如果一个平台有数据的沉淀，那么这些数据就需要深度挖掘，从而产生更多、更大的价值。
比如，每个业务最开始接入知识图谱平台，为了解决自己的业务问题，就得从头建Schema、导数据。但随着平台的发展，沉淀的知识越来越丰富。那么，后续的平台就能直接受益于之前沉淀的知识，而不一定要自己重新建设了。这就是，平台数据沉淀出的价值。
然而，后来标注小组长们反馈“希望取消这个按钮”，说这个按钮被不少标注人员用来“挑活”：当遇到难度较大的标注题目，他们就点击“任务释放”给跳过了。
可观察性最早来自于电气工程领域，主要原因是随着系统发展的逐步复杂，必须要有一套机制用来了解系统内部的运行状态以便更好的监控和问题修复，为此工程师们设计了很多传感器、仪表盘用于表现系统内部的状态。
等级1：智能告警，能够自动去扫描所有的可观察性数据，利用机器学习的方式去识别一些异常并进行自动告警，免去人工设置/调整各种基线告警的工作
集中式云资源通常用于训练深度学习推理模型，因为开发精确模型需要大量数据和计算。生成的模型可以部署在中央云位置，也可以分发到边缘的设备。
边缘AI补充了云AI，可在需要时提供对即时决策的访问，并利用云获得更深入的见解或需要更广泛或更纵向的数据集来推动解决方案的见解。
的实时洞察分析又能满足KV式的高QPS点查特征服务的需求，将实时分析和服务做到很好的融合，极大的简化了实时数仓架构的复杂度，助力客户实时的分析与决策。
另外，阿里云Elasticsearch日志增强版将计算存储分离，使用 NFS 共享存储作为节点底层存储，利用主副分片，主分片可读可写，副分片只读的方式，实现了存储成本节约100%、写入性能提升100%、秒级弹性扩缩容的收益。
Gartner基本上每年都会发布魔力象限，所有的数据库厂商都会非常关注魔力象限。可以看到，2013年数据库魔力象限的领导者象限中主要包括Oracle、微软、IBM和SAP，这几个巨头几乎处于无敌的位置，所有的NoSQL厂商以及大数据厂商都在普通玩家的象限。
因此当时阿里巴巴做了CloudDBA产品，其集成了很多自动驾驶的概念，最终希望能够让数据库不需要通过人工干预，就能够对于出现的问题进行自动优化、修复，甚至在容量不足的时候进行自动扩容，在双11的时候能够实现智能压测，而且面对黑客攻击或者大促意外产生的SQL高峰也能够实现自动限流。
