|
以下是陆奇博士的演讲内容，雷锋网进行不改变原意的编译：
非常感谢大家在周末抽出宝贵的时间。我代表奇绩创坛的整个团队，欢迎大家参加我们的创业者见面分享会。
开始之前，我先介绍我们分析问题的思路：任何一件值得去做的事情，先要了解它的驱动力在哪里，为什么这件事情会发生，如果发生，未来会朝什么方向走，它的结构是怎样的。因为有了结构很容易看到未来，然后在结构下会形成演变的发展体系。
一、历史进程加速，世界形成新的格局
1. 新冠疫情和国际环境正在极大地加速四大趋势
首先，历史进程在加速，新冠疫情是现代社会第一次全球规模的疫情。
比尔盖茨先生写了一篇文章，他分析了为什么新冠疫情会带来一个全新的格局。文章的核心是参考黑天鹅事件对历史所造成的巨大影响，黑天鹅事件发生的概率很小，但是对世界影响很大。
它的直接影响是，目前已经在发生的几个核心历史潮流都被大幅加速了，原本可能要五年、十年以后才会发生的事情，因为疫情的原因，时间被缩短了，有的现在就开始发生了。
021年即将到来。企业在展望新的一年，评估如何更好地优化运营和加速增长时，也将面临一系列无法预料的情况。新冠肺炎疫情给各行各业的运营都造成不同程度的影响，并且这种影响在新的一年还将持续。然而，这也成为了加速关键技术发展的催化剂，这些关键技术能够帮助企业在新的一年及以后取得成功。集成新的技术解决方案来维持企业的运营和盈利能力，以及优化工作流程以应对持续的高峰需求和供应链突发事件的能力，这一直以来都是关键，且日后亦将如此。
我很高兴在2021年看到几种技术趋势，但无非就是GPU计算在数据科学和机器学习中的日益普及。这种转变是由性能优先驱动的，以及通过开源项目RAPIDS使得易于使用成为可能。如果您不熟悉RAPIDS，则用户可以使用RAPIDS在NVIDIA硬件上执行Python代码(免责声明：NVIDIA赞助了该项目)。
该团队于今年早些时候发布了行业标准的大数据分析基准测试结果，其表现要高出近20倍!有趣的是，这些基准测试不仅展示了GPU计算对数据科学工作负载的强大功能，而且还展示了其加速传统数据工程ETL工作的能力。这会导致更广泛地采用Python吗?我愿意打赌，特别是随着一批新的数据科学初创公司最近发布了分布式GPU计算平台，这是一种能够以前所未有的速度启动云中GPU集群的功能。
2021年及以后的技术
到2021年，无论是预打包的SOTA NLP模型是否可以与一行代码一起使用，自然语言查询还是对Airflow等框架进行改进，都将有很多期待。
小型和大型科技公司似乎都继续前进，即使所有Zoom疲劳了。
我们希望2021年不仅能带来技术上的进步，而且也将是我们在能够提升所有人的能力的领域取得进步的一年。
即将到来的2021年最令我兴奋的技术是期待已久的Apache Airflow 2.0版本。自2015年首次发布以来，Apache Airflow一直是数据工程中最受欢迎的工作流管理系统之一(如果不是最受欢迎的话)。
它的巨大成功可以归因于以下事实：它允许将工作流编写为代码，简单但有效的GUI，并且在构造数据管道方面具有通用的灵活性。借助新的2.0版本，每个人都喜欢的工作流管理系统将变得更好。Airflow 2.0将具有许多令人印象深刻的附加功能，包括完全受支持的综合REST API，TaskFlow API和任务组。它还提供了许多改进，包括简化的Kubernetes Executor，低延迟的调度程序以及更加直观的GUI。
我很高兴尝试新的和改进的Airflow。
6. Michael Mirandi，土星Cloud.io，战略主管
（编辑：保山站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
