专访 UCloud 叶理灯：云计算会成为人工智能的基础设施

2018 年 1 月 29 日 EGONetworks 赵新龙

作为深耕云计算领域的创新企业，UCloud于2017年初提出了" CBA "（ Cloud 、Bigdata 、AI ）三位一体发展战略，并发布了 UAI（人工智能）系列产品，包含超高性价比 GPU 、UAI-Train 、UAI-Service 、安全屋等 AI 产品，已构筑起一站式 AI 全服务。

UCloud 不仅为 AI 企业提供极具性价比的计算资源，还凭借体系化的混合云解决方案为 AI 企业的数据安全提供保障。目前，UCloud 已经与格灵深瞳、第四范式等 AI 领域标杆企业建立了合作关系。

UCloud 对云计算行业有哪些新的解读？人工智能为云厂商带了哪些挑战和机遇？带着这些疑问，我们采访了 UCloud 创新产品线研发总监叶理灯。

作者 | 赵新龙

嘉宾简介

叶理灯，拥有 10 年丰富的互联网研发经验，先后任职于腾讯、盛大云等互联网公司，从事海量分布式后台系统研发及运营，现负责 UCloud 创新产品研发，专注面向企业的云计算产品的研发及运营。

从联合创立 UCloud 到 2017 年 3 月完成 9.6 亿元 D 轮融资，再到今天，您有哪些创业经验可供其他技术创业者借鉴呢？

UCloud 拿到 9.6 亿融资不能说算是成功了，只能说是阶段性胜利。融资成功说明资本市场对我们的认可，这个认可是基于我们对用户所提供的价值。

如果说经验，我的第一个观点就是定位好自己，从给用户提供的价值出发，做有价值的产品及服务，自然会有来自市场的回报。2012 年 UCloud 创立时，国内云计算正处于全面落地的"前夜"，尽管当时国内也有不少厂商在做云计算，但都不成熟，产品和服务都离用户的需求有点远，创立 UCloud 是抱着"提供更好的产品和服务给用户"这一愿景，这就是价值。那个阶段处在"云计算革 IDC 的命"的开始阶段，各云厂商都在努力把云计算市场做大。

第二点是创新。以 UCloud 举例，一个创业公司做云计算这种重资产领域，刚开始是没多少人看好的。我们没有大腿可抱，没有钱，这就逼着从技术和商业模式上做创新，去克服第一阶段资源缺乏的困难。

这里说两个案例：在技术上，通过开发一个 IO 加速模块，让虚拟机在普通存储介质上具备类似 SSD 的 IO 能力，一方面节省用户的成本，另一方面提供好的体验；第二个案例，一开始没有资金购买物理服务器，为此我们改变传统的自己购买服务器然后做虚拟化的模式，通过和服务器厂商合作分成的方式，避免一次性投入太多现金购买服务器，这种模式使公司成功度过了资金不足的阶段。

第三点是坚持。UCloud 走到今天，肯定有运气的成分，但我觉得跟坚持是有很大关系的。初创期，我们的人力和资源配备跟巨头没法比，前途在哪里呢？

要想清楚自己的定位：这个行业是可为的，能为用户带来价值，而且这个行业还远远没成熟，抓住了用户就能抓住根本；
一定要坚持做下去，坚持才能有希望，如果一遇到困难就退缩，UCloud 就没有今天。

最后，做正确的事情很重要。UCloud 能走到今天，另外一个经验就是创业的点选择得也比较好。那时候云计算在国内没有真正落地，2012 年整个中国对云计算的接受程度还比较低。我们推出产品时并不算晚，而且选择了移动游戏行业。

移动游戏的架构比较简单，天生对云计算接受程度比较高，而且创业公司对云计算是比较容易接受的 —— 因为它可以很好地帮创业公司节省现金流。

由于架构简单，移动游戏厂商采用云计算也没有很大障碍，抓住这个机会，也引发了整个云计算在中国落地的里程碑事件，后来拓展到整个创业公司，到现在全面铺开。抓住某个时间点和机会是比较重要的，因为创业不是单纯靠努力和艰苦就能成功的。

您如何看待云厂商的混战阶段和深耕阶段？

我认为，目前云计算厂商之间是有竞争，但还没有到混战阶段。中国的云计算发展程度比国外晚，从具体产品可以看出来，国内对有些产品接受程度不高，这跟中国的 IT发展水平有关系。从个人经验来说，刚开始做云计算时，用户常问，云计算和传统 IDC 相比，优点在哪里？目前也经常被这样问。

这意味着，IDC 还存在很大的市场等待云计算厂商去拓展，尤其是在很多传统行业，包括政府、医疗、教育，云计算的渗透率还是很低的。现在是蛋糕还没有做到足够大，没有到云计算厂商完成革命去分蛋糕的阶段。云计算厂商各有优劣，不是替代关系，当前还是大家不断拓展云计算边界做大蛋糕的阶段。

人工智能给 UCloud 和行业带来了哪些机遇和挑战？

如果把人工智能当"火箭"，它需要三方面的动力：第一是数据，第二是算法，第三是计算能力。云计算是计算能力很好的选择。正是云计算的建设，促使企业能很好很快地获取 AI 的能力，这才最终使这波人工智能浪潮的落地速度比前两波浪潮更大、更快。

人工智能的前两波浪潮经历了从春天到冬天，本质原因在哪里？主要是理论给了大家很高的预期，迎来了春天，但实际运用下来达不到预期，所以进入了冬天。在目前这波浪潮中，有很多产品是有落地的，比如计算机视觉、图片视觉、安防、自动驾驶，所以我认为这波浪潮会持续很长时间。

我觉得人工智能算一个技术，而不是一个行业。人工智能落地，一定是在各个行业里落地，渗透到行业里去，才是人工智能的价值所在，这跟云计算有点类似。回头来看，现在人工智能浪潮在国内可以称为上半场，做应用也好算法也好，融一笔钱，看着很不错。那下半场就是很多传统产业利用 AI帮它们提高生产效率，实现行业落地。

举例来说，一个纺织业客户，他们织布会有残次品，如果通过人工分辨，效率太低了。为什么不可以通过智能图片识别的方式去判断是否合格？人工智能要渗透到行业里，而每个行业的 IT 水平参差不齐，应该怎么落地？这时，云计算是辅助人工智能落地的"加速器"，各个行业的计算能力、算法、数据能力都可以通过云计算进行补齐，因为云计算厂商在这些方面都已经很成熟。

UCloud 的优势和挑战在哪里？人工智能涉及到算法、数据和计算能力。UCloud 是中立的平台，下不碰数据，上不碰应用，因此与做 AI 应用的公司是没有竞争的。我们会提供平台，但不是传统的平台，而是专门做了一些更加易用的平台，除了云计算的数据处理之外，还有 AI 训练、模型推理等功能，辅助人工智能落地。

我们中立，不做人工智能相关的应用，但提供了易用的平台帮助人工智能落地，帮助传统行业减少在人工智能建设方面的成本。

您负责的 UCloud 创新实验室主要在做什么？可以分享一些成果吗？

UCloud 创新实验室包含两个部门：一个是人工智能部门，包括人工智能训练服务 UAI-Train 和人工智能在线服务 UAI-Service ；另外一个是应用创新部，基于 IaaS 平台，让企业用户更加方便地使用云计算，比如有容器服务 Container Service 、Serverless 服务、通用计算服务。

UAI-Train 是一种 PaaS 服务，用户只需要提供 Docker 镜像和训练数据，UAI-Train 能够自动为其训练任务创建运行环境（ Docker 容器），并调用 GPU 计算资源为用户提供高性能计算服务。值得一提的是，该产品按需计费，精确到分钟，极大降低 AI成本投入，避免闲置资源浪费。

UAI-Service 可以提供海量计算节点，自动负载均衡，动态扩缩容，同时提供高可用性、高安全性和高功能性保障，同样是按需收费，灵活便捷。

实验室的另一个使命是，通过内部产品重构 UCloud 软件架构。做平台的思路就是"先吃自己的狗粮"嘛，eat your own dog food ，在我们内部使用确认稳定之后，才对外公布和提供给用户。同时，会采用一系列机制来保证创新，比如根据最新科技动态、友商资讯和行业需求，做技术研发并整合到平台上，做成产品进行固化。

方便分享具体的客户案例吗？

我分享三个案例。

第一个案例是 UCloud 推出的通用计算服务。之前，有在线教育客户买了 UCloud 的物理机，他们用到了人工智能的 OCR 识别图片中的文字。客户直接使用物理机会有很多问题，不仅成本很高、需要有专人维护，而且为了压榨物理机的性能，还需要在写算法时把 Server 写得很好。

我们推出通用计算产品之后，客户的物理机直接调用我们的 API ，不用管后端了，十分简便，同时计算资源成本大大降低了，大概节省了 97% ，之前需花 50000 元，现在只要 150 元，这是一个比较经典的案例。通过创新产品，UCloud 解决了人工智能计算和成本问题，而且平台做得好，可以自动扩展，还有跨机房容灾，给客户创造很大的价值。

第二个案例是做基因检测分析的客户，要做成算法开放平台，允许用户上传自己的算法，进行相关分析。这时候，客户面对的问题是如何选择架构，比如算法怎么打包、如何给用户提供报告。客户直接调用自己的算法把请求转给 UCloud 的 API ，这样一来，客户的开放平台架构非常简单，成本也很低，很快就搭出来了。这个平台已经成功运行了半年时间。

还有在 UCloud 刚推出人工智能训练 UAI-Train 时，创新工厂、今日头条和搜狗联合推出 AI Challenger 全球 AI 挑战赛，五大赛道的后台训练全部都是采用 UCloud 的 AI 训练平台。

对于企业落地人工智能，有哪些建议？

我的建议是走现实的道路，找到切入点。企业从自身公司和产品体验里找出哪些东西是可以用到人工智能的，从提升体验、提高生产效率或者降低成本出发，要找一个点切入，根据自身问题，去想办法用人工智能解决问题，而不是追求热点，盲目搭建一套人工智能平台。

您如何看待人工智能的火爆？

普通人感受到的人工智能比较火应该是源于 2016 年 AlphaGo 和李世石的围棋大战。人工智能在不同领域的发展是不一样的，比如苹果 Siri 也是人工智能。谷歌推出 TensorFlow ，可以让每个人低成本地建立自己感兴趣的小型应用。一项技术能落地甚至变成风潮，根本原因是它的实际价值落地成本，当落地费用不高时，自然就会广泛应用。

现在，很多大机构都有黑科技，没有公布出来不是因为科技不成熟或者技术不可靠，主要是因为量产成本太高。比如之前我的某个 APP 密码忘记了，找回密码很费劲的，需要短信验证、身份证信息。但现在有人脸识别，直接对着摄像头就能很方便找回密码了。

如果人脸识别的成本很高，那这个也是要收费的，并不会这么普及。人工智能技术发展到一定程度，云计算也起了很大作用，因为云计算促使相关技术都变得便宜，很多高精尖技术可以直接应用了，这是我的个人观点。

云计算跟人工智能的结合还有更大空间吗？

我认为还是有的。计算能力不用说了，云计算本身具备很强的计算能力。随着云计算发展，可能以后 80% 的数据都会在云计算上。数据和计算能力都在云计算上面，再用云计算做人工智能的算法，最后云计算跟人工智能越来越紧密，或者说，云计算会成为人工智能的基础设施。

您最期待的人工智能应用场景有哪些？

这个很难预测了。大家对人工智能比较忧虑的是，很怕自己的岗位被机器人代替。有些行业也许会有这个问题，比如自动驾驶出来后，很多人都不用开车了。但很多行业不会，比如设计师，是要进行创造性劳动，而不是做一些重复劳动，那人工智能会是更好的辅助。

我们现在很多客户会让人工智能和机器做重复性、机械性的东西，人会更加专注做创造性的东西，我觉得这是个大方向。人工智能有强烈的行业属性，各个行业面临的问题是不一样的，最后会变成什么样子，有赖于各个行业同仁的努力。

您怎样引领和激励团队的创新呢？

创新最重要的是不要限制。

当然了，没有限制是很难的，比如做工程会有很多标准，研发要有过程，控制代码质量有流程，编码要有编码规范，测试要有自动化测试、单元测试、性能测试。在 UCloud ，项目能否立项，是个群策群力的过程，让大家投票决定，让大家都有参与感，充分表达自己的意见。每个人都有局限性，如果说都是由我个人来控制整个过程，那我就成为了"瓶颈"。确定项目大方向之后，我们支持不断试错。试错就是要快、成本要低，10 个方向有两个成功，对我们也是好结果。

对 UCloud 的未来有怎样的期待？

我希望 UCloud 能更加茁壮成长，能有越来越多优秀人才加入 UCloud ，UCloud 的发展壮大一定需要更多新的优秀人才。to B 行业非常累，但是发展比较稳，不像 to C 行业会快速地起起落落。我希望 UCloud 保持初心，跟用户站在一起，为用户创造价值，这就是最根本的。

- End -