作為深耕雲端計算領域的創新企業，UCloud 於今年年初提出了“ CBA ”（Cloud，Bigdata，AI）三位一體發展戰略，併發布了UAI（人工智慧）系列產品，包含超高價效比 GPU、UAI-Train、UAI-Service 和安全屋等AI產品，已構築起一站式AI全服務。
UCloud 不僅為 AI 企業提供極具價效比的計算資源，還憑藉體系化的混合雲解決方案為 AI 企業的資料安全提供保障。目前，UCloud 已經與格靈深瞳、第四正規化等 AI領域標杆企業建立了合作關係。
UCloud 對雲端計算行業有哪些新的解讀？人工智慧為雲廠商帶了哪些挑戰和機遇？帶著這些疑問，AI 前線採訪了 UCloud 創新產品線研發總監葉理燈。
嘉賓介紹
葉理燈
擁有 10 年豐富的網際網路研發經驗，先後任職於騰訊、盛大雲等網際網路公司，從事海量分散式後臺系統研發及運營，現負責 UCloud 創新產品研發，專注面向企業的雲端計算產品的研發及運營。
AI 前線：從聯合創立 UCloud 到今年 3 月完成 9.6 億元 D 輪融資，再到今天，您有哪些創業經驗可供其他技術創業者借鑑呢？
葉理燈：UCloud 拿到 9.6 億融資不能說算是成功了，只能說是階段性的勝利。融資成功說明資本市場對我們的認可，這個認可是基於我們對使用者所提供的價值。如果說可以有什麼經驗提供給其他技術創業者的話，我的第一個觀點就是定位好自己，從給使用者提供的價值出發，做有價值的產品及服務，自然會有來自市場的回報。2012 年 UCloud 創立的時候，國內的雲端計算處於全面落地的前夜，儘管當時國內也有不少廠商在做雲端計算，但都不成熟，產品和服務都離使用者的需求有點遠，我們創立 UCloud 是抱著提供更好的產品和更好的服務給使用者這一願景，這個就是價值。那個階段處在雲端計算革 IDC 的命開始階段，各雲廠商都在努力把雲端計算的市場做大。
第二點是創新。從 UCloud 舉例，一個創業公司做雲端計算這種重資產的領域，剛開始是沒多少人看好我們的。我們沒有大腿可抱，沒有錢，這就逼著我們從技術和商業模式上做創新，去克服我們第一階段資源缺乏的困難。這裡說兩個案例，在技術上，我們通過開發一個 IO 加速模組，讓我們的虛擬機器在普通儲存介質上具備類似 SSD 的 IO 能力，一方面節省使用者的成本，一方面提供好的體驗。另外一個案例，我們一開始的時候沒有資金購買物理無伺服器，為此我們改變傳統的自己購買伺服器然後做虛擬化的模式，通過和伺服器廠商合作分成的方式，避免一次性投入太多現金購買伺服器，這個模式讓我們成功度過了資金不足的階段。
第三點是堅持。UCloud 走到今天，肯定有運氣的成分，但是我覺得跟公司這幫人的堅持是有很大關係的。在那時候，我們的人力和資源配備跟巨頭沒法比，那我們的前途在哪裡呢？第一，要想清楚自己的定位：這個行業是可為的，能為使用者帶來價值，而且這個行業還遠遠沒成熟。抓住了使用者才會抓住根本，就能抓住根本。第二，一定要堅持做下去，堅持才能有希望。如果一遇到困難就退縮的話，UCloud 就沒有今天。這是我的經驗，一定要堅持。為什麼很多公司會倒下？為什麼能留下來的公司很少？我覺得除了大勢的原因，比如這個行業被淘汰了，另外就是跟創業者的韌勁有很大關係。
最後，做正確的事情很重要。UCloud 能走到今天，另外一個經驗就是創業的點選擇得也比較好。那時候雲端計算在國內沒有真正落地，2012 年整個中國對雲端計算的接受程度還比較低。我們推出產品的時候並不算晚，而且我們選擇了移動遊戲行業。移動遊戲的架構比較簡單，天生對雲端計算接受程度比較高，而且創業公司對雲端計算是比較容易接受的——因為它可以很好地幫創業公司節省現金流。由於架構簡單，移動遊戲廠商採用雲端計算也沒有什麼很大的障礙，我們抓住這個機會，也引發了整個雲端計算在中國落地的里程碑事件。UCloud 很好地抓住這個機會，後來擴充到整個創業公司，到現在我們全面鋪開。抓住某個時間點和機會是比較重要的——不是單純靠努力和艱苦就能成功的。
AI 前線：您如何看待雲廠商的混戰階段和深耕階段？
葉理燈：我覺得，目前雲端計算廠商之間是有競爭，但是還沒有到混戰階段。我覺得中國的雲端計算發展程度比國外晚，從具體產品可以看出來，國內對有些產品接受程度不高。這跟中國的 IT 發展水平有關係。從我的個人經驗來說，剛開始做雲端計算的時候，使用者常問，你們雲端計算和傳統 IDC 相比，優點在哪裡？目前也是經常被這樣問。這意味著，IDC 還存在著很大的市場等待雲端計算廠商去擴充。雲端計算要革 IDC 的命。尤其是，在很多傳統的行業，包括政府、醫療、教育，雲端計算的滲透率還是很低的。現在是蛋糕還沒有做到足夠大，沒有到雲端計算廠商完成革命去分蛋糕的階段。雲端計算廠商各有優劣，不是替代關係，目前還是大家不斷擴充雲端計算邊界做大蛋糕的階段。
AI 前線：人工智慧給 UCloud 和行業帶來了哪些機遇和挑戰呢？
葉理燈：如果把人工智慧當火箭，他需要三個方面的動力，第一是資料，第二是演算法，第三是計算能力。雲端計算是計算能力的很好的選擇。正是雲端計算的建設導致企業能很好很快地獲取 AI 的能力，這才能導致這波人工智慧浪潮的落地速度比前兩波浪潮更大和更快。
人工智慧的前兩波浪潮經歷了從春天到冬天，本質原因在哪裡？主要是，理論給了大家的很高的預期，迎來了春天；但是實際運用下來達不到預期，所以進入冬天。在現在這波浪潮中，有很多產品是有落地的，比如計算機視覺、圖片視覺、安防、自動駕駛，所以我覺得這波浪潮會持續很長時間。
我覺得人工智慧算一個技術，而不是一個行業。人工智慧落地，一定是在各個行業裡落地。滲透到行業裡去，這才是人工智慧的價值所在。這跟雲端計算有點類似。回頭來看，現在人工智慧的浪潮在國內可以稱為上半場，做應用也好演算法也好，融一筆錢，看著很不錯。那下半場就是，很多傳統的產業利用 AI 幫他們提高生產效率，實現行業落地。
我舉個例子。一個紡織業客戶，他們織布會有殘次品。如果通過人工分辨，效率太低了。為什麼不可以通過智慧圖片識別的方式去判斷是不是合格？什麼意思呢？人工智慧要滲透到行業裡，而每個行業的 IT 水平是參差不齊的，應該怎麼落地？這個時候，雲端計算是輔助人工智慧落地的加速器，各個行業的計算能力、演算法、資料的能力都可以通過雲端計算進行補齊——雲端計算廠商在這些方面都是很成熟的。
UCloud 的優勢和挑戰在哪裡？人工智慧涉及到演算法、資料和計算能力。UCloud 是中立的平臺，下不碰資料，上不碰應用。我們和做 AI 應用的公司是沒有競爭的。我們會提供平臺，但不是傳統的平臺。我們專門做了一些更加易用的平臺，除了雲端計算的資料處理之外，還有 AI 訓練、模型推理等功能，輔助人工智慧落地。我們中立，不做人工智慧相關的應用，這樣我們提供了易用的平臺幫助人工智慧落地，幫助傳統行業減少在人工智慧建設方面的成本。
AI 前線：您負責的 UCloud 創新實驗室主要在做什麼？可以分享一些成果嗎？
葉理燈：UCloud 創新實驗室包含兩個部門，一個是人工智慧部門，包括人工智慧訓練服務 UAI-Train 和人工智慧線上服務 UAI-Service。UAI-Train 是一種 PaaS 服務，使用者只需要提供 Docker 映象和訓練資料，UAI-Train 能夠自動為其訓練任務建立執行環境（Docker容器），並呼叫 GPU 計算資源為使用者提供高效能運算服務。值得一提的是，該產品按需計費，精確到分鐘，極大地降低 AI 的成本投入，避免閒置資源的浪費。而 UAI-Service 可以提供海量計算節點，自動負載均衡，動態擴縮容，同時提供高可用性、高安全性和高功能性保障；同樣是按需收費，靈活便捷。另外一個是應用創新部，基於 IaaS 平臺讓企業使用者更加方便地使用雲端計算，比如有容器服務 Container Service，有 Serverless 服務、通用計算服務。
UCloud AI 架構圖
實驗室的另一個使命是，通過內部產品重構 UCloud 軟體架構。做平臺的思路就是，先吃自己的狗糧嘛，eat your own dog food，在我們內部使用確認穩定之後，才對外公佈和提供給使用者。同時我們會採用一系列機制來保證創新，比如根據最新科技動態、友商資訊和行業需求，做技術研發並整合到平臺上，做成產品進行固化。
AI 前線：方便分享具體的客戶案例嗎？
葉理燈：我分享三個案例。
第一個案例是我們推出的通用計算服務。之前，有線上教育客戶買了 UCloud 的物理機，他們用到了人工智慧的 OCR 識別圖片中的文字。他們直接使用物理機會有很多問題，第一是成本很高，第二是要有專人維護，同時為了壓榨物理機的效能，他們就需要在寫演算法的時候把 Server 寫得很好。我們推出通用計算產品之後，他們覺得很好用。他們的物理機直接呼叫我們的 API，他們不用管後端了，十分簡便；同時，計算資源成本大大降低了，大概節省了 97%，之前 50000 塊錢，現在只要 150 塊錢，這是一個比較經典的案例。通過我們的創新產品，解決人工智慧計算和成本問題，而且平臺做得好，可以自動擴充套件，還有跨機房容災，給客戶創來很大的價值。
第二個案例是做基因檢測分析的使用者，比如分析你的祖先起源於哪裡。他們要做成演算法開放平臺，允許使用者上傳自己的演算法，進行相關的分析。這時候，他們面對的問題是如何選擇架構，比如演算法怎麼打包、如何給使用者提供報告。他們覺得 UCloud 的產品很好用，直接呼叫自己的演算法把請求轉給我們的 API，這樣下來，他們的開放平臺架構非常簡單，成本也很低，很快就搭出來了。這個平臺已經成功執行了半年時間。
還有我們剛推出人工智慧訓練 UAI-Train 的時候，創新工廠、今日頭條和搜狗聯合推出 AI Challenger 全球 AI 挑戰賽，五大賽道的後臺訓練全部都是採用 UCloud 的 AI 訓練平臺。
AI 前線：對於企業落地人工智慧，有哪些建議？
葉理燈：我的建議是，走現實的道路，找到切入點。看看在你們公司和產品的體驗裡，哪些東西是可以用到人工智慧的，幫助提高體驗也好，提高生產效率也好，降低成本也好。要找一個點去切入，根據自己的問題，去想辦法用人工智慧解決問題，而不是追求熱點，盲目地搭一套人工智慧平臺。
AI 前線：您如何看待人工智慧的火爆？
葉理燈：普通人感受到的人工智慧比較火應該是源於去年 AlphaGo 和李世石的圍棋大戰。人工智慧在不同領域的發展是不一樣，比如蘋果 Siri 也是人工智慧。谷歌推出 TensorFlow，可以讓每個人低成本地建立自己感興趣的小型應用。一項技術能落地甚至變成風潮，根本原因是它的實際價值落地成本。他的落地費用不高的時候，自然就會廣泛應用。現在很多大機構都有很多黑科技，沒有公佈出來不是因為科技不成熟或者技術不可靠。不是的，是因為這個東西量產成本太高。比如前兩天我的某個 APP 密碼忘記了，找回密碼很費勁的，需要簡訊驗證、身份證資訊。但是現在有人臉識別，直接對著攝像頭就能很方便就找回密碼了。如果人臉識別的成本很高的，那這個也是要收費的、不會這麼普及。人工智慧技術發展到一定程度，雲端計算也起了很大的功勞，因為雲端計算促使相關的技術都變得便宜了，很多高精尖的技術可以直接應用了。這是我個人觀點。
AI 前線：雲端計算跟人工智慧的結合還有更大的空間嗎？
葉理燈：我覺得還是有的。計算能力不用說了，雲端計算本身具備很強的計算能力。隨著雲端計算的發展，可能以後 80% 的資料都會在雲端計算上。資料和計算能力都在雲端計算上面，再用雲端計算做人工智慧的演算法，最後雲端計算跟人工智慧越來越緊密，或者說，雲端計算會成為人工智慧的基礎設施。
AI 前線：您最期待的人工智慧應用場景有哪些？
葉理燈：這個很難預測了。大家對人工智慧比較憂慮的是，很怕自己的崗位被機器人代替。有些行業可能會有這個問題，比如說自動駕駛出來後，很多人都不用開車了。但是很多行業不會，比如你是個設計師，是要設計海報的，而不是做一些重複勞動，那人工智慧會是更好的輔助。
我們現在遇到很多的客戶，他們會讓人工智慧和機器做重複性的機械性的東西，人會更加專注做創造性的東西，我覺得這是個大方向。人工智慧有強烈的行業屬性，各個行業面臨的問題是不一樣的。最後會變成什麼樣子，有賴於各個行業同仁的努力。
AI 前線：您怎樣引領和激勵團隊的創新呢？
葉理燈：創新最重要是不要限制。
當然了，沒有限制是很難的，比如做工程會有很多標準,研發要有過程，控制程式碼質量有流程，編碼要有編碼規範，測試要有自動化測試、單元測試、效能測試。在 UCloud，專案是否立項，是個群策群力的過程，讓大家投票決定，讓大家都有參與感，充分表達自己的意見。每個人都有侷限性，如果說都是由我來控制整個過程，那我就成為了瓶頸。
確定專案大的方向之後，我們支援不斷試錯。試錯就是要快、成本要低，10 個方向有兩個成功，對我們也是好結果。
AI 前線：對 UCloud 的未來有怎樣的期待？
葉理燈：我希望 UCloud 能更加茁壯成長，能有越來越多優秀人才加入 UCloud。UCloud 的發展壯大一定需要更多的新的優秀人才加入進來。to B 行業非常累，但是發展比較穩，不像 to C 行業會快速地起起落落。我希望 UCloud 保持初心，跟使用者站在一起，為使用者創造價值。這是最根本的。