人工智能、深度学习浪潮直观的反映出行业往深度智能阶段发展的趋势走向，这并非偶然现象，几大应用市场需求的驱动，上游深度学习芯片和算法的开源，行业所具备的天然的海量数据训练集特征等多维因素一起推动了安防走向深度智能化。
1.成本降低
智能安防系统的成本远高于传统安防，随着AI技术的普及，单体产品和系统价格将会逐渐下降。随着上游软硬件国产化程度不断提高，传统监控产品价格下降至3600元左右，而AI监控系统价格在20000元左右，以现存公安监控系统为例，目前公安视频监控系统共有2300万路，以20%的AI升级换代计算，可以带来920亿元的市场增量。
上面这幅图详细大家非常熟悉，这是Peter Bourgon在参加完2017 Distributed Tracing Summit后发表的一篇博文，简洁扼要地介绍了Metrics、Tracing、Logging三者的定义和关系。这三种数据在可观察性中都有各自的发挥空间，每种数据都没办法完全被其他数据代替。
从上面的分析来看，OpenTelemetry的定位是作为可观察性的基础设施，解决数据规范与获取的问题，后续部分依赖各个Vendor来实现。当然最佳的方式是能够有一个统一的引擎去存储所有的Metrics、Logging、Tracing，有一个统一的平台去分析、展示、关联这些数据。
人工智能来拯救!
借助人工智能的课程可以为学生提供真实的场景，帮助他们获得实践知识。从经验中学习，不但能提高他们的知识储备，更能帮助他们懂得如何运用自己的知识和技能。
第一层：数据安全性，阿里云的MyBase云数据库，专属集群上面已经做到相对比较多的防护，包括白名单控制、返回电路SSL加密、TDE加密以及开源软件连带的内核漏洞修复，阿里云都有自己的团队在做。
MyBase机制与上面的实例级别的交互产品的区别在于，在MyBase上面，给用户提供的是一台完全独立的服务器，可以是一台完全独立的物理主机，一台实实在在的物理主机，在购买完这台物理主机之后，可以在这台物理主机上面直接分配自己的数据库，这种方式有两个好处：
于是，结束会议后，我们要求上楼到标注员工的办公区，具体看看情况。
当我们站在标注人员身后，仔细观察他们的操作、与他们深入交谈后，就有了新的发现。
本身的云数据库专属集群，因为拥有主机级别的操作权限，可以把企业已经采购的安全的插件也安装到云上的数据库里面。比如已经买好一套审计系统，也可以选择直接把这套审计系统部署在云数据库专属集群里面，从而把专属集群的安全能力跟本地系统的安全能力做一个全面结合，形成更好的双方都可以认可的安全等级防护。
经过一番简化之后，用户才能在几分钟之内，完成全流程、非常有体感的demo了。
5 有标准/统一的交互体验
在做好每一个平台的设计之外，还需要考虑不同平台的体验一致性，即平台的统一。
