一家公司，如何令石油石化行业拥有 10 倍＋的效率提升

有一个说法：一切不谈具体场景的大数据分析都是耍流氓。还有一种说法：一切不以预测为目的的大数据分析都是耍流氓。

要知道，我们在日常生活中所接触到的大数据，和石油石化行业中所使用的大数据，有着极大的不同。如果我们直接提供日常生活服务的大数据概念套用在石油石化行业，那可就大错特错了！

具体来说，这二者之间产生大数据的主体截然不同。百度、阿里这些互联网公司研究的大数据，主要是由人类活动产生。而石油石化行业的大数据，主要是要依靠各类传感器产生。

二者背后机理也不同。人类行为主要受到人类心理活动的驱使；而石油石化行业所研究的问题，背后是物理和化学规律。

曾经硅谷有一些科技企业，跑到 Houston 的大石油公司去游说：“把你所有的数据都给我，我来给你做大数据分析，帮助你进行勘探开发和实际生产规划的决策。”但是这个想法距离石油公司的实际应用还有很大的距离。

因为硅谷科技企业进行的大数据分析的方式并不适用于石油行业。油田决策这种动辄千万美元的事情，真正拍板的肯定还是资深工程师。要想证明现在数据分析的算法能够准确的帮助决策，还需要从实际的小项目入手，一步步地让石油行业从业者信服。

石油石化行业的物理原理非常复杂，各种情况又千变万化，想让大数据在石油业应用，离不开的技术是神经网络（Neural Network）和深度学习（Deep Learning）。简单说起来，就是试图让机器拥有人类的思维方式，达到人工智能（AI）的水平。

但是，这期间还有很长的路要走，难度相当大。因为模型和算法都需要大量的训练才能够达到理想的效果。

对此，杭州才云科技有限公司 CEO 张鑫从传统行业在 IT 升级、互联网+的过程中面临层层考验入手，指出石油石化行业 IT 业务亟待升级、数据亟待挖掘，其利用新技术“降本增效”迫在眉睫。而才云（Caicloud）基于容器技术打造的智能企业云平台，给予了石油石化行业落地效果——平台层面，将节省大量的物理资源，10 倍＋的提升开发速度，减少运维时间，同时提高安全性。

张鑫的这一分享，在 3 月 24 日由中国石油学会石油科技装备专业委员会主办的 2017 石油石化企业云计算和大数据技术应用研讨会上，引起多家企业和友商的共鸣。

才云（Caicloud）CEO 张鑫在研讨会上演讲

众所周知，谷歌深度学习框架 TensorFlow 自 2015 年 11 月开源以来受到了学术界和工业界的广泛关注。虽然在众多大型 IT 公司已得到了广泛的使用，但在广大的中小型 IT 企业以及传统企业中，要将其应用于生产环境却仍然存在挑战。

在单机环境下，即使使用目前最先进的 GPU 都无法满足训练大型深度学习模型的计算量要求。而在集群环境下， TensorFlow 存在高门槛、难配置、难管理等问题。分布式 TensorFlow 也不支持多用户管理，在多用户同时使用时存在资源和权限分配等问题。

才云基于不同应用场景，针对性地进行数据分析和模型训练，把大数据融入到石化行业的深层次业务中。通过 TaaS 平台，Caicloud 大数据解决方案可以更有效地利用海量数据，从而更多地挖掘数据中的价值。在一些实际问题中，通过 TaaS 平台训练得到的模型可以成功地将正确率提升 80%。

决定深度学习成效的三要素为数据、算法和平台，在才云的 TaaS 服务中，算法基于谷歌深度学习框架 TensorFlow ，而平台则是才云自己的容器集群，只要企业能够收集到足够的数据来对算法模型进行校正，才云的 TaaS 平台就能够不断提升精度。

张鑫表示，目前单家企业的算法模型需要一个月到数个月不等的时间进行校准，而从计算的加速比来看，采用了跨主机分布式计算的才云 TaaS 平台能够发挥高于 TensorFlow 本身超过百倍的加速比，而这也是为什么才云有底气能让石油石化行业拥有 10 倍＋的开发速率。

本文转载自才云 Caicloud 公众号。

原文链接：https://mp.weixin.qq.com/s/S45lAG76m2XAq0PrMTzRmA