2019年1月，畢馬威2018中國(guó)領(lǐng)先金融科技企業(yè)頒獎(jiǎng)禮在京舉行。這是畢馬威第三次開(kāi)展中國(guó)領(lǐng)先金融科技企業(yè)50年度評(píng)選，2016年及2017年，畢馬威兩次推出中國(guó)領(lǐng)先金融科技企業(yè)50名單并獲得業(yè)界廣泛關(guān)注。也是天云大數(shù)據(jù)第三度蟬聯(lián)50強(qiáng)榜單，同樣蟬聯(lián)的還有螞蟻金服等公司。

?天云大數(shù)據(jù)：HTAP數(shù)據(jù)中臺(tái)與AI PaaS平臺(tái)無(wú)縫對(duì)接，全線產(chǎn)品支持規(guī)模化與智能化處理數(shù)據(jù)服務(wù)

天云大數(shù)據(jù)是一家專(zhuān)注于各行業(yè)通用人工智能PaaS平臺(tái)和大數(shù)據(jù)基礎(chǔ)設(shè)施軟件平臺(tái)的科技創(chuàng)新公司，自成立之初即深耕于金融科技，在大型股份制銀行、保險(xiǎn)、互聯(lián)網(wǎng)金融公司已落地部署樣板工程；目前人工智能PaaS平臺(tái)已逐步應(yīng)用到石油、旅游、醫(yī)藥、5G、軍工等行業(yè)領(lǐng)域中，泛場(chǎng)景AI服務(wù)能力將賦能更多行業(yè)客戶(hù)，幫助客戶(hù)在由IT向DT轉(zhuǎn)型的大潮中取得成功。

具體來(lái)說(shuō)，天云提供的能力包括：

一、規(guī)模化處理數(shù)據(jù)能力，天云大數(shù)據(jù)的大數(shù)據(jù)平臺(tái)BDP，配合由復(fù)雜網(wǎng)絡(luò)引擎Hilbert與HTAP數(shù)據(jù)庫(kù)Hubble形成的數(shù)據(jù)中臺(tái)，能夠?qū)崿F(xiàn)對(duì)海量工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)的高效、統(tǒng)一的管理，實(shí)現(xiàn)數(shù)據(jù)標(biāo)識(shí)融合、多源數(shù)據(jù)融合和多業(yè)務(wù)流程融合，向下兼容多種大數(shù)據(jù)開(kāi)源技術(shù)框架工具，向上提供豐富的數(shù)據(jù)共享服務(wù)，支撐大規(guī)模數(shù)據(jù)處理能力，處理PB量級(jí)數(shù)據(jù)，提供實(shí)時(shí)并發(fā)事務(wù)級(jí)服務(wù)應(yīng)用；同時(shí)向上提供豐富的數(shù)據(jù)服務(wù)，如面向金融、石油、醫(yī)藥、工業(yè)生產(chǎn)等領(lǐng)域輸出各種微服務(wù)。

二、智能化分析數(shù)據(jù)能力，天云大數(shù)據(jù)PaaS化AI平臺(tái)MaximAI已實(shí)現(xiàn)從AutoFE特征工程的自動(dòng)流水線，到訓(xùn)練模型AutoML，到推理端基于容器的灰度發(fā)布。同時(shí)，Kaleido特征工程平臺(tái)具有豐富的特征抽取、特征變換和特征選擇功能，同時(shí)集成了面向石油、醫(yī)藥、金融等多領(lǐng)域的特征工程工具箱，能夠?qū)?shù)據(jù)中臺(tái)供給的數(shù)據(jù)加工為適合AI建模的特征，并將特征無(wú)縫供給到PaaS化AI平臺(tái)Maxim AI，從而將海量沉睡的數(shù)據(jù)變成能夠指導(dǎo)業(yè)務(wù)改進(jìn)、優(yōu)化生產(chǎn)過(guò)程的模型。

MaximAI，如何降低企業(yè)使用AI門(mén)檻

按照人工智能的發(fā)展歷史和演進(jìn)路線，可將人工智能劃分為弱人工智能、強(qiáng)人工智能和超級(jí)人工智能。真正意義上的超級(jí)人工智能預(yù)計(jì)要到2045年左右才可能實(shí)現(xiàn)，當(dāng)前，我們所面對(duì)的人工智能主要是弱人工智能。簡(jiǎn)單來(lái)說(shuō)，目前的弱人工智能在處理限定性問(wèn)題時(shí)的表現(xiàn)可能會(huì)優(yōu)于人類(lèi)，但還無(wú)法勝任開(kāi)放性問(wèn)題的解決。

天云PaaS化AI平臺(tái)MaximAI秉承普惠AI精神，賦能普通開(kāi)發(fā)者、業(yè)務(wù)人員，使得傳統(tǒng)上由數(shù)據(jù)科學(xué)家在實(shí)驗(yàn)室完成的工作能夠由普通開(kāi)發(fā)者、業(yè)務(wù)人員借助工具完成，賦予了更多人使用AI的自由，降低了使用AI的門(mén)檻，從而在弱人工智能時(shí)代實(shí)現(xiàn)了高效率、低成本的批量化模型生產(chǎn)，解決了AI人才成本高昂、高度依賴(lài)科學(xué)家等業(yè)界難題，讓企業(yè)獲取機(jī)器智能像讀書(shū)一樣簡(jiǎn)單。

目前Maxim AI已成功地應(yīng)用于金融、能源、旅游、醫(yī)藥、5G、軍工等行業(yè)領(lǐng)域中，泛場(chǎng)景AI服務(wù)能力使得Maxim AI可賦能更多行業(yè)客戶(hù)，憑借數(shù)據(jù)中臺(tái)、Kaleido特征工程平臺(tái)、Maixm AI、模型商店等構(gòu)建面向金融、工業(yè)互聯(lián)網(wǎng)、醫(yī)藥等多領(lǐng)域的生態(tài)圈，幫助客戶(hù)在由IT向DT轉(zhuǎn)型的大潮中取得成功，引領(lǐng)人工智能發(fā)展前沿逐步邁向強(qiáng)人工智能時(shí)代。

在金融領(lǐng)域，以銀行信用卡申請(qǐng)反欺詐為例，隨著數(shù)據(jù)量的增大，數(shù)據(jù)類(lèi)型的增多，傳統(tǒng)的基于規(guī)則匹配的離散式欺詐分析預(yù)警系統(tǒng)已經(jīng)無(wú)法識(shí)別團(tuán)伙犯罪，僅基于歷史數(shù)據(jù)進(jìn)行分析也已無(wú)法滿(mǎn)足銀行現(xiàn)實(shí)需求，天云大數(shù)據(jù)融合銀行內(nèi)部的數(shù)據(jù)，建立數(shù)據(jù)挖掘系統(tǒng)，引入地域關(guān)系、推薦關(guān)系等拓展建立申請(qǐng)人社交關(guān)系復(fù)雜網(wǎng)絡(luò)，利用分布式大數(shù)據(jù)技術(shù)與機(jī)器學(xué)習(xí)技術(shù)，全量、在線分析數(shù)據(jù)，建立信用卡申卡欺詐分析預(yù)警新模式，極大提高了申卡欺詐團(tuán)伙犯罪預(yù)警的準(zhǔn)確率。

在能源領(lǐng)域，天云大數(shù)據(jù)利用算法抽象出石油管道泄漏的風(fēng)險(xiǎn)，面對(duì)沒(méi)有圖紙，只有單表的油氣管道，無(wú)法實(shí)現(xiàn)壓力差的復(fù)雜現(xiàn)實(shí)場(chǎng)景，實(shí)現(xiàn)了從靜態(tài)地質(zhì)圖，到動(dòng)態(tài)傳感器數(shù)據(jù)智能采油。在油井發(fā)生故障前提前采取措施，防止進(jìn)一步損壞甚至報(bào)廢，同時(shí)降低對(duì)人力的需求，增加了判斷的準(zhǔn)確率，大大降低石油企業(yè)運(yùn)營(yíng)成本。

在醫(yī)藥領(lǐng)域，通過(guò)天云的人工智能MaximAI平臺(tái)，基于藥物靶點(diǎn)蛋白數(shù)據(jù)研究對(duì)藥物適應(yīng)癥的作用進(jìn)行關(guān)系演示，將具有高維特征的數(shù)據(jù)進(jìn)行降維處理，利用隨機(jī)分布森林算法對(duì)數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)建模，結(jié)果區(qū)分度較高，同時(shí)使用復(fù)雜網(wǎng)絡(luò)全景展現(xiàn)了之前只能兩兩展示的多維數(shù)據(jù)，演示數(shù)據(jù)表明人工智能應(yīng)用于藥物適應(yīng)癥和副作用預(yù)測(cè)前景廣闊。?

總結(jié)

以上是生活随笔為你收集整理的天云大数据_天云大数据三度蝉联毕马威领先金融科技50强的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。