?5月19日，由中國電子學(xué)會主辦，ZD至頂網(wǎng)協(xié)辦的第八屆中國云計算大會進(jìn)入第二日程，國家自然基金委副主任、中國工程院院士、中國大數(shù)據(jù)專家委員會副主任委員高文在全體大會上帶來了“大數(shù)據(jù)分析與智慧城市建設(shè)”的主題分享。

高文表示，“現(xiàn)在云計算、大數(shù)據(jù)也好，把數(shù)據(jù)挖掘出來，實(shí)際上會對我們整個的社會也好、城市也好帶來很多好處。所以把大數(shù)據(jù)用好了，實(shí)際上對整個城市的生活，會帶來很多變化?！?/p>

以下是高文演講實(shí)錄：（以下內(nèi)容根據(jù)現(xiàn)場速記整理，未經(jīng)發(fā)言嘉賓確認(rèn)，僅供參考，謝絕轉(zhuǎn)載。）

謝謝林秘書長的介紹，今天我給大家分享的內(nèi)容是關(guān)于多媒體大數(shù)據(jù)分析與智慧城市建設(shè)這樣一個主題。為了不耽誤后面的演講者的時間，我設(shè)定一個提示。

這個就是今天上午我希望和大家分享的內(nèi)容。主要是關(guān)于智慧城市建設(shè)大概有什么樣的一個背景或者場景，或者什么樣的需求。在智慧城市建設(shè)里面關(guān)于多媒體的大數(shù)據(jù)，實(shí)際上比較挑戰(zhàn)，有很多問題，在這里我把其中的三個問題列出來，希望給出一些答案，這答案也許會對大家有一些幫助，最后是一個總結(jié)。

智慧城市這題目實(shí)際上并不是一個新的題目，我們知道現(xiàn)在在智慧城市里面或者在我們社會里面，涉及到方方面面的領(lǐng)域都有非常多的數(shù)據(jù)放在他里。以前這數(shù)據(jù)就是在睡大覺，我們知道現(xiàn)在云計算、大數(shù)據(jù)也好，我們把數(shù)據(jù)挖掘出來，實(shí)際上會對我們整個的社會也好、城市也好帶來很多好處。所以把大數(shù)據(jù)用好了，實(shí)際上對整個城市的生活，會帶來很多變化。比如說我們現(xiàn)在交通是很熱的話題，可以用通過視頻監(jiān)控、通過GPS數(shù)據(jù)，使得交通管理，不管是城市部門對道路的管理，還有我們自己行車找一個最優(yōu)的路線都有幫助的。醫(yī)療衛(wèi)生，以前我們知道看病主要靠醫(yī)生根據(jù)他對你的診療，就是問診的數(shù)據(jù)和你化驗(yàn)的結(jié)果有針對性的治療。我們知道最近的精準(zhǔn)醫(yī)療，基因測序找到你的基因發(fā)生變化的地方。對于發(fā)現(xiàn)的問題地方，對于靶點(diǎn)實(shí)時治療，使得治療效果最好，傷害最小，現(xiàn)在最新的治療方法等等。當(dāng)然這靶點(diǎn)怎么治療、怎么用藥，實(shí)際上靠前期很多大量的數(shù)據(jù)分析，特別是治療的前期數(shù)據(jù)的分析整理。最后得到這樣一些結(jié)果。教育也是一樣，以前的教育我們知道都是照本宣科多少年的教材一直這樣下來。學(xué)生不管是什么樣的學(xué)生都是按照一層不變的方式在灌輸，實(shí)際上現(xiàn)在利用大數(shù)據(jù)的做法，是針對不同人，它的進(jìn)度可以不一樣，內(nèi)容的跳躍也可以不一樣這完全基于大數(shù)據(jù)，授獎?wù)叻磻?yīng)，對于理解和掌握的程度，來進(jìn)行動態(tài)的調(diào)整。我們知道現(xiàn)在安全，城市的安全，比如現(xiàn)在有很多爆恐的等等，更需要基于大數(shù)據(jù)和監(jiān)控數(shù)據(jù)的來對應(yīng)。

對個人來講很快就要開始的，剛才說的醫(yī)療、保健這些，針對每一個個人數(shù)據(jù)，其實(shí)我們都可以去改變生活的一些東西，教育也是一樣的。關(guān)于多媒體數(shù)據(jù)，我們知道現(xiàn)在為了城市的安全和城市的交通管理，監(jiān)控視頻實(shí)際上已經(jīng)被大量的考慮，現(xiàn)在我們國內(nèi)很多城市可能都有的安裝幾萬個攝像頭，大一點(diǎn)的城市像北上廣這種城市，現(xiàn)在攝像頭的數(shù)量大概都是在四十萬到五十萬這樣的規(guī)模，隨著時間的推移，可能還會增加，因?yàn)橐呀?jīng)有這樣的一些說法，就是說一個智慧城市，它里面安裝攝像頭的人數(shù)，應(yīng)該是人口的大概二十分之一到五分之一，那你就可以想象，一千萬人口的城市，二十分之一，就應(yīng)該是五十萬攝像頭，如果是五分之一就是兩百萬個攝像頭。北京的兩千萬整個的攝像頭安裝是非常之多，這里多了以后就產(chǎn)生了大量的數(shù)據(jù)，目前的數(shù)據(jù)絕大部分是在睡大覺，大概是一兩個星期，最多一兩個月數(shù)據(jù)就被扔掉了，因?yàn)閷?shí)在是太多，只能通過往返覆蓋的方式給它覆蓋掉，這實(shí)際上是一個很大的浪費(fèi)。數(shù)據(jù)怎么樣能夠把有用的抓出來，沒有用的扔掉，這實(shí)際上是一個很大的難題，我們現(xiàn)在說大數(shù)據(jù)里面，大概有一半甚至一大半呢，其實(shí)都是這種音頻的數(shù)據(jù)，所以這些數(shù)據(jù)，要想把它用好，實(shí)際上有三個比較大的挑戰(zhàn)，通俗地說就是三個存不下、看不清找不到這樣三個挑戰(zhàn)。具體對應(yīng)的技術(shù)就是說，存不下這問題主要是到現(xiàn)在為止，我們壓縮算法，或者叫編碼算法還沒有那么強(qiáng)，還是有很多提升的余地，所以不能有效的壓縮它就太大，太大存不下過一段時間只能覆蓋掉?？床磺寰褪且?yàn)槲覀儸F(xiàn)在人看一幅照片或者一幅什么。

就是我們?nèi)搜劭匆粋€東西就是車牌號一二三四五六，計算機(jī)最后看到什么是識別出來，但是模式識別算法怎么樣做的比較好？清晰度要高。但是我們現(xiàn)在的攝像頭，都是五米、十米，一個人臉、一個汽車牌照也好，汽車牌照問題沒有那么大，特別是人臉，可能變成一個人臉只能很少的像素，大概10×10、20×20。現(xiàn)在希望不要太小，至少人臉里面的像素應(yīng)該保證在48×48或者64×64或者以上這可以識別，但是現(xiàn)在我們臉上面的像素比較小，還有就是找不到，因?yàn)閹资f個攝像頭，每一個攝像頭物理參數(shù)都不一樣的。A攝像頭拍的東西和B攝像頭，最后就跟我們眼睛看差不多，但是用計算機(jī)看不一樣。這時候明明同一個人在A被拍到跑到B已經(jīng)找不到它。這里面就是跨攝像頭搜索的問題。

這就是目前為止技術(shù)像第一個存不下的問題，我們是希望找到更好的壓縮算法使得能夠有效的把數(shù)據(jù)給壓縮了，以后盡量的保存下來。因?yàn)楝F(xiàn)在你這數(shù)據(jù)的增長，大家可以看到這曲線，數(shù)據(jù)增長的速度實(shí)在太快，攝像頭忽忽往上，但是我們技術(shù)的增長就是下面這一條綠色的線，技術(shù)增長實(shí)際上一個緩慢提升的水平?；蛘哒f十年才能翻一倍，但是我們看整個數(shù)據(jù)量的增長，實(shí)際上它是一個指數(shù)性爆發(fā)增長的趨勢。所以你純粹靠技術(shù)這是很難很難滿足這需求，當(dāng)然我們有更多的辦法，多投錢去擴(kuò)帶寬，或者多投錢做海量的儲存器把它存起來這也是可以的。但是畢竟你靠成本去滿足線性增長還是有問題，所以我們也希望這一條綠線也能夠盡可能的吻合它，這就是從技術(shù)上，因?yàn)榛ㄥX辦的事不是我們搞技術(shù)能考慮的。我們需要考慮的就是說怎么樣提供一個方案，在技術(shù)上也能減小這種花錢的壓力，這是第一個問題。

第二個問題就是看不清有很多，剛才也說到，這么多攝像頭，很多東西由于分辨率不夠，所以看起來還是比較困難，找不到是攝像頭這樣的問題是找不到，針對這三個，實(shí)際上我們有三種不同的技術(shù)來對應(yīng)它，第一種技術(shù)比如說針對存不下這問題，我們技術(shù)上要從提高壓縮能力，提高新的編碼技術(shù)，就是更新新的編碼技術(shù)這樣一個思路去解決它。所以高效視頻編碼就是解決存不問題的直接技術(shù)手段。為什么視頻是可以壓縮的？我想我們在座的人都是學(xué)理工都是學(xué)技術(shù)，如果大家學(xué)過信號處理就知道。實(shí)際上我們的數(shù)字視頻實(shí)際上它是一個數(shù)字圖像序列。數(shù)字圖象實(shí)際上它是表現(xiàn)的數(shù)字信號，數(shù)字信號本身我們是可以對它進(jìn)行處理。我們經(jīng)過分析發(fā)現(xiàn)，在現(xiàn)在的數(shù)字圖象序列里面，有三類信息冗余，第一類我們時間冗余，第二類我們叫空間冗余，第三類比較大的冗余，我們叫感知冗余和編碼冗余，實(shí)際上還有很多的冗余，知識冗余、編碼冗余等等。我們有辦法把這些冗余擠掉，就能有效的壓縮這些視頻。

具體怎么來壓縮，那肯定對不同的冗余我們可以采用不同的方法。理論上這視頻編碼，我們可以找出它編碼的上界就是最大壓縮到什么程度，這通過矩陣運(yùn)算或者說通過矩陣分析很容易我們就可以做到一些分析。這條紅線就是我們分析的結(jié)果，就是說對于一個2000×2000這樣尺寸的圖像，我們可以做到的理論上限，能壓縮多少倍呢？能壓縮2000倍，也就是能壓縮大2千分之一。這可以很大很大壓縮能力的。但實(shí)際上我們技術(shù)能做到下面這幾條線，技術(shù)上我們最好能做到多少呢？對于2000×2000的圖像，我們現(xiàn)在能做到600：1，600到2000還有一個1400，簡單來說就是這樣一個空間。這實(shí)際上技術(shù)可以不停地做它，當(dāng)然怎么能夠做到這一個？就是采取各種不同的技術(shù)。

從1993年有第一代的編碼技術(shù)，它大概能把高清視頻大概可以壓到75分之一，當(dāng)時沒有那么高，隨著時間的推移，那個編碼通過優(yōu)化以后可以做到75分之一。也就是說對于高清頻道，現(xiàn)在衛(wèi)星上傳輸信號的話，大概需要20兆。到了2003第二代編碼出來，差不多十年以后，它的編碼性能比第一代正好提高了一倍，提高一倍以后，對于高清視頻大概可以壓到10兆。2013年就是3年前出了第三代編碼技術(shù)，第三代編碼技術(shù)其實(shí)又比第二代提升了一倍，可以把高清視頻，壓到每秒5兆BT，按照這樣的預(yù)測到2023應(yīng)該有第四代編碼，它的能力是六百分之一。所以這是技術(shù)上的走向。我們可以把這樣的規(guī)律，叫做編碼領(lǐng)域的摩爾定律十年性能翻一番的定律。

對于這定律怎么做到的呢？這是一個到現(xiàn)在為止從第一代、第二代、第三代，一直在使用的編碼的框架結(jié)構(gòu)，就這里面實(shí)際上從左上一個視頻信號進(jìn)來，切成塊變換處理，進(jìn)行濾波運(yùn)能估計，這是它最基本的架構(gòu)，但是為什么就這樣一個架構(gòu)，我們十年翻一番。這里面最主要是采用幾種數(shù)學(xué)工具或者叫算法，我們習(xí)慣叫工具，最上面是基于變換，或者基于正向變換。我們現(xiàn)在的編碼里面用的DNCT，也有人去推薦用小波或者是DNCT變換，也有用離散等等，也有人更早的時候在用（英文）變換，總是在用一種正向變換。

另外一個工具叫做預(yù)測，大家學(xué)工的都應(yīng)該學(xué)過濾波器設(shè)計理論，濾波器最主要的理論就是預(yù)測來編碼。另外一個技術(shù)就是用商編碼這是最典型的，比如說算術(shù)編碼等等各種各樣都可以使用，這三種工具混合在一起就使得編碼效率不停地提高，但是這三種誰貢獻(xiàn)大一點(diǎn)，誰貢獻(xiàn)基本上不變呢？這是一個到現(xiàn)在為止三代編碼技術(shù)，誰做了多大貢獻(xiàn)粗略的統(tǒng)計。左邊這兩個顏色空間變換，和整個的變換這兩個大概貢獻(xiàn)了6倍。然后第三個從左往右數(shù)，第三個說的是預(yù)測與運(yùn)動估計，這一塊每一代都是變化，第一代因子3、第二個因子6，最右邊的商編碼大概貢獻(xiàn)了因子3，所以你就會發(fā)現(xiàn)第一代75倍是這樣得到的，第二代150倍是那樣得到的，第三代的300倍是這樣得到，所以真正大的變化在哪里？就是在預(yù)測與運(yùn)動估計這一列上，每一代它是不一樣的，這其實(shí)就給我啟發(fā)，就是為了尋找更高的編碼效率，你應(yīng)該把你的重點(diǎn)，主要關(guān)注什么東西。當(dāng)然為什么預(yù)測可以得到更高的編碼效率呢，因?yàn)轭A(yù)測主要解決的我們叫做是空域的冗余，也就是說隨著時間的推移，它一針一針往前處理，這時候我們知道圖像出率里面很多東西部變化，這些不變化能夠有效的利用起來，你就可以得到比較高的編碼效率。

最簡單的來說我們對于監(jiān)控視頻來講，這個講話是不動，只有前面這個在動身體偶爾動一動，上面的情況更有普遍性，就是如果你看的樹林，你一年四季除了在每天的光照變化，一年四季的葉子長出來以外，其他都是不動，所以如果你有辦法，把這模型建起來，可想而知你可以得到很高的編碼，這實(shí)際上是我們做的一個比較大的貢獻(xiàn)。到現(xiàn)在為止全世界做編碼大部分都是看著廣電怎么用、電影怎么用。中國的團(tuán)隊其實(shí)我們就是說針對不同應(yīng)用，我們在考慮不同的技術(shù)來做。

比如說最右邊的那個方格，實(shí)際上是我們用的面向視頻監(jiān)控的，所以我們后來提出了一個背景建模技術(shù)。就是一個背景建波來幫助你把背景的模型給算出來，你以后在后面做預(yù)測的時候，用這模型去做計算你的效率就會非常高。這是因?yàn)閲H上做編碼大概有三個技術(shù)團(tuán)體，中國是其中一個。另外一個是由國際標(biāo)準(zhǔn)化組織，就是IOS和RTO，H42.5這是一個團(tuán)體。第三個團(tuán)體主要是公司，比如早期微軟曾經(jīng)是一個非常主要的在第二代的時候。到第三代的時候微軟基本上就停止做這一件事，谷歌站出來。所以第三代谷歌是很關(guān)鍵，當(dāng)然除了谷歌和微軟以外還有其他的企業(yè)只是規(guī)模沒那么大。在第三代我們中國的團(tuán)隊，其實(shí)說中國團(tuán)隊有點(diǎn)，其實(shí)剛才說這三個群體之間都是互相交叉，并不是我做IOS就不做（MP6級），所以這實(shí)際上大家都是互相交錯，中國為什么做IOS，做機(jī)頂盒的比較多，因?yàn)樗麄儧]有技術(shù)就比較被動，而且中國市場比較大，所以我們當(dāng)時就做了中國的標(biāo)準(zhǔn)，這開始只是為了解決知識產(chǎn)權(quán)的問題，現(xiàn)在已經(jīng)在應(yīng)用方面，我們已經(jīng)有很多大的貢獻(xiàn)了。

所以從性能上來說，剛剛完成的AVS2比上一代提高了1倍。如果和國外最好的標(biāo)準(zhǔn)相比，基本上這是剛剛在廣電測試過的一些數(shù)據(jù)，就是你可以看到對數(shù)字視頻廣播，基本上我們性能相當(dāng)，對下面這幾塊，比如說監(jiān)控視頻，AVS2，要比現(xiàn)在的265，我們基本上性能負(fù)41.77%，那是什么意思碼率比它節(jié)省了41.77，負(fù)是節(jié)省的意思，所以你可以看到大概百分之三十幾到百分之五十幾。因?yàn)榇a力節(jié)省50%，其實(shí)性能就提高了一倍。所以對于監(jiān)控食品AVS2已經(jīng)跨入下一代了。

這是對于實(shí)時通訊的用法，和對于電影靜態(tài)圖像的統(tǒng)計，去年1月份，當(dāng)時廣電總局的廣播電視、計量檢測中心，專門對AVS2和265對比一個實(shí)驗(yàn)，最后得到的結(jié)果AVS2做超高清視頻是很有優(yōu)勢，它的和HEVC，圖像質(zhì)量下降總體平均是，AVS229%，HEVC3.0，大家知道下降的數(shù)越少，其實(shí)質(zhì)量越好。就是比它下降還少了0.1%也就是說廣播電視這行當(dāng)是相當(dāng)?shù)摹?/p>

這是剛才的結(jié)論就這樣來的，這是中央電視臺專門為實(shí)驗(yàn)拍的東西，每一個碼流大概各雙方損失了多少等等。這是他們給的一個剛才碼流，另一側(cè)是中央電視臺測的結(jié)論，就是今年2月份為止，又重新針對那碼流的測試，最后是在這條件下AVS2和HEVC265它的下降原質(zhì)量7.2%和8.2%，這是用的標(biāo)清6兆碼流，剛才是超高清5月6號實(shí)時發(fā)布的東西，所以現(xiàn)在已經(jīng)在開始做一些應(yīng)用，當(dāng)然我們最看重是下面的應(yīng)用，現(xiàn)在一些主流的企業(yè)開始在布局，準(zhǔn)備用AVS2沖擊全球的市場，比原來的標(biāo)準(zhǔn)提高了1倍的帶寬，而且它可以提高識別效率和精度，這是第一個挑戰(zhàn)。

后面因?yàn)闀r間關(guān)系我就說的快一點(diǎn)，第二個就是識別不準(zhǔn)的問題，我們是怎么做的呢？實(shí)際上就是產(chǎn)生的編碼和識別它像一個鐵軌一樣，它完全的平行做法，它有什么問題？大家互相之間是不通氣。剛才我們說的背景建模技術(shù)，可以在你編碼的時候，我就把前景測出來，這樣的好處你可以進(jìn)行分析、進(jìn)行識別、進(jìn)行提取，編碼識別就可以做到，怎么做到？對于上面實(shí)施監(jiān)控視頻碼流來說，這可以理解為它是有兩個碼流構(gòu)造成的，一個是背景，一個是前景碼流。背景碼流，就是一個背景針，前景是動的，有了前景就好辦，你知道哪個是前景，就是你要處理，你要識別，你要跟蹤你要分析的東西，所以用這個你只要對前景做好表達(dá)，你的任務(wù)就可以做的很好，就基于這樣一個想法，AVS2也就支持感興趣區(qū)域（RCH），就是語法里面對前景手段你可以對它進(jìn)行描述，這描述可以針對它，采用特殊參數(shù)的編碼，盡量使得損失少。對背景接好了以后，背景一次性接過去就比較有效?；谶@樣的構(gòu)建你可以很好的識別編碼模型，上面背景加全景，在上面就是感興趣的區(qū)域可以得到對象，根據(jù)對象之間的關(guān)聯(lián)，以及它們失去關(guān)系你可以構(gòu)造時間，這樣就可以在編碼的同時把這一件事做了，所以用它可以做很多運(yùn)動的分析、目標(biāo)的檢測、對象的行為分析等等，這就是用這種工具，我們可以在序列里就很容易測出前景，就把前景表達(dá)出來，這是另外一個車，也可以前景，下面是人的動作，也可以通過前景檢測的動作，哪里是需要關(guān)注的，包括人在道路上走。左邊是傳統(tǒng)的方式，你要在視頻流上去找，但是通過我們表達(dá)很簡單，因?yàn)楸尘昂芨蓛?#xff0c;任務(wù)就變的簡單多了，這也是一樣，你要知道背景是什么，其實(shí)你就很容易把前景表述出來。所以我們說AVS2它的國外版本名HE1857，對感興趣的區(qū)域提取對于對象的表達(dá)，對動作和行為的檢測等等。而且由于這些做了，實(shí)際上對多攝像頭檢測也有非常好的支持。這是在北大校內(nèi)的系統(tǒng)，我們用這樣的系統(tǒng)就可以知道哪里有人在走，哪里有一個車進(jìn)來了。這是關(guān)于第二個挑戰(zhàn)就是識別難的問題。

第三個挑戰(zhàn)就是說，盡管你有了它的視頻，可以做一些識別，跨攝像頭有一些問題，而且現(xiàn)在的瑟縮成本比較高，為了解決這問題，實(shí)際上我們使用了一種叫做CDVS，也就是說緊縮描述式的，這里面最核心的東西就是說我們一定要想法解決它的描述能力比較強(qiáng)，要緊湊，檢索比較快，另外整個特征要比較規(guī)范化。如果大家知道多媒體處理歷史的話，在MEPG7大概1997年就開始做，前面的版本一直沒有什么用，一直到第三個部分叫MEPG（英文）簡稱CDVC，這大概是從2009年左右開始做的，它里面比較關(guān)鍵就是說，它有特征點(diǎn)的檢測，有特征的選擇，有描述值的壓縮和聚合，最后未知點(diǎn)的壓縮，最后構(gòu)造程這樣一個基于描述的視頻檢索，時間關(guān)系不展開了，大家只要記住CDVS就好，這里面涉及到計算機(jī)是覺得技術(shù)、涉及到機(jī)器學(xué)習(xí)的技術(shù)，關(guān)于里面最核心的就是興趣點(diǎn)提取和表述，其實(shí)這里面開始我們是用的（SIFT）特征，大家就知道（SIFT）特征到近期最好用的一個特征。

但是（SIFT）特征它在使用時候有很多的問題，后來我們就對（SIFT）特征做了改進(jìn)，改進(jìn)的結(jié)果以后就可以效果比較好，所以我們把這特征又分成局部和全局。改進(jìn)的倍數(shù)CDVS比SIFT好3倍，然后特征大小是好100倍，然后在100萬幅圖像上的儲存是一百分之一，一個是特征本身，一個是特征儲存的，最下面這一行實(shí)際上就是說在一千萬幅圖像庫上面，搜索時間CDVS只需要500毫秒就完成搜索，你要找一個東西，到這一千萬的圖像庫上半秒鐘解決問題，所以這搜索速度非?？?#xff0c;這只是在英特爾CPU上面就可以做到。所以你想面向智慧城市做這樣的任務(wù)，實(shí)際上并沒有太大的標(biāo)準(zhǔn)，這是MPEG第三部分。

這里主要貢獻(xiàn)者是北京大學(xué)、斯坦福大學(xué)、另外還有意大利電影系、華為、慕尼黑研究院等等。因?yàn)榻衲?月份我們在圖像處理會刊上專門有一篇，MPEG第一期就可以找得到。這系統(tǒng)實(shí)際上是現(xiàn)在在監(jiān)控里實(shí)際使用，所以效果還是相當(dāng)不錯。

總結(jié)一下就是對于一個做的智慧城市里面，如果你要考慮多媒體大數(shù)據(jù)分析的時候，有三個比較大的挑戰(zhàn)。壓縮問題我們可以通過AVS2去應(yīng)對，當(dāng)然你可以有其他的辦法。模式識別問題可以通過我們說的因?yàn)橹С指信d趣區(qū)域的AVS2，面向監(jiān)控的AVS2就可以把這問題解決掉。第三個就是說視頻搜索這樣一個問題，跨攝像頭的搜索，其實(shí)可以用CDVS這標(biāo)準(zhǔn)去，當(dāng)然有更好的技術(shù)去開放用，這個領(lǐng)域盡管裝了很多攝像頭，但是技術(shù)上可以使用還是有距離，所以這需要各個方面做技術(shù)、做系統(tǒng)、做理論的一起共同協(xié)同可能才會有一個好的結(jié)果。 ?

原文發(fā)布時間為：2016年7月6日

本文來自云棲社區(qū)合作伙伴至頂網(wǎng)，了解相關(guān)信息可以關(guān)注至頂網(wǎng)

總結(jié)

以上是生活随笔為你收集整理的中国工程院院士高文：运用好云计算、大数据会为城市发展带来变革的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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