企业数智化转型之路智能化数字平台建设及应用实践 pdf下载

适读人群 ：企业CEO、CIO、CDO、从事数字化转型方案制定及实施的技术人员

详解企业数智化内涵，从数据到模型再到知识，发挥出数据的价值。
提出数智融合的一体化架构，建设数智化转型基础设施，形成企业数智化转型的通路。
前沿AI技术，结合实践案例，分享以图技术实现数据的全局关联、场景融合及知识泛化。

本书的主要内容包括：第1、2章介绍数字化和数智化的基本概念与面临的问题；第3章提出数据智能融合的一体化技术架构；第4、5、6章分别从数据中心、数据平台、算法能力的角度介绍如何构建数智融合体系的基础设施；第7、8、9章分别从数据关联、场景融合和知识泛化的角度，进一步分析如何实现数智融合，包括其主要的技术和方法论；第10章通过六个实践案例对数智融合的方法体系做进一步说明。
本书适合关注数字化转型发展及应用趋势的企业CEO、CIO、CDO、从事数字化转型方案制定及实施的技术人员阅读借鉴。

杨明川，博士，现任中国电信股份有限公司研究院专家委员会副主任，大数据与人工智能研究所所长，获政府特殊津贴。目前还担任中国通信标准化协会“互联网与应用技术工作委员会”（CCSA TC1）副主席、开放数据中心联盟（ODCC）副主席、北京市通讯学会理事、中国人工智能产业发展联盟专家委员会委员等职务。

钱兵，现任中国电信研究院AI能力研发总监、AI创新工作室负责人，二级建模师，高级工程师。拥有10多年数据分析和挖掘工作经验，目前主要从事人工智能和大数据技术在网络 AI、泛娱乐大数据、商业地理洞察等领域的研发工作。

赵继壮，中国电信研究院AI赋能平台团队总监，高级工程师，长期致力于中国电信数据中心定制化服务器、先进存储产品、智算中心算力管理产品的技术规范制订和选型测试，获得中国通信学会科学技术二等奖和多次中国电信集团科技进步奖。

第1章数字化与数智化/
1.1从数字化到数智化/
1.1.1数字化的概念和发展历程/
1.1.2数智化的概念及关键要素/
1.1.3数智化是数字化的全面升级/
1.1.4数智化的发展趋势/
1.2从数字化平台到智能数字化平台/
1.2.1数字化平台的概念及构成/
1.2.2数智化转型的基础——智能
数字化平台/
1.2.3构建数智化生态体系/第2章现有企业数字化平台的问题/
2.1算力资源缺乏统一规划/
2.1.1算力需求剧增/
2.1.2企业算力建设面临的问题/
2.1.3国家政策约束与支持/
2.2大数据平台功能繁杂/
2.2.1大数据平台构建思路/
2.2.2主流的大数据平台产品与
服务提供商/
2.2.3大数据平台搭建面临的主要问题/
2.3AI能力调用缺乏体系/
2.3.1“烟囱式”低水平研发/
2.3.2AI能力共享不足/
2.4数据孤岛难打通/
2.5业务与AI能力难融合/
2.6知识积累与泛化能力缺乏/
2.6.1知识组织薄弱/
2.6.2知识泛化能力不足/第3章构建智能化数字平台——建立企业数智化转型基础/
3.1智能数字化平台的目标/
3.2智能数字化平台设计思路/
3.2.1传统企业数字化技术体系/
3.2.2数智融合平台架构设计/
3.3智能数字化平台的技术实现/
3.3.1智能数字化平台的技术架构/
3.3.2智能数字化平台的建设/第4章构建算力基础——建设具备AI能力的数据中心/
4.1什么是AI数据中心/
4.2AI数据中心的技术构成/
4.2.1基于多租户共享安全的GPU
资源池编排器/
4.2.2基于RDMA的数据中心高
性能网络/
4.2.3面向大吞吐量低延迟AI业务
的异构算力加速卡/
4.2.4基于持久化内存的高性能存储/
4.3AI数据中心的建设/
4.3.1计算能力建设/
4.3.2网络能力建设/
4.3.3存储能力建设/
4.3.4软件系统建设/
4.3.5自身服务系统建设/
4.3.6机房场地建设///企业数智化转型之路第5章构建数据处理能力——建设企业级大数据平台/
5.1企业级大数据平台的作用与
建设原则/
5.1.1企业级大数据平台的作用/
5.1.2企业级大数据平台建设原则/
5.2企业级大数据平台的技术架构/
5.2.1企业级大数据平台技术框架/
5.2.2主流大数据技术/
5.3企业级大数据平台的搭建步骤/
5.3.1平台系统的搭建/
5.3.2采集与治理数据/
5.3.3数据存储/
5.3.4数据分析/
5.3.5引擎以及可视化呈现/
5.3.6与其他平台打通/目录//第6章构建AI应用能力——建设AI赋能平台/
6.1AI赋能平台的作用/
6.2AI赋能平台的技术架构/
6.3AI赋能平台的搭建/
6.3.1构建AI算力模块/
6.3.2构建AI框架模块/
6.3.3构建AI算法模块/第7章构建数据关联能力——建立基于图技术的全局数据关联/
7.1什么是图技术/
7.1.1图存储技术/
7.1.2图计算技术/
7.1.3图表示技术/
7.2什么是数据关联能力/
7.3基于图的全局数据关联技术/
7.3.1基于图的全局数据关联
技术优势/
7.3.2基于图的全局数据关联
技术架构/
7.4构建基于图的全局数据关联能力/
7.4.1构建图数据库/
7.4.2构建图计算模型/
7.4.3构建图计算框架/第8章构建场景融合能力——实现业务场景与AI技术融合应用/
8.1什么是场景融合/
8.2业务场景与AI技术融合的目的/
8.3构建业务场景与AI技术融合
应用能力/
8.3.1了解真实用户需求/
8.3.2实现依据场景的需求建模/
8.3.3设计AI能力组合流程/
8.3.4构建AI应用评价体系/
8.3.5实现应用全流程优化/第9章构建知识泛化能力——建设企业知识中台/
9.1什么是知识泛化/
9.1.1知识泛化的定义/
9.1.2知识泛化的意义/
9.2企业知识中台/
9.2.1企业知识中台的定位/
9.2.2企业知识中台的技术架构/
9.2.3构建企业知识中台/
9.3企业知识中台的未来展望/第10章智能化企业数字平台应用实践/
10.1某电信运营商无线网络优化智能运维应用实践/
10.1.1无线网络优化面临的问题/
10.1.2基于智能化数字平台的智能
运维解决方案/
10.1.3电信运营商智能化数字平台
实践效果/
10.2药企智能化数字平台的应用实践/
10.2.1药企数智化平台概述/
10.2.2基于智能化数字平台的带状疱疹诊疗解决方案/
10.2.3带状疱疹中医药智能平台
实践效果/
10.3治安领域社交网络应用实践/
10.3.1社交网络分析面临的问题/
10.3.2基于智能化数字平台的社交
网络分析解决方案/
10.3.3治安智能化数字平台
实践效果/
10.4畜牧养殖智能运维应用实践/
10.4.1奶牛养殖面临的问题/
10.4.2基于智能化数字平台的智慧
牛场解决方案/
10.4.3智慧牛场数字平台实践效果/
10.5污水智能监测应用实践/
10.5.1污水监测面临的问题/
10.5.2基于智能化数字平台的污水
监测解决方案/
10.5.3AI视觉赋能污水监测
实践效果/
10.6互联网企业舆情分析
应用实践/
10.6.1舆情分析面临的问题/
10.6.2基于智能化数字平台的舆情
分析解决方案/
10.6.3互联网智能化数字平台
实践效果/
参考文献/

随着大数据、人工智能技术的兴起，世界正在迈入数智化时代。数据继土地、人力、资本和技术之后成为第五大生产要素，在整个生产活动中占据越来越重要的地位。如果说信息化时代最明显的特征是“软件定义世界”，那么数智化时代最明显的特征便是“算法定义世界”，无论是生产制造、流程优化、交通调度，还是生活出行、外卖点餐、电商购物，算法都无所不在。算法正在触及世界的每个角落，影响甚至改变着世界。算法以及支撑算法的数据，是数智化时代最为核心的两种力量。
站在行业发展的视角，数智化时代呈现出几个鲜明的特点：
首先，数据资产是一个企业最为核心的资产。拥有高质量、差异化数据的企业，将在未来的竞争中占据优势。而基于这些数据构建的数字化能力，将成为企业的核心竞争力。谁掌握数据，谁就拥有未来。
其次，数据将成为新的信息基础设施。早期，信息基础设施是通信网络，但是随着云计算技术的发展，信息基础设施正在从网络转向云。以云服务为核心的企业（Amazon、Microsoft、Google、阿里）已经全面取代了网络运营商，成为信息行业的领导者。未来十年，大数据基础设施将逐步取代云计算基础设施，成为未来数智化时代最重要的基础设施。
最后，围绕数据，正在形成新技术的聚合。实际上，最近二十年的信息化新技术，其共同的特征都是围绕和面向数据：物联网的核心是数据采集，移动网络（4G/5G）的特征是高速泛在的数据传输，大数据技术的核心是海量数据的高速实时处理，区块链技术的核心是数据的可信存储（分布式账本），机器学习的核心是数据价值的分析和挖掘。未来，这些技术将会进一步交叉碰撞，形成聚变。这种聚变，是数智化时代生产力提升的关键。
因此，数智化时代得益于数据和算法的有效聚合。从这个意义上说，数据和算法是数智化的一体两面，二者的融合对于数智化的发展尤为重要。这种融合有两个方面的含义：一方面是算法提升数据价值，即AI For Data；其目标是将海量的、孤立的、低价值密度的、低质量的大数据，通过智能算法，提炼成为高度整合的高质量、高价值密度的数据。这个过程可以类比为“炼油”的过程，即通过算法把粗糙的原油提炼为精品油；另一方面是数据支撑算法的设计和优化，即Data For AI。其目标是利用数据，（特别是标注数据）构建并优化算法，解决生产、生活和服务中的具体问题。人工智能的巨大进步离不开高质量数据的支持，值得一提的是，这个过程才刚刚开始，仅仅针对部分领域和局部问题，面对更加复杂的全局性问题，数据和智能的融合还有很长的路要走。
在面对复杂环境和复杂问题时，如何实现数据和智能的深度融合，还是一个颇具挑战的问题。目前，围绕大数据的采集、清洗、分析和处理已有完整的技术体系，围绕人工智能的算法框架、训练、优化、封装也有较为完整的技术体系。但是两种技术体系相互隔离，缺乏有效的整合，难以形成有效的“数据—算法—数据”的闭环，从而也难以解决复杂场景下的复杂问题。
本书针对数据和智能的深度融合问题，提出了一体化的架构，并结合在一些领域的实践，提炼了数智融合的思路和方法，希望能够给对这个问题感兴趣的读者一些启示和借鉴，为数智化时代的到来贡献一份力量。
本书的主要内容包括：第1、2章介绍数字化和数智化的基本概念和面临的问题；第3章提出数据智能融合的一体化技术架构；第4、5、6章分别从数据中心、数据平台、算法能力的角度构建数智融合体系的基础设施；第7、8、9章分别从数据关联、场景融合和知识泛化的角度，进一步分析如何实现数智融合，包括其主要的技术和方法论；第10章通过六个实践案例对数智融合的方法体系做进一步说明。
本书是团队智慧的结晶，由杨明川、钱兵负责全书内容的梳理、审核和修定，杨明川构思了各章的内容结构和写作角度，杨明川、钱兵、赵继壮、白亮、高飞、刘倩、薛艳茹、周松桥、石丽娟、闫蕊、郭煜、张星星、李伟、闫汇共同参与了本书的编写。
本书的编写也得到了多位行业专家的大力支持和悉心指导，在此对他们表达诚挚的谢意！

杨明川
2022年5月