以下為汪濤演講全文
女士們、先生們，分析師和媒體朋友們，大家上午好！
非常高興和大家見面，也非常榮幸再次有機會和大家溝通，我謹代表華為公司，熱烈歡迎大家蒞臨華為“數據庫與存儲產品發(fā)布會”！
2017年，華為公司發(fā)布新的愿景使命：把數字世界帶入每個人、每個家庭、每個組織，構建萬物互聯的智能世界。與客戶伙伴一起，構建萬物互聯的智能世界成為我們長期不斷的追求，而數據基礎設施是加速智能世界到來的核心驅動力。我今天的主題將圍繞“邁向智能時代，重定義數據基礎設施”展開。
人類社會正從農業(yè)經濟、工業(yè)經濟快速進入數字經濟時代。根據華為《全球產業(yè)展望GIV》預測，全球數據量將從2018年的32.5ZB快速增長到2025年的180ZB。海量的數據帶來了巨大的挑戰(zhàn)，也孕育了前所未有的機遇。AI的廣泛使用，使數據的潛在價值更容易被發(fā)現，極大提升企業(yè)在數字經濟時代的競爭力。根據牛津經濟研究院的分析，數字經濟的增長率是全球經濟增長率的2.5倍；數字經濟的投資收益率為非數字經濟的6.7倍；到2025年，數字經濟規(guī)模將高達23萬億美金。數字經濟已成為全球經濟增長的新引擎。數據成為新生產資料，智能成為新生產力。
當前，千行百業(yè)正在加速智能化進程，而越來越多的企業(yè)已經意識到數據基礎設施是智能化成功的關鍵。數據基礎設施通過計算資源、存儲資源和數據處理平臺三個部分分別解決數據的計算、存儲和分析。
接下來，我將通過幾個行業(yè)案例讓大家了解“數據+智能”如何改變各行各業(yè)，并創(chuàng)造新的產業(yè)價值和社會價值。
“數據+智能”改變各行各業(yè)
“數據+智能”正在支撐自動駕駛領域的海量數據高效處理。比如，L5級別的自動駕駛，每輛車每天產生數據64TB，從開發(fā)到量產需積累100億公里以上的自動駕駛里程經驗、過程中將產生數據超50EB。華為云自動駕駛云服務Octopus覆蓋提供3萬個虛擬場景仿真測試，讓模型訓練速度提升80%，開發(fā)周期從“月”縮短到“周”。
“數據+智能”也應用在金融安全領域。金融風控要求處理時間小于100毫秒，而傳統(tǒng)金融風控平臺，根本無法滿足百毫秒內業(yè)務需求�；诖髷祿却嬗嬎愫腿斯ぶ悄芗夹g的華為金融實時風控解決方案能實現千萬維度數據量，30毫秒內完成風控計算。2018年，這套系統(tǒng)幫助招行減少交易損失5000千多萬美元，降低風險發(fā)生率83%。
還有一個有趣的例子，2018年，中國西部的青海實現連續(xù)9天清潔能源供電，所有用電均來自水電、太陽能以及風電等清潔能源，創(chuàng)造了新的世界紀錄。這背后是電力供應與市場用電需求的精準匹配，華為與青海電力公司共建了大數據中心，通過發(fā)電、配電和用電三方數據共享和分析，實現發(fā)用電預測準確率達到97%以上。令人興奮的是，青海省計劃到2030年建成100%可再生能源電力系統(tǒng)，實現全年365天清潔能源供電。
此外， “數據+智能”正在保護我們的生態(tài)環(huán)境。在哥斯達黎加熱帶雨林中，Rainforests公司部署的太陽能雨林監(jiān)聽設備覆蓋了2,500平方公里的雨林區(qū)域。借助華為云的海量數據存儲和智能分析能力，對紛繁復雜的雨林音頻進行實時處理和精準識別，第一時間分辨出電鋸和卡車的噪音，阻止盜伐行為。接下來我們看一段視頻。
圍繞計算、存儲和數據處理
重定義數據基礎設施
數據基礎設施建設是各行各業(yè)加速智能化進程的必由之路。當前，只有不到2%的企業(yè)數據被保存，而其中得到分析利用的不足10%，數據價值沒有得到充分釋放。業(yè)務與數據的多樣性，驅動計算的多樣性，單一的計算架構無法滿足多場景、多數據類型的處理需求。例如，用CPU處理圖像、神經網絡等數據模型，功耗巨大、但算力只發(fā)揮不到系統(tǒng)的20%。有效使用多計算架構共存的異構平臺，是解決算力稀缺且昂貴的關鍵。
過去十年，隨著企業(yè)應用的快速發(fā)展，IT系統(tǒng)形成一個個孤島，數據無法共享，資源不能流動，管理和擴展復雜，存儲效率問題凸顯。傳統(tǒng)數據分析平臺無法適配AI引擎，不支持實時流處理，數據的價值沒有得到充分挖掘。
智能時代，企業(yè)需要更快、更智能的數據基礎設施。華為圍繞計算、存儲和數據處理三個領域重定義數據基礎設施，助力各行業(yè)加速邁向智能時代。
在計算領域，華為引領多樣性計算，推動計算架構多樣性發(fā)展，讓算力更充裕更經濟；在存儲領域，為應對存儲效率低、管理復雜的問題，華為重定義存儲架構，大幅提升效率，引領存儲智能化；在數據處理平臺領域，為應對更實時和智能的需求分析，華為重定義數據處理平臺，讓分析更智能，加速實現數據價值。
我們來了解下華為如何引領多樣性計算。華為推動計算架構從以X86+GPU為主的單一計算架構到以X86+GPU+ARM64+NPU為主的異構計算架構快速發(fā)展。基于X86架構，華為引入AI管理和智能加速能力，率先推出了智能服務器FusionServer Pro；基于ARM64打造了業(yè)界性能最強的泰山服務器；基于Ascend芯片的Atlas智能計算，實現了業(yè)界首個端邊云協同的人工智能平臺。
重定義數據處理平臺
讓分析更智能，加速實現數據價值
華為在數據處理領域持續(xù)戰(zhàn)略投資，并不斷創(chuàng)新突破。傳統(tǒng)企業(yè)數據處理以結構化數據為主，數據庫+BI應用為主要模式；智能時代，數據處理從結構化數據向結構化+非結構化的多樣性數據處理轉變，以云和分布式技術為驅動力，數據庫+大數據+AI相結合的現代數據處理平臺成為主流。
華為圍繞異構、智能、融合三大方向重定義數據處理平臺：異構是指華為數據庫可以在X86、ARM、GPU、NPU多樣性算力下運行，實現性能最優(yōu)；智能是指將AI技術引入數據庫，大幅提升數據庫自動化管理和優(yōu)化能力；融合是指打通大數據、數據庫與AI處理三大功能模塊，實現多系統(tǒng)協同計算與多樣性數據融合分析，實現企業(yè)數據價值最大化。
目前華為提供全生命周期、全棧大數據平臺服務�；趶V泛認知的數據庫生態(tài)，截止目前華為云共發(fā)布4大類13個數據庫服務；基于全棧全場景AI解決方案，截止目前華為共發(fā)布有59個服務，160+的功能，實現“用得起、用得好、用得放心”的普惠AI；面向AI開發(fā)者，華為發(fā)布ModelArts一站式AI開發(fā)平臺，降低人工智能使用門檻。在斯坦福大學發(fā)布的DAWNBench排名中，ModelArts獲得AI訓練和推理的雙世界第一。華為將持續(xù)投資、推動數據處理平臺的研發(fā)與創(chuàng)新，為客戶提供更加豐富的數據庫產品與服務。
發(fā)布全球首款AI-Native數據庫GaussDB
今天，我代表華為公司正式發(fā)布全球首款AI-Native數據庫GaussDB，這也是業(yè)界第一款支持ARM的企業(yè)級數據庫。
作為全球首款AI-Native數據庫，GaussDB有兩大革命性突破：第一，首次將人工智能技術引入數據庫的全生命周期流程，實現自運維、自管理、自調優(yōu)和故障自診斷。在交易、分析和混合負載場景下，基于最優(yōu)化理論，首創(chuàng)深度強化學習自調優(yōu)算法，把業(yè)界平均性能提升60%。第二，支持異構計算，充分發(fā)揮X86/ARM/GPU/NPU多樣性算力優(yōu)勢，最大化數據庫性能，在權威標準測試集TPC-DS上，華為GaussDB排名第一。此外，GaussDB支持本地部署、私有云、公有云等多種場景。在華為云上，GaussDB為金融、互聯網、物流、教育、汽車等行業(yè)客戶提供全功能、高性能的云上數據倉服務。稍后我的同事將為大家介紹GaussDB的詳細內容。
發(fā)布新一代
智能分布式存儲FusionStorage 8.0
存儲也是數據基礎設施的重要組成部分，我代表華為公司正式發(fā)布第二款產品：新一代智能分布式存儲FusionStorage 8.0。
應對數據量激增、數據類型多樣化、實時性數據分析三大挑戰(zhàn)，需要更大規(guī)模的存儲和更快的業(yè)務響應，同時更需要智能化的運維管理。新一代智能分布式存儲FusionStorage 8.0通過重定義存儲架構，從“Storage for AI”和“AI in Storage”兩個維度實現效率大幅提升，引領存儲智能化。
首先，“Storage for AI”通過融合共享，避免數據多次拷貝，讓AI分析更高效。FusionStorage 8.0創(chuàng)造性的將塊，文件，對象，HDFS四種存儲服務融合，打通數據孤島，解決了多樣性數據共享問題；同時，FusionStorage 8.0通過協議融合，實現了多種協議共享數據源，節(jié)省數據無效搬移時間，讓分析更高效。其次，“AI in Storage”率先將AI融入存儲全生命周期管理，從資源規(guī)劃、業(yè)務發(fā)放、系統(tǒng)調優(yōu)、風險預測、故障定位等方面實現智能運維。
華為圍繞計算、存儲和數據處理三個方面重定義數據基礎設施：引領多樣性計算，讓算力更充裕更經濟；重定義存儲架構，大幅提升效率，引領存儲智能化；重定義數據處理平臺，讓分析更智能，加速實現數據價值。
創(chuàng)新是華為產品研發(fā)的核心文化，我們將持續(xù)發(fā)揮“聯接+計算+云”的協同優(yōu)勢，引領ICT產業(yè)發(fā)展，打造智能時代的發(fā)動機！
再次感謝大家的聆聽，祝愿各位北京之行愉快！
