杨澜对话华为周跃峰:发展数字经济,存储技术是关键

华为于2020年推出全新OceanStor Pacific系列存储产品,专为海量数据场景设计,支持AI、HPC、视频等应用,助力企业释放数据价值。该系列采用多协议无损互通、下一代弹性EC算法,提升数据存储效率和可靠性。

2020年5月28日,针对海量数据存储场景,华为面向全球发布了全新一代OceanStor存储Pacific系列新品。发布会上,嘉宾主持、阳光媒体集团董事长、知名媒体人杨澜,和华为数据存储与机器视觉产品线总裁周跃峰博士,通过话“数”圆桌论坛探讨了存储技术对经济发展和社会生活的重要意义。

华为数据存储与机器视觉产品线总裁周跃峰博士(右),与嘉宾主持、阳光媒体集团董事长、知名媒体人杨澜圆桌对话
数据:开启数字文明之门的钥匙

2019年,著名的巴黎圣母院被大火烧毁,这一事故令世人叹息错愕。然而好消息是,法国已经依据先前用数字技术保存的数据,正在开启重建工作。同样,在我国的敦煌莫高窟博物馆,利用数字技术存储的数据,几乎完整保存和重现了所有窟里边的壁画和文物。

华为数据存储与机器视觉产品线总裁周跃峰认为:“人类的文明史,也是信息记录技术的发展史。”在原始社会,人们采用结绳记事的方式记录数据和信息,之后发展到甲骨文,后来又演进到了纸张。随着计算机技术的发展,如今采用数字技术来记录数据和信息的方式已经十分普遍。

嘉宾主持、阳光媒体集团董事长、知名媒体人杨澜认为:“我们已经进入数字文明时代,各种新技术的使用,让物理世界和虚拟世界的界限逐渐模糊。如今,人类正处在从物理文明向数字文明转换的进程中,数据将成为叩开了数字文明大门的钥匙。

数据基础设施对数字经济意义重大

“从物理文明向数字文明转换的过程中,数据基础设施特别重要。”杨澜讲到。

在深圳,得益于完善的数据基础设施,交通路口红绿灯实现了智能化,能够根据车流情况调整变灯时间,这一技术让深圳市的交通系统效率提升了15%。

在环保自然资源的利用方面,数据基础设施也显示出了非凡意义。青海电力通过数据基础设施采集了风力、阳光等天气数据,实现精确预测太阳能、风能的变化,进而动态调整整个省的电力系统。2019年青海省减少了200多吨碳排放,同时实现了连续15天使用洁净能源供电,为环境保护作出了贡献。

然而即使人类已经如此善加利用数据,但是“全世界被保存下来的数据只有2%,这2%的数据当中,只有10%被真正的发挥了价值。”周跃峰随后分析:“随着5G、物联网等技术的发展,海量的数据正在无时不刻地产生出来。当前很多数据基础设施还很薄弱,主要表现在两个方面:一是数据存不下来,二是数据提取价值的过程效率低下。行业企业需要面对的挑战,正是华为公司存储以及相关技术所发挥作用的地方。“

华为OceanStor存储技术是数据基础设施的关键

在数据基础设施当中,数据存储是最为关键的能力之一。优秀的存储技术和产品,能够让每一比特数据在全生命周期内实现价值最大、成本最优。

“华为公司希望通过贡献自己的核心技术和核心产品,和中国其他企业一道来共建数据基础设施,为数字经济、数字文明的发展贡献自己的力量。”周跃峰表示。

每年的春运期间,铁路订票网站每天有上千亿次的点击访问,其背后正是华为OceanStor存储保证了数据的存储、读取以及高效处理。基因检测对保健和疾病监控的作用越来越大,采用华为OceanStor存储之后,一个人的基因检测时间由原来的14天缩短到7天。在卫星遥感遥测领域,华为存储正在和自然资源部门展开积极合作,为保护环境、充分利用自然资源贡献力量。

华为数据存储与机器视觉产品线总裁周跃峰发布全新一代OceanStor存储Pacific系列

数据基础设施正在成为数字经济发展的“数据底座”,为构建最佳的“数据底座”,华为深耕存储产品技术研发,不断刷新性能标杆,并携手合作伙伴,根据客户应用场景打造集成解决方案。

此次发布会华为面向全球发布全新一代海量数据存储——OceanStor存储Pacific系列,通过打破架构、服务和性能的边界,以多协议无损互通、下一代弹性EC算法和系列化硬件,灵活应对AI、HPC、视频等海量数据场景的多样化需求及效率、成本和可靠性挑战,成为海量数据存储新标杆,帮助企业释放海量数据价值。本次发布会,华为还带来了OceanStor存储Pacific系列的一款全新高密大容量硬件,提供极致密度、容量和可靠性。

截至目前,华为OceanStor存储已进入全球超过150个国家,广泛服务于运营商、金融、政府、能源、医疗、制造、交通等多个行业超过12000家客户,成为全球各行业数据存储与处理的优先选择。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

优快云资讯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值