第4届ccf大数据

⑴ 2021年CCF科学技术奖：清华大学获自然科学一等奖

清华大学牛，荣获中国计算机学会2021年度CCF科学技术奖自然科学一等奖！ 以下为中国计算机学会公布的2021年度“CCF科学技术奖”全部获奖项目名单。

1、大规模异构计算系统并行编程模型与优化理论

完成单位：清华大学

2、高精度智能化的软件分析与测试方法

完成单位：中国科学院软件研究所、中国人民大学

3、基于图的网络性能优化理论与方法

完成单位：上海交通大学

1、安卓操作系统安全防护的理论与方法

完成单位：复旦大学

2、面向高维数据的集成学习算法

完成单位：华南理工大学

3、复杂软件系统的网络化解析与优化理论及方法

完成单位：武汉大学

4、开放系统量子计算理论及新型量子计算原理

完成单位：中国科学院数学与系统科学研究院

5、基因组组装与模式挖掘的基础理论与算法

完成单位：中稿早南大学

1、大规模智能云网络关键技术及平台

完成单位：阿里云计算有限公司、浙江升敬世大学、上海交通大学

2、面向工业领域的软件形式化建模与自动化测试关键技术及工具国产化应用

完成单位：华东师范大学、上海工业控制安全创新 科技 有限公司、卡斯柯信号有限公司、工业和信息化部电子第五研究所

3、专用处理器芯片自动设计技术与应用

完成单位：中国科学院计算技术研究所、中科驭数 科技 有限公司、中科物栖 科技 有限公司

1、数据自治开放技术

完成单位：复旦大学

2、多源异构大数据智能挖掘与性能优化

完成单位：湖南大学、中国人民解放军国防 科技 大学、哈尔滨工业大学（深圳）

3、水滴形柔性屏技术及可折叠产品

完成单位：联想研究院

1、蚂蚁反欺诈智能风险感知与响应系统关键技术和应用

完成单位：蚂蚁集团

2、AtlasGraph大规模图数据分析平台

完成单位：北京海致星图 科技 有限公司、清华大学、北京海致 科技 集团有限公司

3、虚拟存储环境关键技术与应用

完成单位：中国人民解放军国防 科技 大学、厦门大学、国家超级计算天津中心

1、全浸没液冷云计算数据中心技术创新及产业化

完成单位：吵肢阿里云计算有限公司

2、基于云架构的能源监测与分析平台的研制及产业化

完成单位：福州大学、国网信通亿力 科技 有限责任公司

3、智能城市操作系统

完成单位：京东城市（北京）数字 科技 有限公司

4、物联网低代码开发平台及应用

完成单位：浙江大学、阿里云计算有限公司

5、ZoomAI——基于人工智能的视频修复及增强系统

完成单位：北京爱奇艺 科技 有限公司

6、智能化手术系统的关键技术及产业化应用

完成单位：中国石油大学（华东）、青岛海信医疗设备股份有限公司、大连东软教育 科技 集团

1、基于网络空间的态势感知与防御云安全平台

完成单位：杭州安恒信息技术股份有限公司

2、面向智能生产决策的求解引擎及应用

完成单位：联想研究院

3、基于可信执行环境的区块链数据隐私保护技术

完成单位：蚂蚁区块链（上海） 科技 有限公司

4、医学影像智能分割关键技术与应用

完成单位：浙江大学

⑵ 中国人民大学举办数据科学与工程学术报告会

中国人民大学重点实验室举办数据科学与工程学术报告会，此次报告会的目的是为了更好地了解工业界的实际需求以及平台的使用情况，加强同行之间的学术交流，促进中国人民大学计算机学科的发展，来自滴滴大数据与数据挖掘研究院的李佩博士、苏州大学的李直旭副教授、刘冠峰副教授和刘安副教授四位青年学者受邀作报告。
中国人民大学信息学院下设经济信息管理系、计算机科学与技术系、数学系，以及数据工程与知识工程研究所、管理科学与工程研究所，其中数据工程与知识工程研究所是教育部重点实验室。
李佩博士结合过去自己在LinkedIN公司的工作经验，给我们介绍了LinkedIN公司的大数据誉罩系统PYMK及其相关的生态系统。同时，也对当前流行的大数据处理平台Hadoop、Spark及各自的生态圈作了一个系统的介绍。此外，他还介绍了滴滴出行在大数据技术面临的机遇与挑战。最后，李佩博士结合自己在英属哥伦比亚大学的读博经历，向在校生推荐了大数据与机器学习领域必读的经典教材，并对他们未来的择业提出了一些中肯的建议。
李直旭副教授报告的题目是“借助Web大数据来处理数据质量问题”。李直旭副教授从六个维度( 错误数据、不一致性、丢失数据、过时数据、不适用、不确定性)介绍了数据质量问题普遍存在的一个基本事实，并简要地综述了围绕每一个维度处理数据质量问题的相关工作。结合其近年来的相关工作，以关系数据为依托，李直旭副教授分别介绍了如何借助Web中的大数据来进行记录连接(record linkage)和记录的补全工作。
刘冠峰副教授报告的题目是“社交网络与信任”。刘冠峰副教授首先介绍了社交网络及基于让芹社交网络的各类应用，并着重指出社交网络中参与人之间的信任关系是整个社交网络各类应用的基础。基于此前提，刘冠峰副教授对其发表在ICDE‘2015(数据库A类会议)上就如何快速有效地挖掘出符合参与人之间预设信任关系的方法进行了详细的阐述。
刘安副教授系统地介绍了加密轨迹数据上的相似性计算问题。除了阐述了加密轨迹数据上的相似性计算面临的挑战，其还详细地介绍了如何通过重写三个操作符(欧氏距离计算、最大最小选择、条件执行)，来实现加密轨迹数据上的相似性计算，并从理论上证明了该方法的安全性和可靠性。
以最近开源的大数据处理系统Greenplum为背景，Greenplum系统开发团队的刘奎恩博士即兴分享了其在大数据时代进行数据库开源的背景与意义。
除了在校师生，中国人民大学举办的本次报告还吸引了来自工业界和学术界(包括CCF大数据协会、中科院、EMC/Pivotal公司、网络、先锋创投等)的相关人士近50人前来参会，大家提问踊跃，本次报告得到圆满的成功。
李佩博士：2010年硕士毕业于中国人民大学信息学院数据库与智能信息检索实验室，2014年底博士毕业于英属哥伦比亚大学计算机系数据管理与挖掘实验室。2013年6月到8月以及2015年初到9月，工作于美国加州山景城LinkedIn公司SNA(搜索、网络与分析)部门，担任关系推荐系统工程师，在大数据管理与挖掘第一线从事研发工作。2015年10月至今，在滴滴出行研究院负责数据挖掘项目。在知名国际期刊和学术庆滑闹会议上(包括KDD、ICDE等A类国际会议)发表论文近20篇，是数据挖掘知名会议SDM’10的最佳论文获得者。
李直旭副教授：2002-2009年就读于中国人民大学信息学院攻读计算机学士和相关证书。2013年毕业于澳大利亚昆士兰大学获计算机科学博士学位。2013-2014年就职于沙特阿卜杜拉国王科技大学(KAUST)做博士后研究员，并于2014年入职苏州大学计算机科学与技术学院。目前主要从事数据质量，大数据应用，数据挖掘与信息抽取等领域的研究工作。曾参与国内外多项科研基金项目的研发工作。在IEEE TKDE, EDBT, CIKM, WWWJ等顶级国际期刊与知名国际会议上发表论文30余篇。
刘冠峰副教授：2013年毕业于澳大利亚 Macquarie 大学，获得计算机博士学位。 博士论文获得当年澳大利亚最佳博士论文提名。2013年1月至2013年8月就职于Macquarie 大学 (Research Fellow) 和 悉尼科技大学 (Visiting Research Fellow)，并于2013年9月入职苏州大学。目前主要从事可信计算、社交网络信息挖掘、图数据库等领域的研究工作。曾参与多项澳洲科研基金项目研究。在ICDE、AAAI、TSC、FGCS、WWWJ、ICWS，等重要国际期刊与知名国际会议上发表论文20余篇。
刘安副教授：2009年获得中国科学技术大学和香港城市大学联合培养博士学位，2009年至2013年在香港城大-中国科大联合高等研究中心担任Senior Research Associate，2013年底加入苏州大学。研究方向主要集中在数据管理与分析方面，包括时空数据库，数据安全与隐私，云计算与服务计算等。在国际期刊和学术会议上(包括IEEE Trans., CCF推荐的A/B类国际会议)发表论文50多篇。

考研政策不清晰？同等学力在职申硕有困惑？院校专业不好选？点击底部官网，有专业老师为你答疑解惑，211/985名校研究生硕士/博士开放网申报名中：https://www.87dh.com/yjs2/

⑶ ccfbdci是什么

ccfbdci是CCF大数据与计算智能大赛（CCF Computing Inelligence Contest，举型散简称CCF BDCI）。是由中国计算机学会于2013年创办的国际化智能算法、创新应用和大数据系统大型挑战赛事，是全球大数据与人工智能领域最具影响力的活动之一。中国计算机学会（CCF）是由从事计算机及相关租山科学技术领域的科研、教育、开发、生产、管理、应用和服务的个人及单位自愿结成、依法登记成立的全国性正氏、学术性、非营利学术团体，是全国一级学会，是独立社团法人，是中国科学技术协会成员。

⑷ 它用分布式数据库替代Oracle、SAS，让银行告别西方软件“霸凌”

WPS成功上市代表了信息化企业软件国产化的趋势。在雷涛看来，WPS不是简单复制后替代Windows office，而是找到了下一代产品需求。

以往无论是运营商还是银行核心系统，大架构都垄断在西方的 IOE（IBM、Oracle、EMC）这三座大山里。直到2008年阿里提出去“IOE”运动，开始助推信息化软件国产化浪潮。

天云数据就是其中最早一批入场者。2010年为了建立中国完整的云计算产业链，中国宽带之父田溯宁投资建设云基地，天云数据便由此孵化，初备雏形。

2015年，雷涛带领创始团队们正式成立天云数据，率先切入金融领域。天云提供了国内领先的国产HTAP数据库Hubble，完成了“去IOE”中最困难的部分，替代金融A类核心系统惯用的西方IOE架构，在银行的联机事务中解决A类核心系统减负问题。此外，为了降低AI使用门槛，天云数据还推出AI PaaS平台MaximAI，逐步将数据价值逐渐扩展到能源、医药、军事等其它行业。

目前天云数据有70多家行业内大企业客户，单笔合同200-500万，纯软件年营收过亿。

融资方面，天云数据2018年曾获得曦域资本、华映资本B轮1亿人民币投资。

作为行业老兵，雷涛在北美跨国公司有20多年的技术管理经验， 2005年便入席SNIA存储工业协会中国区技术委员会联合主席，CCF中国计算机学会大数据专委会委员。

2011年在云基地时期，雷涛和创始团队通过BDP大数据平台负责了众多运营商业务，如联通的数据魔方、移动总部、南方基地等，2015年天云数据正式独立后，雷涛为了避免同业竞争，选择先聚焦在金融领域。

“天云数据的目标是替代 Oracle 和 SAS ”。云基地时期的积累让天云数据一开始就有高起点，首单就接下了光大银行的核心系统——OLTP线交易系统。比如银行能在全国所有营业厅实时实现OOTD交易，实时查询存钱取钱数额，整个环节涉及的技术都是天云数据早期对Oracle的一些替代。

但之后在多次的项目操作过程中雷涛发现，在几百万条交易规格的强一致性下，数据的移动性、计算框架的变化、联机事务同时要做大规模并行计算，这对计算场景的通用性、即时性和全量数据要求极高，传统 Oracle架构根本无法适应。

“在Oracle架构之上，还需要升级满足新需求”。

于是天云数据自主研发HTAP国产分布式数据库Hubble。与传统 IT 架构处理失误需要联机分析和分开处理不同，HTAP 数据库能够在一份数据上同时支撑业务系统运行并做 OLAP 场景，避免在线与离线数据库之间大量的数据交互，为系统减负。

HTAP国产分布式数据库Hubble替代了Oracle一体机,核心表2000余张80T左右、400亿条交易数据、提供56只服务应用交易、满足500个用户并发、500ms交易服务响应、每天在线交易量超200万、占整个银行核心交易量的10%，让银行面向柜面系统可提供7*8小时A类实时核心交易，面向手机网银系统可提供7*24小时A类实时核心交易。

从集中式Oracle切换到分布式HTAP，也解决了数据库扩展性的问题。比如天云数据让光大银行解决了 历史 数据查询问题，以往 历史 查询只能查到2年前，但在分布式技术上线后，可以查询15年前所有交易数据，同时让银行柜面系统以及手机APP可以无数人同时查询。

而在BI逐步转向AI的过程中，复杂的商业流程经算法重构。过去要把数据拿到SAS平台先分析，一层一层地把数据提出来搭建。但现在通过分布式技术，流程趋于扁平化，可以实现毫秒级的服务响应。

天云数据一开始就撬动的是行业头部资源。目前天云数据有光大银行、兴业银行、中信银行、中泰证券、中国石油、国家统计局等70余家行业内大企业客户，分布在金融、能源、医药、政府军事等领域，单笔合同级别超百万

针对每个垂直行业，天云数据都会成立一个子公司来专注赛道。目前天云数据有160人，技术人员超六成。

在雷涛看来，如果一年600个项目，全是5万、15万等碎片化的订单，公司总是重复满足初级客户的简单需求，技术很难沉淀和深入。“在当下成长阶段，打造产品需要在用户想要什么和你想做什么中找到平衡”。

对于雷涛而言，专注头部大B发展有两大发展潜力。一方面，大B拥有机器学习的普遍能力和实验室，更容易接受新产品。另一方面，天云数据交付产品和交付服务的同时也在转移大B客户的数据价值。

“AI本身是一个知识生产过程，它能把大型企业规则、流程的经验价值快速地抽样出来进行复制，赋能行业内其它客户甚至类似的其它行业。”

但在头部客户更定制化、个性化的情况下，天云数据是否失去了很强的复制能力？

雷涛解释到，虽然每个企业要求不尽相同，但都在不大的池子里找数据库。企业从海量数据中对数据进行迁徙、清洗、去重，可以去找合适的AI方法让它产生业务的价值，此过程具有通用性。

谈到核心壁垒，雷涛认为天云数据壁垒就是数据的复制价值。

壁垒的构建可分为两个阶段。第一个阶段是前沿 科技 本身的壁垒，比的是效率和产品核心价值，谁能够扎得深和更好的交付，谁就能拔得头筹。而作为国内最早研发大数据和人工智能的团队，天云数据有一定的技术先发优势。

第二个阶段是推理端的服务。数据资源的价值需要通过机器学习进行提炼，形成知识，进而封装成推理服务服务于行业。比如某保险公司20年长周期发生的重疾赔付定价上学习出来的特征和内容能够快速地移植到保险行业，而头部大企业客户给天云数据带来很优质的训练数据库。

未来AI将引爆万亿级大市场，但目前渗透率不到1%，这给各企业留有众多机会和想象空间。但无论哪种圈地方式，最终比的是速度、服务的稳定性以及产品化的能力。

⑸ 2021年,CIDC证书都有哪些评委的名字

1、曹建农，长期致力于分布式计算，无线网络和移动计算，大数据分析领域研究，取得了重要成果，为扩大CCF海外影响做出了突出贡献。
2、陈文光，长期从事计算机系统研究，在科研与技术转移方面成效突出，对CCF计算机软件能力认证的发展做出了杰出贡献。
3、李华伟，在微处理器全生命周期可靠设计和专用处理器自动设计的研究与应用方面取得了重要成绩，CCF学术服务贡献突出。
4、李肯立，长期从事并行与分布式处理和高性能计算研究并取得了突出成绩，对CCF在地区的发展和推广方面做出了重要贡献。
5、刘挺，长期从事自然语言处理研究并取得突出成绩，积极参与CCF各类活动并做出了重要贡献。
6、罗军舟，长期从事计算机网络科研与教学工作，在该领域取得了重要成果，对CCF多项学术活动做出了重要贡献。
7、谢涛，在软件测试技术和软件解析研究方面取得了重要成果，并为CCF学术交流做出了重要贡献。
8、阳振坤，在激光照排栅格图像处理系统和分布式关系数据库方面取得了突出成绩，成果得到广泛的产业化应用，对CCFYOCSEF的发展作出了突出贡献。
9、赵伟，在计算机科学教育和科研领域取得了突出成就，积极参与CCF各类活动，发起龙星计划，为我国计算机教育和人才培养做出了突出贡献。以上就是2021年，CIDC证书的评委的名字。

⑹ 中国大数据六大技术变迁记

中国大数据六大技术变迁记_数据分析师考试

集“Hadoop中国云计算大会”与“CSDN大数据技术大会”精华之大成， 历届的中国大数据技术大会（BDTC） 已发展成为国内事实上的行业顶尖技术盛会。从2008年的60人Hadoop沙龙到当下的数千人技术盛宴，作为业内极具实战价值的专业交流平台，每一届的中国大数据技术大会都忠实地描绘了大数据领域内的技术热点，沉淀了行业实战经验，见证了整个大数据生态圈技术的发展与演变。
2014年12月12-14日，由中国计算机学会（CCF）主办，CCF大数据专家委员会协办，中科院计算所与CSDN共同承办的 2014中国大数据技术大会(Big Data Technology Conference 2014，BDTC 2014) 将在北京新云南皇冠假日酒店拉开帷幕。大会为期三天，以推进行业应用中的大数据技术发展为主旨，拟设立“大数据基础设施”、“大数据生态系统”、“大数据技术”、“大数据应用”、“大数据互联网金融技术”、“智能信息处理”等多场主题论坛与行业峰会。由中国计算机学会主办，CCF大数据专家委员会承办，南京大学与复旦大学协办的“2014年第二届CCF大数据学术会议”也将同时召开，并与技术大会共享主题报告。
本次大会将邀请近100位国外大数据技术领域顶尖专家与一线实践者，深入讨论Hadoop、YARN、Spark、Tez、 HBase、Kafka、OceanBase等开源软件的最新进展，NoSQL/NewSQL、内存计算、流计算和图计算技术的发展趋势，OpenStack生态系统对于大数据计算需求的思考，以及大数据下的可视化、机器学习/深度学习、商业智能、数据分析等的最新业界应用，分享实际生产系统中的技术特色和实践经验。

大会召开前期，特别梳理了历届大会亮点以记录中国大数据技术领域发展历程，并立足当下生态圈现状对即将召开的BDTC 2014进行展望：
追本溯源，悉大数据六大技术变迁
伴随着大数据技术大会的发展，我们亲历了中国大数据技术与应用时代的到来，也见证了整个大数据生态圈技术的发展与衍变：
1. 计算资源的分布化——从网格计算到云计算。 回顾历届BDTC大会，我们不难发现，自2009年，资源的组织和调度方式已逐渐从跨域分布的网格计算向本地分布的云计算转变。而时至今日，云计算已成为大数据资源保障的不二平台。
2. 数据存储变更——HDFS、NoSQL应运而生。 随着数据格式越来越多样化，传统关系型存储已然无法满足新时代的应用程序需求，HDFS、NoSQL等新技术应运而生，并成为当下许多大型应用架构不可或缺的一环，也带动了定制计算机/服务器的发展，同时也成为大数据生态圈中最热门的技术之一。
3. 计算模式改变——Hadoop计算框成主流。 为了更好和更廉价地支撑其搜索服务，Google创建了Map/Rece和GFS。而在Google论文的启发下，原雅虎工程师Doug Cutting开创了与高性能计算模式迥异的，计算向数据靠拢的Hadoop软件生态系统。Hadoop天生高贵，时至今日已成为Apache基金会最“Hot”的开源项目，更被公认为大数据处理的事实标准。Hadoop以低廉的成本在分布式环境下提供了海量数据的处理能力。因此，Hadoop技术研讨与实践分享也一直是历届中国大数据技术大会最亮眼的特色之一。
4. 流计算技术引入——满足应用的低延迟数据处理需求。 随着业务需求扩展，大数据逐渐走出离线批处理的范畴，Storm、Kafka等将实时性、扩展性、容错性和灵活性发挥得淋漓尽致的流处理框架，使得旧有消息中间件技术得以重生。成为历届BDTC上一道亮丽的风景线。
5. 内存计算初露端倪——新贵Spark敢与老将叫板。 Spark发源于美国加州大学伯克利分校AMPLab的集群计算平台，它立足于内存计算，从多迭代批量处理出发，兼容并蓄数据仓库、流处理和图计算等多种计算范式，是罕见的全能选手。在短短4年，Spark已发展为Apache软件基金会的顶级项目，拥有30个Committers，其用户更包括IBM、Amazon、Yahoo!、Sohu、网络、阿里、腾讯等多家知名公司，还包括了Spark SQL、Spark Streaming、MLlib、GraphX等多个相关项目。毫无疑问，Spark已站稳脚跟。
6. 关系数据库技术进化—NewSQL改写数据库历史。 关系数据库系统的研发并没有停下脚步，在横向扩展、高可用和高性能方面也在不断进步。实际应用对面向联机分析处理（OLAP）的MPP（Massively Parallel Processing）数据库的需求最迫切，包括MPP数据库学习和采用大数据领域的新技术，如多副本技术、列存储技术等。而面向联机事务处理（OLTP）的数据库则向着高性能演进，其目标是高吞吐率、低延迟，技术发展趋势包括全内存化、无锁化等。
立足扬帆，看2014大数据生态圈发展
时光荏苒，转眼间第2014中国大数据技术大会将如期举行。在技术日新月异的当下，2014年的BDTC上又可以洞察些什么？这里我们不妨着眼当下技术发展趋势：
1. MapRece已成颓势，YARN/Tez是否可以再创辉煌？ 对于Hadoop来说，2014是欢欣鼓舞的一年——EMC、Microsoft、Intel、Teradata、Cisco等众多巨头都加大了Hadoop方面的投入。然而对于众多机构来说，这一年却并不轻松：基于MapRece的实时性短板以及机构对更通用大数据处理平台的需求，Hadoop 2.0转型已势在必行。那么，在转型中，机构究竟会遭遇什么样的挑战？各个机构如何才能更好地利用YARN所带来的新特性？Hadoop未来的发展又会有什么重大变化？为此，BDTC 2014特邀请了Apache Hadoop committer，Apache Hadoop Project Management Committee（PMC）成员Uma Maheswara Rao G，Apache Hadoop committer Yi Liu，Bikas Saha（PMC member of the Apache Hadoop and Tez）等国际顶尖Hadoop专家，我们不妨当面探讨。
2. 时过境迁，Storm、Kafka等流计算框架前途未卜。 如果说MapRece的缓慢给众多流计算框架带来了可乘之机，那么当Hadoop生态圈组件越发成熟，Spark更加易用，迎接这些流计算框架的又是什么？这里我们不妨根据BDTC 2014近百场的实践分享进行一个侧面的了解，亦或是与专家们当面交流。
3. Spark，是颠覆还是补充？ 与Hadoop生态圈的兼容，让Spark的发展日新月异。然而根据近日Sort Benchmark公布的排序结果，在海量（100TB）离线数据排序上，对比上届冠军Hadoop，Spark以不到十分之一的机器，只使用三分之一的时间就完成了同样数据量的排序。毫无疑问，当下Spark已不止步于实时计算，目标直指通用大数据处理平台，而终止Shark，开启Spark SQL或许已经初见端倪。那么，当Spark愈加成熟，更加原生的支持离线计算后，开源大数据标准处理平台这个荣誉又将花落谁家？这里我们一起期待。
4. 基础设施层，用什么来提升我们的网络？ 时至今日，网络已成为众多大数据处理平台的攻坚对象。比如，为了克服网络瓶颈，Spark使用新的基于Netty的网络模块取代了原有的NIO网络模块，从而提高了对网络带宽的利用。那么，在基础设施层我们又该如何克服网络这个瓶颈？直接使用更高效的网络设备，比如Infiniband能够带来多少性能提升？建立一个更智能网络，通过计算的每个阶段，自适应来调整拆分/合并阶段中的数据传输要求，不仅提高了速度，也提高了利用率。在BDTC 2014上，我们可以从Infiniband/RDMA技术及应用演讲，以及数场SDN实战上吸取宝贵的经验。
5. 数据挖掘的灵魂——机器学习。 近年来，机器学习领域的人才抢夺已进入白热化，类似Google、IBM、微软、网络、阿里、腾讯对机器学习领域的投入也是愈来愈高，囊括了芯片设计、系统结构（异构计算）、软件系统、模型算法和深度应用各个方面。大数据标志一个新时代的到来，PB数据让人们坐拥金山，然而缺少了智能算法，机器学习这个灵魂，价值的提取无疑变得镜花水月。而在本届会议上，我们同样为大家准备了数场机器学习相关分享，静候诸位参与。
而在技术分享之外，2014年第二届CCF大数据学术会议也将同时召开，并与技术大会共享主题报告。届时，我们同样可以斩获许多来自学术领域的最新科研成果。

以上是小编为大家分享的关于中国大数据六大技术变迁记的相关内容，更多信息可以关注环球青藤分享更多干货

⑺ ccfbigdata难中吗

难中。ccfbigdata难中，大数据已经成为国家战略，也是多学科交叉融合的纽带。中国计算机学会大数据学术会议CCF Bigdata 以加强大数据领域国内外研究学者之间的合作交流，促进我国多学科交叉融合与大数据产业发展为宗旨，已经发展成为国内最有影响的大数据学术会议。

⑻ 2019 巨头们做智慧城市的新武器是什么丨CCF-GAIR

中国已经成为全球智慧城市最大的试验场。

随着数字化转型成为国策，数字政府被打造为“一号工程”，各类智慧城市解决方案像雨后春笋般冒了出来。虽然最早这个概念由IBM提出并延伸，但似乎西方不亮东方亮，中国的各类应用和方案跑的更快。

大企业带资入场，依靠集团财务实力和政府资源，能迅速拿下地方政府项目，但小厂商依托垂直技术只能单点突破，甚至最后不得不站队抱上大腿，因为城市级解决方案的天性决定了单点突破不是最终的需求。

也因此，“平台化”成为了智慧城市各大玩家的首选，也成为当前智慧城市领域最明显的趋势，当然，滴滴、UBER的成功也都是这种玩法。这其间，中小厂商在短期内是各大平台型厂商争夺资源的对象，但后期资源饱和，势必也会面临转型的思考。

平台的竞赛

城市是一个固定的地理区域，但更多的是服务的综合，比如医疗、教育、金融、交通、民生、环保、能源、安防、地产等，这些单独的领域实际上大都出现过巨头公司，他们提供的方案让城市管理者们欣喜：终于，城市病得到了缓解，智慧交通让路况好转，能源监测让流失减少，金融 科技 提高安全系数......

但是，在经历过城市信息化进程并正式步入新兴智慧城市阶段，各种单点应用之间的关联系数在清裂世快速提升，彼此不能孤立存在。

因此，城市管理者从治理、营商、民生三个角度综合来看，需要能“一下子搞定”的方案，一步到位，一劳永逸。这就是目前智慧城市千帆竞渡的独特景象，谁冲到最前面，就能领先，而我们知道，大船的马力足以支撑他们最先抵达。

研究机构和标准化组织在智慧城市领域起到的是“顶层设计”的作用，但真正的将技术沉淀到每一寸土地，主力还是各大互联网 科技 公司，以阿里、腾讯、网络、平安、京东、华为、浪潮、商汤、云从等公司的“平台化”趋势最为明显。

阿里打造的平台是“ET城市大脑”，技术架构上分布着4个平台：一体化计算平台、数据资源平台、智能平台、应用支撑平台。其背后，是强势的云计算和AI技术做支撑。

腾讯推出的最新战略是“WeCity未来城市解决方案”，相比之前版本的“城市超级大脑”做了升阶，用微信、小程序等应用进行数字政务、城市治理等方案的落地。大部分技术来源自建，行业应用部分对方开放。

网络则倡导的是“AI City”智能城市的概念，利用最擅长的交通优势切入，推动自动驾驶的落地。车路协同+自动驾驶是网络的打法基础。

华为提出的平台方案是“数字平台”，对云、大数据、GIS、视频云等实现统筹。毕竟，华为智慧城市的优势在底层基础设施，安防也是一大亮点业务，多年ICT的积累正在释放这种优势。

平安从金融这种壁垒性的优势切入，提出“1+N”平台体系，不做硬件，只做技术支持，一朵智慧城市云+N个行业板块，把数据治理列为重点。

京东在打造“城市操作系统”上狠下决心，推出“城市计算平台”，对城市数据的流动性设置了4个梯次，将时空数据作为面向未来的良药。

而AI独角兽领域的商汤 科技 和云从 科技 ，都是从“视觉中枢”这个领域切入。商汤在近期推出的智能城市能力开放平台方舟2.0，也在构建平台之路上渐行渐深。

细分资源争夺

平台是最基础的事情，巨头们依靠自有业务积累，完全可以在短时间内搭建好，但是打通上下游却不是一件简单的事。

这就需要提到小米公司。

有人说，小米的成功在于他的生态链形成了壁垒，加上小米的市值与财力超过了生态链企业几十甚至数百倍，平台不可能被颠覆，所以小米能在IoT领域做大。而类比到智慧城市，大家都在强调一种“生态”的玩法，其实根本目的就是把中小厂商的资源全部“圈进源行来”。

大厂在中标政府项目后，一般是总包再分包下去，因为平台的能力获得了信任。而在这之后的过答肢程中，大厂实际上承担起了管理和运营的角色，中小垂直公司就是具体的建设力量了。以交通为例，有诸多停车、车牌识别、车灯管理、路标识别、车流管控、乘车码、人脸识别、定位导航等场景，BAT无暇分身，细粒度高的工作都是应用层的合作伙伴们完成。

因为，当平台最上层的合作生态圈地成功，平台的综合实力就基本完善，复制、推广的难度系数就会下降。

复杂的阻力

“方案复制”、“平台迁移”，是大厂最终走向规模化必须跨越的关口。

因为，城市落地是政策+经济+地理环境+技术的综合表现，而技术的重要程度在这里排到了最后。也因此，我们看到，阿里在杭州、网络在北京、华为&平安在深圳、腾讯在广东、京东在福建、浪潮在济南等的落地，都是这些因素的最终体现。

当各大厂商深入到对方的腹地，施展“一城一策”的威力时，会发现政策障碍是最大的受挫原因。那些在雄安、粤港澳大湾区率先起跑的公司，或多或少在政府资源上是过硬的。

此外，一个强有力的政府能够保证相关的技术更快落地。香港、澳门政府相对弱势，或者受制衡的因素比较多，步子会稍慢一点。

当然，人才是又一个非常重要的影响因子。阿里达摩院一批交通、视觉领域大牛聚齐，基本以IEEE Fellow为标准；京东城市计算也全方位招募人才，业界首次成立智能城市研究院，清一色两院院士；网络、滴滴等都有相应的AI实验室；腾讯以产业互联网为核心，从工业、零售、医疗等具体场景扩充团队，把懂互联网和懂行业作为必备技能。

调整航向

除了大厂本身的研究力量，高端学术研究领域的新动态是不可忽视的一环，也是大厂最终实现“平台增长”的食粮。

在地理信息这一派，中国工程院院士、深圳大学智慧城市研究院院长郭仁忠认为，GIS是智慧城市的操作系统，因为智慧城市阶段，时空基准将被建立，时空大数据将爆发，时空信息云平台将是更大平台的必备能力项。

在城市计算这一派，京东智能城市研究院院长郑宇博士则提出基于AI和大数据能力的城市操作系统，向不同的云计算平台开放，利用6个时空数据模型收纳城市万千数据。

在AI学术这一派，中国工程院院士、浙江大学教授潘云鹤认为，大数据智能现在只是一个开始，后面还有很多新技术和模型要发展出来。大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统这五个方面将在今后几年的理论研究和实践中有巨大的突破。

我们因此也看到，在通往智慧城市之路上，身边一直流动着新的思考。

抵达“理想国”

综合来看，中国的城市化进程是与信息化、城镇化、农业现代化、绿色经济发展等相依相存，彼此成为抓手，互为转型动力。

大面积、大资本、大项目，势必决定着大平台的呼之欲出。

但在大平台的光鲜亮丽之下，优秀的垂直解决方案是必不可少的，也是当前解决城市问题的“钉子”与“锤子”，没有他们，城市管理者就不会为没有实质方案的“框架”买单。

2019年是建国70周年，是我国各项事业取得阶段性成果的关键节点，改革步入深水区，城市更加数据化。而智慧城市是下一个10年的重点，是典型的政产学研必须勠力同心来进行的大项目，势必需要前瞻性的观点支撑着后续的方向。

因此，2019年7月13日-14日，由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办的第四届CCF-GAIR全球人工智能与机器人峰会，将开设 「智慧城市」专场 ，探讨未来城市顶层设计、城市云计算、数据治理、城市AI视觉智能等解决方案的核心技术与场景实践。

「智慧城市」专场将由3个主题专场组成，其中：

2019年7月13日-14日，雷锋网将带我们共同见证「智慧城市」的未来。