采访嘉宾 | 谢鹏，甲骨文副总裁及中国区技术顾问总经理
记者 | 夕颜
出品 | CSDN（ID:CSDNnews）
「AI 技术生态论」 人物访谈栏目是 CSDN 发起的百万人学 AI 倡议下的重要组成部分。通过对 AI 生态顶级大咖、创业者、行业 KOL 的访谈，反映其对于行业的思考、未来趋势判断、技术实践，以及成长经历。
本文为 「AI 技术生态论」系列访谈第二十六期。
百万人学 AI 你也有份！今日起，点击阅读原文报名「2020 AI开发者万人大会」，使用优惠码“AIP211”，即可免费获得价值299元的大会在线直播门票一张。限量100张，先到先得。
AI 与云计算融合是大势所趋。随着 5G 时代的到来，这两个热门词汇的融合，将成为云厂商抢占更多优势的重要砝码。在云计算竞争越来越激烈之时，不在 AI 上有更大的投入，就意味着落后。而 AI 解决方案的广度和能力，则取决于供应商和企业的技术敏锐性，云厂商们不断寻找其云平台上提供独特价值的方法，以展示自己的独特性。
比如国内大厂华为，早在 2018 年就将“全栈、全场景的人工智能解决方案”打包进华为云中，服务包括华为的人工智能开发平台 ModelArts、光学字符识别、自然语言处理和视频分析，等等，为智能城市、工厂、交通和城市停车场拓展新功能提供支持。
更不用说老牌数据库翘楚甲骨文。据了解，甲骨文不仅基于AI开发了自治数据库（Autonomous database），还在 ERP云、CX 云和 HCM云等产品和服务中加入更多 AI 驱动的功能，让企业可以使用云中的 AI 来增加收入，解放员工来做对公司更有价值的工作。
然而，客观来说，以一种稳健的方式将 AI 应用到云计算的整个过程中，我们仍处于非常早期的阶段，大多数企业还没有做到这一点。就这一点而言，AI如何应用到企业业务智能化的过程之中？AI如何能为企业中的不同职能角色有效地带来实际能力的提升？这些问题都值得探讨。今天，CSDN 邀请到甲骨文公司副总裁及中国区技术顾问总经理谢鹏，来一起探讨这个无法回避的话题。
谢鹏博士曾在国内最早发表阐述新一代ERP的定义和框架方面的文章，是信息技术、数字化与业务变革融合创新方面的长期探究者和实践者。他将从一个企业的视野，解读并展望站在风口的AI技术如何融入企业的信息化和数字化并帮助企业过渡到智能化的运营。
以下为采访精华摘要：
问题 1：甲骨文并没有专门的 AI 团队或产品，负责将 AI 应用于产品和服务的技术人员在甲骨文是怎样一种存在？谢鹏：首先，AI 作为一项新兴技术，从技术成熟度曲线看，目前远没有成熟，仍处于初期阶段。但企业争相采用，是为了在激烈竞争中获得先发优势。所以，AI 呈现双边发展态势，一边是基于技术本身向深度学习不断发展，一边是对现有 AI 技术加以应用，推动企业朝向智慧化的转型。
甲骨文作为企业级的数据管理解决方案提供商，AI 的策略是 Smart Data + Intelligence Application + AI Powered Business, 即用聪明的数据支持智能的应用，最终驱动智慧的商务。
由此，在策略上，甲骨文的AI产品和服务，是针对一个企业里不同职能角色或用户群体设计的。企业里不同的部门可以根据需要在如下服务中选用：
（1）为业务用户，我们提供ready-to-go 的 AI应用， 如ERP，CX和HCM中内置的AI功能；（2）为数据科学家，我们提供ready-to-build 的AI 平台（AI platform），数据科学家和开发者可以基于云服务开发、部署和管理AI 驱动的、企业自己的解决方案（AI-powered solutions）；（3） 针对数据系统管理和维护人员， 我们提供ready-to-work的自治数据库，即Autonomous Database。
从技术团队来说，AI 是甲骨文关注的众多新兴技术领域之一，并有专注在ML& AI的研发团队，所以媒体所说的甲骨文没有专门的 AI 团队或产品的说法是不准确的。但是在每个区域、每个市场，甲骨文的云平台（Cloud Platform）部门、应用软件（Application）部门等不同的产品线，会按照自己的目标、区域和客户提供相关的产品，其中就包括 AI 的产品和服务，以及融合在每个产品线中的 AI 技术。
总结来说，对于甲骨文而言，AI 并不是一种孤立的技术，而是贯穿到甲骨文的各条产品线，落地于整个基于OCI的云堆栈里的。而我们的云平台OCI和一些核心技术，诸如一体机和内存计算也是 AI 算力的强大助力。
问题 2：甲骨文不以 AI 作为单项产品开发，而是以数据核心拥抱并推动技术变革的原因是什么？谢鹏：回归根本，人工智能的突破取决于算力、大数据和算法。1956年人工智能就提出来了，真正让AI进入实质应用是从10几年前开始，是因为1）计算能力的突破和低成本的获得，2）大数据 3）更优的算法。 这样来看，AI不仅是是一串串的算法，甲骨文所谓以数据为中心，注意不仅是数据库，是围绕整体的数据管理和服务能力，以拓展数据管理平台为机器学习准备高质量的数据尤为重要，这包括 Autonomous Database and Large-scale NoSQL, 大数据和流数据管理，提供对任何数据格式的-结构化和非结构化的-超出想象规模的虚拟存储和处理。这些都是建立更为准确的机器学习模型必需的数据准备。进而，数据管理能力结合AI应用到企业级核心业务上时，还必须具备高计算、高性能、高可靠性、高存储的保证。
另外，目前人工智能较大的挑战之一是识别度不高，准确度不够，而要提高准确度取决于模型的规模、精细度和训练的频次，向深度学习发展。而所有这些都需要更强大的计算力。而我们的一些核心技术像OCI，基于GPU的预配置环境，一体机、内存技算还有Autonomous Database， 还有Oracle Database 19C本身都内置了机器学习的算法，也是使算法升级，突破计算力约束的强大助力。
了解了这些，企业也同样就不难理解以数据为核心推动AI及新技术变革为什么是重要策略。
问题 3：当前，甲骨文在哪些产品和解决方案中用到了 AI 和机器学习相关技术？比如在基于云计算的数据仓库解决方案中，甲骨文使用了哪些算法和模型，工作 Pipeline 是怎样的？谢鹏：上面的介绍已经了解在甲骨文，AI是基于OCI，深入贯穿到跨产品线的云服务，还包括数据科学和开发者平台。
首先，甲骨文推出的自治数据库（Autonomous Database）， Autonomous Database是围绕机器学习构建的。我们在实验室中结合使用从SaaS业务中获得的日志数据和指标来构建、训练和部署模型， 这些机器学习的目标是改进运行过程中诊断问题的能力，是实现自治数据库的基础，这包括自动化索引创建和实施、自动的统计信息管理、自动化的SQL执行计划管理等等，最终实现了自治驾驶、自治自主修复和自治安全。它可以在运行过程中自动升级、调优、打补丁，根据需要增加和缩减计算和存储资源，并在不停机的情况下应用修补程序。自治数据库用 AI 来管理数据量，并使查询在数据库规模增长和分析需求变化时运行得更快。并且，由于能够自动调整数据仓库的负载量，使得响应速度大幅提升。甲骨文的自治技术和产品在无需人工干预的情况下，即可进行更新、调整和修复，不但降低人工成本和降低了风险，更帮助企业在数字化过程中，可以应对数据管理的挑战，而不会束手无策。这是基于甲骨文多年在数据管理积淀的结晶。
其次，Oracle ADW 业务数据平是 Oracle 自治数据库的重要代表，可用与OAC（Oracle分析云）一起，以业务结果为导向为人力、财务、销售、市场等部门的业务洞察提供了一个快速获得回报、低技术门槛的敏捷数据分析工具和平台。ADW和OAC都是内置了机器学习模型的。
最后，在 SaaS 层面，是将机器学习作为应用方案的一个显著的特性来使用，以使核心业务流程智能化， 目前在Oracle Intelligent Application中已将机器学习嵌入了ERP，CX，HCM中。融合了 AI 的 Oracle 营销云Eloqua，通过数据分析生成消费者画像，并做出智能推荐，这有助于客户进行市场洞察和交互；运用了 AI 的 Oracle Eloqua 与 Zoom 进一步的集成，帮助企业更有效地分析用户；另外，甲骨文的 Oracle 数字助手（Oracle Digital Assistant）运用自然语言处理 (NLP)、自然语言理解 (NLU) 和机器学习 (ML) 正在改变To B应用的交互方式，使用自然语言即可提交和相应问询。比如，基于AI的数字助手应用到HCM中就使员工真正可以做到“遇事张口就问“。这些应用场景包括了解公司政策、保险范围、公共卫生指南、假期还有几天等等日常询问。用于财务管理，可以对发票和支出文档进行智能识别，以建立一体化的智能化财务管理。
另外，我们举一个“世界蜜蜂项目”的案例，可以看到 Oracle 如何将 AI 与云计算结合实现跨不同产品线的应用。
甲骨文的云平台创新团队在全球范围内搜集、管理、分析来自蜂巢的数据，并通过传感器导入Oracle 自治数据库（Oracle Autonomous Database），然后将其与天气、地图及其他数据相结合，再运用基于 AI 的 Oracle 分析云来进行机器学习建模，分析问题区域，并让数据可视化；我们还利用 Oracle 云基础架构进行数据存储和处理，从而构建起一个集成的云系统，可以让分布全球的多个研究团队即时分析数据并获得洞察。
问题 4. 在云计算中结合 AI 技术的过程中，甲骨文遭遇过哪些技术难题和瓶颈？是如何克服/实现技术突破的？谢鹏：从企业的角度来讲，AI 是拿来用的，不是拿来炫耀或仅在实验室中做研究的。 他们更关心的是如何在企业现有的应用中拓展智能化应用。每个组织/企业都在探索数据科学和机器学习以作为发展自身竞争优势的关键，但缺乏全面的工具和集成的机器学习功能可能导致这些创新不足. 虽然人工智能不是用来炫耀的，但它确实有一定的技术门槛， 所以一些企业开始建立数据科学家的职位， 而数据科学家需要具备相关技术技能、数据库、构建、测试、环境和质量等等，并需要需要有一个工具箱。
就好比烹饪，数据是原料，实现什么样的智能化业务是想要的一道点心或大餐，而要从原料到餐点，需要使用各种工具在一个厨房里完成。这是那些有数据科学家的企业遇到的一个挑战，也是我们在开发了上述许多AI应用后考虑的问题，即如何帮助企业建立自己的 AI 应用，特别是数据科学家能够有一个集成化的工具和平台。
甲骨文在 2018 年收购数据服务公司 DataScience.com。目前，我们把它整合到甲骨文基于OCI的 AI 技术体系中，即是基于 OCI（Oracle Cloud Infrastructure）的 Data Science，是一个通用的数据科学平台，可以与各种数据源（不仅是Oracle数据库）协同工作，支持使用开源框架、库以及甲骨文专有的Python库。它允许数据科学家研究数据并培训、保存和部署模型。同时，我们期望它随后会添加模型生命周期管理。对于开发和部署，甲骨文提供了一个基于Apache Zeppelin（一个让交互式数据分析变得可行的基于网页的开源框架）的笔记本。总之，Data Science使数据科学家能够通方便地协同开源工具、数据和和计算资源，以在更短的时间内能够利用单一数据科学平台，更有效地利用机器学习和大数据进行预测分析。
问题 5. 您认为，机器学习影响现代云计算的方式主要有哪些？（如对认知计算、物联网的影响等）谢鹏：我们将这个问题聚焦到对物联网的影响上来。AI 和物联网本身是两位一体的，好比物联网是手，AI 就是脑。只有手和脑的结合才能够对企业发挥真正的效益。
与其说 AI 对物联网的影响，不如反过来说是如何把 AI 和物联网结合起来，而不是谁影响谁。现在，智能工厂、智能城市、智能仓储、智能物流所有的这些背后都有 AI 和物联网，还有一个因素就是大数据。所有智能化后面都会有这三个元素存在。
我的观点是，部署物联网时一定要一起考虑 AI。当你做 AI 应用时，最终的执行一定要有物联网的手段，否则无法释放出最大的效益。
甲骨文是走 AIoT 的路线，即 AI 与 IoT 融合。为客户提供ready-to-use的IOT SaaS方案。我们已经为企业提供的IOT产品包括：
Oracle IoT Asset Monitoring Cloud Service
Oracle IoT Fleet Monitoring
Oracle IoT Service Monitoring for Connected Assets Cloud Service
Oracle IoT Production Monitoring Cloud Service
Oracle IoT Connected Worker Cloud Service
从今后的方向方面看，由于现在的物联网的发展，实际上面临着一个问题，即每一个物联网，确切地讲是一个局域网，它与现在的互联网最大的区别在于，物联网互联和互通不是件简单的事，因为它的标准不同，终端设备不一样，所以有可能很多现在的 IoT 应用是局域的互联，但是要走向万物互联和万物互通，一个很大的问题在于如何把它变成一个基于标准的、易于互联互通的物联网，这个问题不仅仅是甲骨文在考虑，整个行业大家都在做。
所以，现在的解决方案就是通过 Web 的方式把它进行标准化，并实现易于联通，为此提出了WoT（Web of Things）的概念，就是通过 Web 的方式，使得设备在互联网上是可以定义、描述并且互联的。W3C 联盟这个组织就致力于基于物联网的互联互通，甲骨文也是其中的主要成员和积极推动者。
