中國信息通信研究院云計算與大數據研究所所長(cháng)何寶宏在首日會(huì )議上作“預見(jiàn)大數據的2018”主題報告，以下是內容實(shí)錄：
中國信息通信研究院云計算與大數據研究所所長(cháng) 何寶宏
大家下午好！我研究20多年的互聯(lián)網(wǎng)，現在主要在禪修如何為互聯(lián)網(wǎng)技術(shù)相面。在座如果感興趣可以聯(lián)系我，共同探討互聯(lián)網(wǎng)發(fā)展規律。哲學(xué)問(wèn)題很有意思，可以讓你們少走彎路。
大數據從2011年至今7年的時(shí)間，也該七年之癢。我個(gè)人的觀(guān)點(diǎn)，技術(shù)在7年的時(shí)候至少要換一種說(shuō)法，7年不能總講一個(gè)故事。2011年麥肯錫下一個(gè)前沿，2012年紐約時(shí)報大數據時(shí)代降臨。
經(jīng)過(guò)多年發(fā)展，大數據正在遭遇成長(cháng)的煩惱，最近行業(yè)有點(diǎn)煩。某個(gè)耿直BOY說(shuō)中國人大多數情況下愿意用隱私交換便利性。歐盟5月份實(shí)施GDPR通用數據保護規則，核心是個(gè)人隱私數據，要求用戶(hù)明確同意與數據的流動(dòng)權。用戶(hù)數據追求精益數據小型化，很明顯的要求。最近的大數據在殺熟，Facebook遭遇窘境，包括今日頭條也遭遇窘境。技術(shù)必須有變化進(jìn)行方向性的調整。這是又一個(gè)三角困境，技術(shù)上追求很多目標時(shí)，目標之間容易出現沖突。尤其數據方面，個(gè)人隱私、國家安全、便利性三者不可都得，只能選擇兩個(gè)。2013年奧巴馬講到，不可能既享有100%的安全，又享有100%的隱私，而且沒(méi)有絲毫的不便，我們不得不做出選擇。大數據也需要做出選擇，二選一時(shí)會(huì )發(fā)生一些調整。
這些事件意味著(zhù)什么？短期看，一些大數據應用真正落地。如果大數據在用戶(hù)畫(huà)像及營(yíng)銷(xiāo)沒(méi)有落地，事情不會(huì )發(fā)生。反向證明大數據真的已經(jīng)成功應用，所以才能出現問(wèn)題。幾年前搞云計算可靠性不行，我說(shuō)恰恰是人們開(kāi)始廣泛使用云計算，要不然不會(huì )關(guān)心問(wèn)題。中期看，保護個(gè)人隱私必然是未來(lái)3年或更長(cháng)時(shí)間內的工作重中之重，全行業(yè)必須團結就有效的保護用戶(hù)隱私制定規則，需要恰當地技術(shù)手段提供支持。長(cháng)期看，最近一系列事件的爆發(fā)是不是意味著(zhù)已經(jīng)使用20多年的互聯(lián)網(wǎng)免費模式選稿終結。恐怕這是更大的議題，免費模式都是使用用戶(hù)數據換取用戶(hù)服務(wù)的便利性。
個(gè)人判斷，行業(yè)發(fā)展需要調整（變化）。從過(guò)去7年時(shí)間強調技術(shù)、發(fā)展，下一步更多的關(guān)注合規、隱私保護、安全。任何產(chǎn)業(yè)發(fā)展到第二階段必須要強調關(guān)注合規性、安全及隱私問(wèn)題，早期會(huì )重點(diǎn)關(guān)心技術(shù)與發(fā)展。正在從幾年來(lái)高估大數據的影響開(kāi)始轉變?yōu)榈凸来髷祿挠绊懀丝偸菚?huì )高估技術(shù)短期影響，而低估技術(shù)的長(cháng)期影響。我們即將迎來(lái)開(kāi)始低估大數據長(cháng)期影響的階段，現在進(jìn)入回歸理性階段，行業(yè)正在回歸理性。對大數據以前高估的價(jià)值更加理性，以前不太關(guān)注的隱私必須補課，需要3年左右的時(shí)間。2021年前后會(huì )迎來(lái)新一輪的黃金發(fā)展期。
從市場(chǎng)看，我們還將繼續維持規模小增速快的態(tài)勢。過(guò)去的幾年大數據的主要應用場(chǎng)景是互聯(lián)網(wǎng)，未來(lái)幾年的核心是大數據與傳統行業(yè)、實(shí)體經(jīng)濟的深度融合。十九大報告講的很清楚，我們必將迎來(lái)的是跟傳統行業(yè)如何更好使用大數據的過(guò)程，因為傳統行業(yè)更容易賺錢(qián)。
從技術(shù)看，排在第一的是開(kāi)源，開(kāi)源正在引領(lǐng)各行各業(yè)，大數據不例外。分布式，今天上午報告也講到實(shí)現在線(xiàn)分析的分布式，下一步需要實(shí)現在線(xiàn)處理事物的分布式。OLAP/OLTP的融合是新的趨勢。隨著(zhù)產(chǎn)業(yè)的發(fā)展完善，意味著(zhù)產(chǎn)業(yè)的分工越來(lái)越細，相互之間的協(xié)作會(huì )越來(lái)越麻煩。反推的結果是我們所做的大數據產(chǎn)品與技術(shù)需要標準化、模塊化，越來(lái)越模塊化。因為不可能做龐大體量堆在一起，運維需要自動(dòng)化比較好理解，我們越來(lái)越龐大。機器產(chǎn)生的事情只能用機器解決，大數據產(chǎn)生的運維問(wèn)題只能靠大數據產(chǎn)生的自動(dòng)化運維解決。容器化，今天的大數據也需要借助容器的思想封裝交付。幾年前發(fā)現軟件開(kāi)發(fā)交付等跟環(huán)境關(guān)系過(guò)于密切，是不是今天看到大數據也是這個(gè)問(wèn)題。大數據遷移時(shí)與環(huán)境配置的關(guān)系過(guò)于密切，我們應該發(fā)面向技術(shù)類(lèi)似于容器的技術(shù)。專(zhuān)用硬件，隨著(zhù)摩爾定律的減速，越來(lái)越多的需要靠一些專(zhuān)用的而不是通用的硬件解決問(wèn)題。面向特定場(chǎng)景數據處理的專(zhuān)用硬件或軟硬件結合會(huì )是重要的發(fā)展考慮的方向。
從算法看，算法的透明度會(huì )成為需要關(guān)心的議題。今天看到雖然把數據開(kāi)放使得數據透明，如果算法是黑箱還會(huì )出現你想干什么就干什么的現象。隨著(zhù)數據越來(lái)越多，數據越來(lái)越開(kāi)放要打破算法黑箱，解決算法的歧視問(wèn)題和算法殺熟問(wèn)題。很多算法都一樣，尤其金融市場(chǎng)會(huì )引發(fā)共振及算法移情問(wèn)題。開(kāi)放算法是必須要考慮的議題，剛剛討論過(guò)網(wǎng)絡(luò )中立問(wèn)題。算法該不該中立？算法該不該透明？算法該不該監管？我想需要。
從資產(chǎn)看，過(guò)去幾年知道數據是資產(chǎn)，市場(chǎng)教育已完成。但如何把數據變成資產(chǎn)還在迷茫中，前幾年想是否通過(guò)財務(wù)手段把數據變?yōu)橘Y產(chǎn)，現在看是不夠的，需要更多的技術(shù)支撐。未來(lái)三年要學(xué)習如何把數據變成資產(chǎn)，不僅通過(guò)資本與管理的手段，還需要新的技術(shù)，需要創(chuàng )新算法、創(chuàng )新技術(shù)、創(chuàng )新模式。
從流通看，我們處于男耕女織的時(shí)代，今天調查50%的大數據企業(yè)使用的數據還是自己生產(chǎn)的或隔壁家生產(chǎn)的。大數據說(shuō)是資產(chǎn)，但它沒(méi)有變成資產(chǎn)。我們說(shuō)大數據商品，但大數據沒(méi)有變成商品。我們只知道大數據很有價(jià)值，但如何流通還處于早期的階段，需要很多技術(shù)創(chuàng )新、理論創(chuàng )新。30年后得諾貝爾經(jīng)濟學(xué)獎的人一定會(huì )有是干這個(gè)活的，因為需要數字經(jīng)濟時(shí)代的數字經(jīng)濟學(xué)家。今天的經(jīng)濟學(xué)更多的建立在工業(yè)經(jīng)濟的假設之上，上來(lái)就討論工廠(chǎng)、工人與產(chǎn)品，用貨幣衡量?jì)r(jià)值都是工業(yè)時(shí)代的思維。數字時(shí)代需要數字時(shí)代的經(jīng)濟學(xué)家解決數據流通存在的理論問(wèn)題、方法問(wèn)題。處于從農耕產(chǎn)品的貿易到數字產(chǎn)品的轉折，現在不太清楚數據如何做貿易，我們正在探索之中。工業(yè)經(jīng)濟學(xué)正在從數字經(jīng)濟學(xué)躍遷。
從價(jià)值看，需要新的用戶(hù)，新的價(jià)值。數據保護問(wèn)題更像隱私危機，我們說(shuō)大數據是石油，石油也經(jīng)歷過(guò)危機，愛(ài)迪生危機。煤油的主要用途是照明，愛(ài)迪生發(fā)明了電燈后是不是石油面臨危機？石油的用途只是照明，可是電燈來(lái)了。后來(lái)改善石油的冶煉技術(shù)，煉出汽油，更加廣泛地用于動(dòng)力。今天大數據主要面向人，面向人的大數據分析處理應用依然會(huì )帶來(lái)隱私危機。只要知道的都是隱私，不知道的就不是隱私。凡是能夠發(fā)現處理的最終都會(huì )被歸于用戶(hù)隱私范圍內，必然會(huì )迎來(lái)隱私危機。我們需要新的模式與新的創(chuàng )新，將大數據的使用范圍擴展，使用價(jià)值擴展。不僅僅面向人，可能要面向物聯(lián)網(wǎng)、工業(yè)等各行各業(yè)。過(guò)去幾年更多處理人產(chǎn)生的數據。
從風(fēng)險看，必然會(huì )出現風(fēng)險，數據是資產(chǎn)，資產(chǎn)是數據。人類(lèi)的財富正在虛擬化，正在數據化，意味著(zhù)風(fēng)險正在由物理世界、現實(shí)世界遷移到虛擬世界、數據世界。哪里有風(fēng)險，哪里就有保險。信通院聯(lián)合中國人保推出云計算的保險有四年的時(shí)間，希望與業(yè)界一起研究如何為數據買(mǎi)保險，如何通過(guò)金融手段解決數據面臨風(fēng)險問(wèn)題。
從理想看，萬(wàn)物皆數據，數據皆兄弟，我們需要連接。單個(gè)的孤島數據價(jià)值不大，我們必須搞流通。我們是連接的時(shí)代，流通產(chǎn)生新的價(jià)值。現在不是單體重要，而是單體與別人之間的連接更加重要。數據的價(jià)值不取決于數據本身是什么，而取決于數據跟其它數據之間的關(guān)系是什么，位置是什么，在數據世界處于什么位置。連接比數據本身更重要，我們一定會(huì )連接起來(lái)。我們搞開(kāi)放、共享的核心目的只有一個(gè)，讓數據連接流通是長(cháng)期的目標，需要與在座的諸位共同努力。
當摩爾定律逐漸老去的時(shí)候，我們正在迎來(lái)摩爾定律老去的時(shí)代會(huì )不會(huì )死掉，不知道，但會(huì )越來(lái)越慢。摩爾定律減速的時(shí)候會(huì )對整個(gè)行業(yè)帶來(lái)翻天覆地的變化，我們需要改變傳統思維方式。以前覺(jué)得計算資源很便宜，浪費點(diǎn)沒(méi)什么，今天的計算資源越來(lái)越貴，因為摩爾定律減速。以前行業(yè)的增速非常穩定，有節奏感，因為有摩爾定律什么也不干就摩爾定律穩定的讓你增長(cháng)。今天當摩爾定律減速甚至停緩的時(shí)候，行業(yè)當然會(huì )往前走，但不能緊緊依靠摩爾定律，我們要依靠軟件。我們需要更新軟件的結構，最近看到很多新的軟件結構出現原因之一，底層計算資源不再符合摩爾定律增長(cháng)速度，所以要創(chuàng )新軟件與架構的設計。
改進(jìn)算法。以前不太關(guān)心算法的改進(jìn)，因為算法改進(jìn)付出的成本可能比摩爾定律芯片買(mǎi)一個(gè)更高。與其改進(jìn)算法，不如再買(mǎi)芯片。今天必須改進(jìn)算法，因為底下的計算資源越來(lái)越貴。算法優(yōu)化成為未來(lái)幾年非常重要的發(fā)展方向，包括大數據處理。因為底層資源再浪費不起。
硬件。以前通用硬件非常廣泛，通用硬件越通用價(jià)格越低，缺點(diǎn)是越通用的性能越差。硬件性能上不去只好優(yōu)化硬件，而不再是通用的硬件。面向數據的軟硬件結合是重要的發(fā)展方向。
當大數據遇到區塊鏈都是用來(lái)處理數據，一個(gè)是希望擴展數據的內心，結構化擴展到更多的數據結構。數據以前做信息，現在做價(jià)值，海量數據提高計算性能。區塊鏈說(shuō)針對關(guān)鍵數據，主要核心目的是為了防篡改，也有計算模式。把一件事分給多個(gè)人做，區塊鏈希望多個(gè)人重復做一件事情，有利于防篡改。一個(gè)用的服務(wù)器積存，一個(gè)是用的P2P網(wǎng)絡(luò )，一個(gè)數據是信息，一個(gè)數據是價(jià)值。大數據處理需要給做大數據的人發(fā)工資，因為激勵是外部的。發(fā)幣的時(shí)候可以?xún)戎茫皇峭ㄟ^(guò)外部的數據。大數據宣傳的口號是相信數據，區塊鏈的口號是相信數學(xué)。
大數據遇到人工智能，大數據做數據的可視化，因為計算機把數據看明白了，可是人看不明白。計算機視覺(jué)，因為人看明白了，就是機器看不明白。一個(gè)往左一個(gè)往右，前幾年宣揚大數據主張關(guān)聯(lián)關(guān)系而不是因果關(guān)系，回到了愚昧的原始社會(huì )。機器學(xué)習能證明數據之間有關(guān)聯(lián)，但機器學(xué)習為什么出現這樣的結果無(wú)法解釋。證明存在關(guān)聯(lián)關(guān)系，但無(wú)法解釋為什么有因果關(guān)系。當忘記成為例外，讓機器忘記也是一種幸福。發(fā)明很多技術(shù)，核心目的就是記住，因為人的記性太差。你忘了黑客沒(méi)有忘記，數據很久遠，以上永流傳。以前發(fā)表文章需要交版面稅，今天刪貼子試一試，遺忘權成為新問(wèn)題。以前只關(guān)注如何記住問(wèn)題，現在關(guān)注如何永久性的消滅數據是工程師新的發(fā)展機會(huì )。
我們做很多數據，只關(guān)心數據從哪里來(lái)的，用完了以后數據去了哪里？大數據基本進(jìn)冷宮，用完了就完了，80%的數據三個(gè)月以后無(wú)人理睬。GDPR隱私數據要滅絕，隱私數據的種族大屠殺。區塊鏈數據價(jià)值得永生，因為是為了防篡改，數據世界的價(jià)值越高壽命越長(cháng)。介質(zhì)壽命，有的數據會(huì )莫名其妙地消失，不知道去哪里，因為介質(zhì)的壽命很短。我們的磁盤(pán)長(cháng)點(diǎn)就是幾十年的壽命，今天存儲的數據千年以后的人怎么找到，如何打開(kāi)word文檔。他們去哪里考古這代人所謂的大數據，到哪里發(fā)現？他們能認出表情包。
