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。
这是一个巨大的挑战，因为用户可能会从高性能的移动网络驶向盲区，而无论如何都希望获得良好的性能。在推理期间，没有足够的网络带宽将所有数据从边缘移动到云，但是用例要求将本地推理输出进行全局汇总。
而视频监控中所提到的智能视频技术主要指的是“自动的分析和抽取视频源中的关键信息”。
如果把摄像机看作人的眼睛，智能视频系统或设备则可以看作人的大脑。
非常有幸参加了云原生社区Meetup北京站，有机会和众多业内的大牛一起讨论云原生相关的技术和应用，本次Meetup上我和大家分享了关于云原生下的可观察性相关的议题，
强大算力：集中化的数据也意味着数据量的急剧膨胀，无论哪家自动驾驶背后都有强大的芯片支撑，只有足够的算力才能保证在最短的时间内可以进行足够的计算。
上述的这些问题相信很多读者都会深有体会，而业界也针对这种情况退出了各类可观察性相关的产品，包括开源、商业化的众多项目。例如：
Metrics：Zabbix、Nagios、Prometheus、InfluxDB、OpenFalcon、OpenCensus
Tracing：Jaeger、Zipkin、SkyWalking、OpenTracing、OpenCensus
Logging：ELK、Splunk、SumoLogic、Loki、Loggly
Technavio的报告还发现，美国教育行业人工智能市场的一个关键趋势是对聊天机器人的日益重视。
AI聊天机器人在教育中被广泛应用于辅导，帮助学生更好地理解各种概念，提高他们的学习。学生可以全天候地寻求他们的帮助，即时收到有用的回复。
企业IT关注点包括架构、性能、成本，IDC权威调研机构数据显示，全球74.6%的企业最关心的问题是安全性，安全性永远是第一位，数据库是安全重中之重。
过去几年，我和团队一直在负责蚂蚁集团内部相关平台产品的设计和运营工作。
这些平台产品包括人工智能部的A/B测试平台、机器学习平台、金融知识图谱平台、NLP平台、智能文案平台、金融视觉(CV)平台、搜索平台、机器人平台、标注平台等，以及风控团队的相关平台产品。这些平台产品，在背后支持了蚂蚁几乎所有核心业务的运行和发展。
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。
