【猎云网（微信：ilieyun
）北京】6月13日报道（文/吕梦）
今日，在天云大数据产品发布会暨渠道招募会上，为企业用户提供分布式计算平台产品和AI平台基础设施的科技厂商天云融创数据科技CEO雷涛表示，公司已于2018年上半年完成由曦域资本、华映资本领投的1亿人民币B轮融资。
如今，人工智能在各个领域的发展并不平衡，如无人驾驶、人脸识别及机器人等领域，因其算法与目的都很明确，又因媒体关注的推动，资本与数据的聚焦之下容易找到最佳实践，但针对算法纷繁复杂、数据私有与云服务私有的商业智能领域，AI应用程度参差不齐。而相比人脸识别、无人驾驶，打车软件、测序基因、互联网快递等这些才是AI当前能够实际解决人们日常生活场景的应用工具。
显然，AI的需求在不断增长。据腾讯研究院预测，到2020年，市场对AI应用的需求将增长300%，但另一方面，偏少的人才供给，导致AI人才成本高昂。只有通过升级大规模生产工具，才有望满足需求。
针对这一现状，天云大数据提出了解决问题的规模化AI工具， 通过构建支持Auto Machine Learning特性的PaaS化AI平台MaximAI，尝试为客户做AI赋能，减少对数据科学家的依赖，让企业获取机器智能像读书一样简单。
事实上，微软和谷歌先后利用图片分类的案例给出了其对AutoML的答案：建模者只需付出最少的操作(上传、选择和评估)，利用微软或谷歌云AI平台的能力，即可获得具有一定精度的机器学习模型。
同样，天云大数据自2015年即开始开发分布式人工智能平台MaximAI，目前MaximAI已经迭代到3.0版本，实现了算法的自动化优化，即Auto Machine Learning。也就是说，客户在选择算法时能更加简单，像基于Android开放应用一样，基于天云的PaaS化AI平台去构建机器学习模型。同时，还可以实现notebook环境下的容器化部署，根据任务类型自动确定算法，特征工程自动化，自动衍生或合成特征，模型超参优化智能化。
具体来说，MaximAI是一款通用人工智能平台，除金融领域外，在医疗、能源、艺术品交易所也得到了成功验证。
在医疗领域，天云利用机器学习算法准确识别出影响冠心病患病概率的重要性因子，并依此建立模型、进行预测，在临床实践中为专业医师提供参考和开拓诊疗思路；
能源领域，天云通过对油井故障的示功图进行故障分类，将传统以月为单位的反馈分析效率提升到了日，并且大大减少了维护工人的数量；
艺术品交易领域，通过聚类算法分析，为营销以及艺术品的甄选上线提供精确的数据指导和预测。
经过几次平台迭代，天云平台已能实现模型的智能化生产，真正实现Auto Machine Learning。通过一系列的自动化方法，成功减少了对数据科学家的依赖，降低了AI在企业市场的应用门槛。
此外，天云大数据还推出了百万原生代码规模的HTAP数据库产品：Hubble,可以实现混合交易分析处理。
据雷涛介绍，Hubble的目标就是做国产的HTAP数据库。在使用hubble时，无论业务规模大小，始终都与小型应用阶段相同，无需改变使用习惯，当业务规模扩大时，只需要添加新的节点，提升数据库的能力，就可以适应业务变化的需要，每个阶段无需付出额外的成本。
Hubble的典型应用场景包括，历史数据查询，全量数据存储，统一格式查询，从而实现对核心交易的减负，并保障全量数据的在线。
例如针对游戏和电商数据分析，可以支持海量的游戏、电商数据的存储，方便对用户进行画像，实现精准营销，并提供秒级的响应速度；在基础设施监控方面，提供准实时入库，对基础实时数据进行流处理，并实时的提供对基础设施数据的监控；在IoT及传感器数据应用上，也可以通过实时入库，对物联网数据进行存储、查询及挖掘。
