大的提高。相较 Kaggle，AI Studio 的比赛数量还不多，不过以上提到的功能都有，另外就是 AI Studio 提供云端训练平台，这样大家的武器库相对平衡，能够更公平的进行竞赛。

Figure 3 AI Studio 比赛页面

1.2. 创建项目

AI Studio 以项目为单元进行开发。创建项目，添加数据集，运行开发环境（notebook kernel），就可以开始构建自己的模型进行开发生产了。目前，环境仅支持 Python2.7（期待更多的环境，Python3，R 等），算法框架包括 PaddlePaddle 和 sklearn 等。

Figure 4 AI Studio 创建项目页面

1.3. 教程&资讯

关于教程，PaddlePaddle 关于机器学习的教程应该是中文里最好的教程之一，不仅有机器学习、深度学习的视频公开课和教程文档（获取），而且包含了大量的各个方向的深度学习实例，比如图像分类，词向量，个性化推荐，情感分析，语义角色标注以及机器翻译等，不仅从原理层面进行深入浅出的讲解，更提供模型代码逐行进行实操，可以说为 Everyone can AI 提供了强大的后盾。

1.3.1.样例工程

样例工程即是提供的机器学习经典应用场景及历届比赛的 notebook，我们可以把各个项目 fork 到自己的项目下进行开发学习。对于急于构建 AI 能力的中小企业，这个模块是最大福音了，很久之前看过 Tensorflow 的文档，只有几个典型问题的教程及代码，而这里包括了大量的基于不同场景的 AI 模型可供拿来即用。

1.3.2.共享项目

顾名思义，AI Studio 也提供项目共享功能供大家互相学习。在开源的时代，能够培育成熟活跃的社区是平台发展的必要因素，这也是 Tensorflow 能够在深度学习领域中快速推广的重要原因。

1.3.3.我的项目

这里是开发者自己的项目列表，不再赘述。

2.实战建模

AI Studio 以项目为核心，创建项目的同时可以自定义上传数据，也可以选取平台已有数据集；目前，环境仅支持 Python2.7，算法库包括 sklearn 和 PaddlePaddle。不需要费心在开发环境上，能够安心构造模型，将建模工程云服务化应该是未来趋势（能够方便中小企业快速构建 AI 能力）。在 AI Studio 各项目之间是独立分配资源的，可以同时调试多个项目模型，这点还是非常赞的。

我这里创建了两个共享项目，查看代码直接 fork 项目开箱即用（需百度账号登录：Titanic 项目，个性化推荐项目），代码详见附录及共享项目。第一个项目是最最基础的数据科学的入门问题 titanic 预测是否生还（自主上传数据，调用 sklearn 随机森林模型）；第二，利用已有数据（MovieLens）及 PaddlePaddle 构建个性化推荐模型。一个小问题就是创建项目后进入项目页面，进入运行状态还需要点击运行项目，这里感觉有点冗余；运行的项目就是一个简洁的 notebook 开发环境，该有的功能都有，个人感觉速度比 Kaggle 要好很多（不知是不是我的网速渣）。

Figure 5 AI Studio 项目界面

开发环境主体是由 notebook 形式组成，熟悉 jupyter 的同学可以无缝衔接，比 notebook 好的一点就是项目的数据集都会形成列表，简单一键获取数据路径。菜单栏更简洁，基本功能都有，可以保存 notebook，有个有意思的地方是在创建项目的时候环境只能选 Python2.7，但这里 kernel 选择会出现 Python3。

Figure 6 AI Studio 开发页面

3.群雄逐鹿

作为一站式 AI 建模开发平台 AI Studio，如何在强手如云的 AI 开发平台市场杀出一条血路呢？最重要的途径就是完善比赛社区的理念，通过 PaddlePaddle+AI Studio 的方式抢占数据科学竞赛这个领域，这里就简要比较一下几家数据竞赛平台（AI Studio、Kaggle、天池、DataCastle 等）。以下将从对开发者的能力提升，平台比赛的公平性和比赛收获等三个方面阐述。

3.1. 能力提升

可以说参加数据建模比赛是最好的提升自身能力的方式了，在比赛中，不但能够了解各行各业的业务形式，数据结构，也能真实的验证我们对特征和算法的不同理解，而良好的社区环境和代码共享机制为自身能力的提升提供了温床。在这方面，Kaggle 因为成立最早有很强的人才和代码沉淀，投靠 Google 后，更是愈发的体现了其中的优势。天池和 DataCastle 在社区建设上也投入了大量的精力，但是与 Kaggle 还是有较大的差距，不过在中文社区中应该算是佼佼者。AI Studio 显然有后来者的劣势，不过看过他们的样例项目，还是很佩服他们在教程和文档方面的思考，可以说在 AI 中文教程里 AI Studio 大踏步的跨入了第一梯队。

3.2. 比赛的公平性

这里的公平性体现在两个方面，第一是赛题的数据量要有一定的规模以防止数据量过小导致的模型稳定性问题；第二则是计算资源的公平性，举个栗子，假如阿里组队以 P100 GPU 集群的算力来参赛的话，恐怕其他人的胜算只能寄托于奇迹了，而对于 ImageNet 那样量级的数据，我们只有 PC 机的话恐怕连一次迭代也完成不了，更不要说模型调优了。

在这方面，AI Studio 具有极大的优势，平台不仅免费对参赛选手给予计算资源上的支持，更是提供最新版本的 PaddlePaddle 供选手调用。而天池在初赛阶段是没有集群算力支持的，只有进入复赛的选手才会有机会使用数加平台。Kaggle 和 DataCastle 更是没有平台的支持。相比来说在比赛资源的公平性上 AI Studio 的优势巨大。

3.3. 比赛收获

这里的收获是只除了能力以外的物质方面的获得，比如现金奖励和简历背书。这两点对于初入职场的新人还是非常重要的。客观来讲，国际影响力的话 Kaggle 绝对是 No.1，致力于进入 Google、facebook 的同学最好还是在 Kaggle 上挑选优质的比赛；针对国内的话，AI Studio、天池和 DataCastle 在奖金方面相差不大，由于 AI Studi 推出最晚，所以奖金相对来说高一些。

综合来看，AI Studio 作为数据科学竞赛中的新人，背靠百度资源，凭借更加公平的平台资源输出，奖励制度和完善的教程文档体系将会在未来大规模的抢占数据竞赛市场。对开发者来说，免费使用 GPU 资源，更简单的开发流程已经是很大的诱惑了。

4. 总结

AI Studio 是一个基于 PaddlePaddle 的集成了大量数据集、经典样例项目及比赛项目的云计算建模平台，也是一个机器学习、深度学习的交流社区。AI Studio 最大限度的解放了数据科学家需要环境配置的烦恼，在云端集成计算资源，项目管理，代码管理，比赛等多种功能，形成一站式兼顾学习和工作的建模平台。而且 AI Studio 提供计算资源，空间资源，视频公开课都是免费的。最后，期待一下的更多比赛的推出。

来源:人民日报

数据来源：《省级政府网上政务服务能力调查评估报告（2018）》、阿里巴巴、腾讯 制图：郭 祥

习近平总书记在致首届数字中国建设峰会的贺信中指出，当今世界，信息技术创新日新月异，数字化、网络化、智能化深入发展，在推动经济社会发展、促进国家治理体系和治理能力现代化、满足人民日益增长的美好生活需要方面发挥着越来越重要的作用。

在我国，以云计算为基础的社会服务升级正如火如荼地展开。信用云、公证云、文化云、医疗云……作为一种基于大数据的共享服务模式，云计算通过搭建数据平台、优化计算方式、丰富应用场景，不断提升社会治理的精细化水平和公共服务的便捷化水平。

云计算到底如何运行？云平台如何助力社会治理？云服务怎样影响你我生活？即日起，“大数据观察”栏目推出系列报道，呈现和剖析不同形态的“云”。

——编 者

北京首都国际机场是全球第三大机场，也是中国最繁忙的机场。在这里，每天的航班流量达1700架次，而对应的停机位是300个左右。飞机从空中降落后，应该停在哪块停机坪？过去，机场调度员要把每个机位能停哪些机型、每个航班是哪个机型都记在脑中，然后根据经验把机位排上去。现在，被称为“航空大脑”的决策系统50秒内就能刷新机场2000架飞机的停机位安排，确保每个航班都能高效中转，帮助乘客顺畅登机，也为调度员分担了工作压力。这样的一个系统是靠什么高效运转的呢？答案就是云计算。

实现“抬头见云”

以低成本带来算力提升，让传统产业实现智能化转型

“云计算”其实是一个形象的比喻。在云计算的环境下，用户无需知道自己是如何获得诸如上网、使用软件等计算服务的，这些服务就好像都集中在天上的“云”上，用户则可以像“抬头见云”一样方便地获取这些服务。因为这种高性能的计算资源很难找到边界，而且是弹性变化的，就像真实的云一样。

事实上，“云计算”是利用大规模的数据中心或超级计算机集群，通过互联网将计算资源以免费或按需租用的方式提供的一种共享服务模式。“打个比方来说，在没有发电厂和电网的时代，每家每户都需要购买一台发电机。而现在人们只需要购买发电企业输送在电网上的电力。”阿里云副总裁刘松解释，云计算最基础的是计算能力，在数据时代，云计算正在成为像自来水和电力一样的公共服务，让任何企业、机构和个人只需要连上互联网就能获得计算能力。

中科院计算所学术委员会主任徐志伟认为，云计算通过一种“按需租用”的方式，以同样或更低的成本带来了算力的极大提升，支撑了丰富应用场景的实现。“过去10年，中国互联网在云计算平台上高速发展，电子商务、移动支付、共享经济等应用领跑世界。”刘松举例说，从2014年开始，铁路12306就把网站访问量最大的查询业务分担到“云端”。今年又进一步扩大了云端容量，现在几乎所有的查询访问都在云端进行，查询能力可以达到每秒40万次。“没有哪个场景比‘双11’和‘春运抢票’更能检验中国云计算的技术成熟度和服务能力了。”

随着技术的进步，人们对云的价值也日益了解，使其在各个领域得到了广泛的应用，催生了众多互联网创新，也让传统产业实现了数字化、智能化转型。

云能弹性、按需地分配资源，使业务迅速规模化，大幅提升了协作效率，使用户更快地做出响应、更科学地优化工作流程、更高效地进行沟通。“当云计算成为一种公共服务，社会创新的成本也由此大幅降低。”徐志伟说。

打破“数据孤岛”

政府引领运用，创新力借助云计算模式得到释放

云计算为什么能？有专家认为，云计算是信息化发展的重大变革，谁率先使用云计算就代表着掌握了未来的主动权，这是云计算近年来迅猛发展的根本原因。

具体看，在技术层面上，中国互联网的高速发展，尤其是移动互联网的发展，沉淀了海量用户数据和云计算相关技术，助推了模式创新；在发展模式上，政府、企业、个人对大规模计算资源的获取变得便捷和容易，从原来的大投入、长周期、重维护转变成一种便捷的“租用方式”，使计算资源不再成为用户业务创新的瓶颈；在管理方面，云计算能够打破原来的不同信息化系统的“数据孤岛”，支撑管理更加扁平化，用户转型为云和数据管理团队，更加聚焦于如何利用云计算和大数据技术赋能企业的业务创新。

“政府带头创造出采用新技术的氛围，使创新力在新技术领域通过云计算的平台模式得到释放，云计算的创新生态发展迅速。”刘松说。

据介绍，目前我国有超过65%的省市建立了政务云平台，平台通过数据打通，创新社会治理模式，让数据跑腿代替了群众跑路。如浙江省的“最多跑一次”改革，通过“政务云”使省级部门间数据共享比例从之前的不足4%提高到83%，群众办理的100个高频事项所需要提交的证照材料将减少七成；在杭州，通过“城市大脑”管理128个信号灯路口，试点区域通行时间减少了15.3%，萧山区120救护车到达现场时间缩短了一半。

“数据孤岛是长期困扰政府信息化建设的难题。”浙江省政协副主席吴晶表示，“‘浙江政务云’、杭州‘城市大脑’等智能化社会治理的新模式大力推进政府信息系统互联互通，推动政务信息跨地区、跨层级、跨部门互认共享，初步形成了‘用数据决策、用数据管理、用数据服务’的公共管理与服务机制。”

近年来，各地政务上云、企业上云十分活跃。徐志伟表示，“中国在云计算应用方面已经世界领先，但是在存储芯片、应用框架软件、数据库管理等基础软硬件上，还有进一步提升的空间。在全球市场，中国云计算公司仍处于追赶状态，今后有望借助服务‘一带一路’的机遇加速发展。”

释放数字价值

机遇与挑战并存，期待为社会服务提供更多解决方案

云计算技术发展迅速，但是风险和挑战依然存在。

徐志伟认为，未来云计算需要在三个方面争取进一步突破：效率、品质和安全。其中，效率的提升既有赖于技术上的突破，也有赖于商业模式上的创新；品质的提升则要解决好性能波动的问题，让用户体验更趋一致；而安全问题则可能是今后云计算面临的最严峻的挑战。

“对于信用云、医疗云、文化云等具有公共服务性质的云应用来说，其庞大的数据库往往涵盖百万级乃至千万级的用户，身份信息、医疗记录等数据价值很高，所以是网络攻击的重点目标。”亚信安全通用安全产品总经理童宁表示，另一方面，云计算技术也是一把“双刃剑”，可以用来保护信息或网络的安全和云计算环境本身的安全。

童宁认为，云安全通过在安全机制上的革命性创新，能够极大地提升政府、企业和个人抵御安全威胁的能力。“云安全技术应用后，识别和查杀病毒不再仅仅依靠本地硬盘中的病毒库，而是依靠庞大的网络服务，实时进行采集、分析以及处理，将整个互联网变成了一个超级大的杀毒软件。”童宁说。

“云计算还面临不同行业应用模式复杂性的挑战，打通、融合、运用数据也是释放云计算与大数据价值的关键点。”刘松说，“虽然挑战存在，但云计算已经成为新一代信息技术的平台型技术，是数字经济发展的‘底座’，拥抱云计算将带来更多的机会。”

业内人士认为，我国云计算未来的发展关键在两个大的方面，一是核心技术深化，包括在人工智能、物联网、量子计算等方面的跨越式发展；二是生态体系的丰富，在服务数字中国、促进实体经济转型方面形成更多即插即用的解决方案。

而对于公众来说，云计算将成为藏在一切数字生活背后的“动力”，未来每个人的生活都将与云计算紧密相连。下一次，当我们在机场庞大的旅客流、飞机流中高效中转、顺畅登机时，不妨思考一下云计算的神奇能力。

作者：奔跑吧，琪哥

中国科技的心脏（芯片）还未康复，血液（云计算）的伤疤又被突然揭开！

一

今天，当你为手机支付的便利、刷脸购物的高效、无人驾驶的神秘而欢呼时。你是否想过，到底是谁支撑着这一切？云计算，我们当下享受的几乎所有的科技便利，背后都是它一秒数亿次，甚至十亿、百亿次的超级大规模计算。

当下几乎所有大型互联网企业，都有着不同规模的云计算平台。它们各自撑起了一片天空，造福着云下的我们。但令人细思极恐的是，有一类是自主研发、自主可控的云。而有一类却是在美国OpenStack上搭建的拿来主义云。

二

何为OpenStack？由美国航天航空总局NASA与美国云计算中心Rackspace，联合研发发起的开源的免费云计算操作系统！

就像手机系统安卓一样，美国向全世界开放，拿过来直接用，省钱省力。OpenStack也一样，向所有人开放，吸引了不少中国企业直接在上面部署、搭建、拼凑，节约了大量的时间和人力。

手机系统先不说，云计算是未来整个社会的操作系统。若不悬崖勒马，相当于美国又给我们埋下一颗定时的“科技核弹”！

三

但令人真正惶恐的，不是OpenStack，而是在“拿来主义”上越走越远的中国企业。就在刚刚过去的周末，某中国大型硬件厂商向所有人宣布：坚定支持OpenStack，甚至还要all in！

没错，今天很多中国企业已经在美国建设好的这块地基上修建了高楼大厦，也确实这幢楼的创意、装修都是自己做的。但要清楚，这幢大楼周围环境复杂，没有统一的安全管理保安，甚至来的每一个人（数据）都要经过一楼的地基。

更要清楚，这幢看上去华丽的高楼是没有产权的！也正是这华丽的装修，忽悠了领导、忽悠了公众，甚至蒙蔽了自己。

四

好在是中国有这样一朵云，从一开始就自主研发，从第一行代码就是中国人自己写，今天已杀入世界前三！09年，全世界对云计算都没有清晰认识。马云就成立阿里云，让飞天系统走上自主可控、真正中国国产的道路。

除了成就了让世界惊叹的双11、双12、移动支付外。马云还用飞天系统给中国越来越多的城市装上智慧大脑。红绿灯变得智能了、道路拥堵缓解了、办事只用跑一次了、去医院不用排队了、过年买车票也不卡了……

正是这些锤炼与实战，让全世界200多个国家地区的企业和政府也开始拥抱它，成为了一支真正走出国门的中国自主技术力量！

五

感时花溅泪，恨别鸟惊心。今天，为阿里坚持自主研发的汗水与时间而欢呼，也为在“拿来主义”上越走越远的中国企业而流泪。

芯片脖子上的那道血痕，永远警示着每一个华夏儿女：不自主研发，就会受制于人，就永无安宁之日。云计算比芯片更重要，它是中国未来社会的水电煤，特别是在今天这个政府积极拥抱云计算大数据的时代。

科技崇尚开源，但决不能依赖。安卓要用，但我们必须有自己的系统。OpenStack要用，但我们必须有自己的云。希望每个企业都能励精图治，永远铭记受制于人的蚀骨之痛！

随着 AI 技术的发展，人类社会正处于火热的智能化革命之中，AI 能力已经渗透到各行各业，在语音、图像以及 NLP 领域，已获得了突破性的进展和效果。

而谁能在技术革命浪潮中快速地武装自己，谁就能掌握未来的机遇。 AI Studio 正属于那一类帮助中小企业，开发者实现 AI 能力的武器库之一。

对于大型互联网企业，形成 AI 能力只要投钱投人就行了，但是对于中小企业单独构建 AI 能力将耗费巨大的精力: 招兵买马、设备采购、 模型开发、系统维护，于是大量的云计算及建模平台如雨后春笋般发展起来，但收费模式对中小企业仍是一种负担。

为了让每一位开发者都能平等便捷地获取 AI 能力，百度 AI 最 新推出了 AI Studio 一站式开发平台 ： 一个囊括了 AI 教程、代码环境、算法算力、数据集，并提供免费的在线云计算的一体化编程环境。

用户就不必纠结于复杂的环境配置和繁琐的扩展包搜寻，只要有电脑、网络以及一颗走进深度学习的心，点击 “阅读原文” 或进入 AI Studio 官网（aistudio.baidu）， 就可以在 AI Studio 开展深度学习之旅。

俗话说，授人以鱼不如授人以渔。

在 AI Studio 的生态中， 鱼 就是诸如基于语音技术、图像技术、视频技术、知识图谱及 NLP 技术等形成的人工智能产品服务；而 渔 就是 AI Studio 一类的能够帮助个人开发者和中小企业的开发属于自己的产品服务，运用 AI Studio 开发者可以实现自定义的 AI 建模能力而无需考虑硬件成本、运维成本、人力成本。

相比在其他云平台上耗资购买计算资源和存储空间跑模型来说，AI Studio 提供全套免费服务（包括计算资源、空间资源、项目托管、视频教程等）。 AI Studio 从教学、应用、工程上全面推进了 AI 民主化的进程，极大地降低了 AI 技术跨入门槛。

功能简介

AI Studio 强化了工程项目的概念，一大亮点就是 AI 学习项目版块，包括大量真实场景的工程项目（图像识别、情感分析、个性化推荐等）。

AI Studio 特性

AI Studio 主要功能有项目类的项目大厅、创建项目、样例项目、共享项目等四大部分， 有数据科学比赛、各种经典数据集和自定义数据集，有详尽的机器学习和深度学习的教程及视频公开课等。

AI Studio 主要功能

菜单栏 ┇ 项目大厅： 作为 AI Studio 的主页，集成百度积累的经典 AI 学习项目、自我的项目管理及共享项目列表。 ┇ 数据集： 包括 MNIST，IMDB，CIFAR10，PennTreebank，MovieLens 等一些经典的公开数据集；也包括一些开放的百度数据（中文短文本语料，信息抽取数据）；同时，用户也可以上传自定义数据进行模型开发。 ┇ 比赛： AI Studio 提供云端训练平台，为参与者提供相对平衡的武器库，能够更公平的进行竞赛。

AI Studio 比赛页面

创建项目

AI Studio 创建项目页面

教程&资讯 PaddlePaddle 不仅有机器学习、深度学习的视频公开课和教程文档（进入https://github/PaddlePaddle/Paddle获取），还包含了大量的各个方向的深度学习实例，比如图像分类、词向量、个性化推荐、情感分析、语义角色标注以及机器翻译等。 ┇ 样例工程： 提供的机器学习经典应用场景及历届比赛的 notebook，可以把各个项目 fork 到自己的项目下进行开发学习。

┇ 共享项目： 可提供项目共享功能供大家互相学习。 ┇ 我的项目： 即开发者自己的项目列表。 实战建模

AI Studio 以项目为核心，创建项目的同时可以自定义上传数据，也可以选取平台已有数据集；目前，环境仅支持 Python2.7，算法库包括 sklearn 和 PaddlePaddle。不需要费心在开发环境上，能够安心构造模型。AI Studio 各项目之间独立分配资源，可以同时调试多个项目模型。

AI Studio开发页面

百度 AI 战略

在百度 AI 开发者大会（ BaiduCreate 2018 ）上，百度发布的 AI 产品从自动驾驶巴士“阿波龙”到百度自主研发的云端 AI 芯片“昆仑”，再到两大 AI 生态平台 DuerOS3.0、Apollo3.0，都显示出百度在 AI 的布局已经从稚嫩走向成熟，以多兵种合成集团军的面貌展示在世界人工智能的舞台。

百度 AI 形成了以行业应用为牵引，AI 技术产品服务为动力，AI 基础平台服务为核心的生态闭环。 在这场智能化革命中，不但酝酿已久，而且已经结出了不少果实。

AI Studio 是一个基于 PaddlePaddle 的集成了大量数据集、经典样例项目及比赛项目的云计算建模平台，也是一个机器学习、深度学习的交流社区。

AI Studio 最大限度地解放了数据科学家需要环境配置的烦恼，在云端集成计算资源、项目管理、代码管理、比赛等多种功能，形成一站式兼顾学习和工作的建模平台。而且 AI Studio 提供计算资源、空间资源、视频公开课全部免费开放。

本文来自百度AI，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。