久久久噜噜噜久久熟女,久久久久久久久,国内精品,精品国产成人亚洲午夜福利,久久天堂av综合合色蜜桃网,好姑娘在线观看完整视频高清

作者 | 流縈

策劃 | 張俊寶

【資料圖】

隨著大數(shù)據(jù)技術(shù)的融合發(fā)展，企業(yè)對(duì)數(shù)據(jù)平臺(tái)的要求越發(fā)多元：不僅要能夠整合集成、存儲(chǔ)、管理海量的多源異構(gòu)數(shù)據(jù)，還要能夠提供連通業(yè)務(wù)的多樣化數(shù)據(jù)服務(wù)能力，并且能夠支持不同應(yīng)用、不同場(chǎng)景中的落地。從 Hadoop 到 Snowflake ，數(shù)據(jù)平臺(tái)的發(fā)展呈現(xiàn)出清晰的路徑，在與云的結(jié)合上也探索了豐富的技術(shù)實(shí)踐。

那么，數(shù)據(jù)平臺(tái)的下一次“潮涌”何時(shí)到來(lái)？中國(guó)版 Snowflake 何時(shí)出現(xiàn)？為了探討問(wèn)題的答案，我們策劃了《極客有約》特別版——《再談數(shù)據(jù)架構(gòu)》系列直播。第一期，我們邀請(qǐng)到了云器科技聯(lián)合創(chuàng)始人 & CTO 關(guān)濤、Bolt 高級(jí)技術(shù)副總裁 Xiao Guo 和 RisingWave 創(chuàng)始人 & CEO 吳英駿博士，分別從平臺(tái)服務(wù)商、用戶以及投資方的不同視角分享各自的觀點(diǎn)。

InfoQ：數(shù)據(jù)平臺(tái)經(jīng)歷了一個(gè)怎樣的發(fā)展過(guò)程？

關(guān)濤 ：大數(shù)據(jù)大概是從 2003 年開(kāi)始發(fā)展的，開(kāi)始的標(biāo)志是《MapReduce》《GFS》《BigTable》三篇 paper 的發(fā)表。如果從時(shí)間維度上對(duì)比來(lái)看， 數(shù)據(jù)庫(kù)從七十年代起步，至今大概是 50 年的歷史；大數(shù)據(jù)至今的歷史是 20 年；深度學(xué)習(xí)是 2013 年左右開(kāi)始發(fā)展的，至今剛好 10 年 。

大數(shù)據(jù)技術(shù)的發(fā)展是個(gè)典型的“ 規(guī)模帶來(lái)突破 ”的例子。如果你把兩個(gè)數(shù)量級(jí)以上的數(shù)據(jù)，以相對(duì)低的成本計(jì)算起來(lái)，形成的效果可能跟以前完全不一樣。這種突破是“跳變型”突破。這種模式非常多見(jiàn)，比如最近特別流行的大語(yǔ)言模型， 其本質(zhì)上也屬于“海量數(shù)據(jù)加海量模型規(guī)模“組成的一個(gè)跳變。

我通常會(huì)把大數(shù)據(jù)的發(fā)展分成 3 個(gè)階段：孕育期、發(fā)展期和普惠期 。

第一階段，從 2003 年到 2013 年是孕育期。大家只聽(tīng)過(guò)一些耳熟能詳?shù)拇髲S在做大數(shù)據(jù)相關(guān)的建設(shè)，比如谷歌做搜索引擎后臺(tái)數(shù)據(jù)處理。2006 年，我加入微軟做的微軟第一代 KV 系統(tǒng)，也是為了支持搜索業(yè)務(wù)。

第二階段，之后 8-10 年的時(shí)間是發(fā)展期（2013-2023）。發(fā)展期有兩個(gè)關(guān)鍵事項(xiàng)推動(dòng)了大數(shù)據(jù)的發(fā)展：其一是以 Hadoop 為核心的開(kāi)源技術(shù)；其二是云計(jì)算。云計(jì)算相關(guān)技術(shù)的發(fā)展極大程度上降低了大數(shù)據(jù)平臺(tái)的建設(shè)門(mén)檻。所以，大家可以看到目前主流的大數(shù)據(jù)平臺(tái)都是在 2012 年前后開(kāi)始發(fā)展的，比如說(shuō)剛才提到的 Redshift 是云上數(shù)倉(cāng)的典型代表，Snowflake 在那時(shí)候成立，阿里巴巴大概那個(gè)時(shí)候開(kāi)始做阿里云和飛天大數(shù)據(jù)平臺(tái)等。

第三個(gè)階段，我個(gè)人將其稱作普惠期。普惠期的特點(diǎn)有兩個(gè)：其一是千帆競(jìng)發(fā)后，大部分企業(yè)被淘汰，少數(shù)企業(yè)通過(guò)競(jìng)爭(zhēng)最終占領(lǐng)市場(chǎng)，然后逐步形成規(guī)模；其二從技術(shù)角度來(lái)看，部分技術(shù)的發(fā)展趨于成熟，如批計(jì)算、流計(jì)算和分析的一些范式被固定并廣泛應(yīng)用。同時(shí)，一些外延的技術(shù)比如跟 AI 相關(guān)技術(shù)的會(huì)持續(xù)發(fā)展。

我認(rèn)為，美國(guó)市場(chǎng)可能在普惠期的早期（Snowflake 等核心廠商仍然保持高速增長(zhǎng)，年化增長(zhǎng)率 60% 以上）；中國(guó)的市場(chǎng)已經(jīng)到了發(fā)展期向普惠期轉(zhuǎn)換的階段 。

吳英駿 ：數(shù)據(jù)平臺(tái)是從數(shù)據(jù)庫(kù)演化出來(lái)的。

上個(gè)世紀(jì)六七十年代有了數(shù)據(jù)庫(kù)后，大家自然而言會(huì)考慮怎么用這些數(shù)據(jù)進(jìn)行分析？比如 IBM 的 DB2 是不是能夠變成一個(gè)可以做分析的平臺(tái)？最早一批數(shù)據(jù)平臺(tái)都是這樣慢慢發(fā)展過(guò)來(lái)的。當(dāng)時(shí)相對(duì)獨(dú)立的數(shù)據(jù)倉(cāng)庫(kù)有 Teradata，它是全球最大的數(shù)據(jù)倉(cāng)庫(kù)公司之一，在上個(gè)世紀(jì)七八十年代就已經(jīng)開(kāi)始做了。

我覺(jué)得數(shù)據(jù)平臺(tái)發(fā)展的一個(gè)核心標(biāo)志是 Google 在 2004 年發(fā)表的 MapReduce 這篇文章。這篇文章發(fā)表之后，大家對(duì)這個(gè)領(lǐng)域非常關(guān)注。每個(gè)公司內(nèi)部都有大量的閑置機(jī)器，那么，能不能使用這些閑置的機(jī)器、大量的閑置計(jì)算資源去做大規(guī)模的數(shù)據(jù)分析？2010 年前后，很多創(chuàng)業(yè)公司因此想做 MapReduce。另一方面，MapReduce 是 Google 做的一個(gè)產(chǎn)品，這個(gè)產(chǎn)品在 Uber 等公司是沒(méi)有辦法用的。那怎么辦？開(kāi)源。所以當(dāng)時(shí)就有幾個(gè)非?；鸬捻?xiàng)目，如 Hadoop、Hive、Impala、Spark。2010 年之后，云時(shí)代來(lái)了。Snowflake 也是在云時(shí)代火起來(lái)的。因此，我覺(jué)得數(shù)據(jù)平臺(tái)在美國(guó)的發(fā)展，是從單機(jī)時(shí)代開(kāi)始，往上一點(diǎn)點(diǎn)發(fā)展到 MapReduce，再發(fā)展到開(kāi)源，然后再發(fā)展到云上的一個(gè)過(guò)程。

Xiao Guo ：我主要從應(yīng)用層面說(shuō)一下我的一些見(jiàn)解。

第一， 現(xiàn)在自建數(shù)據(jù)中心的公司比較少 。Bolt 使用的數(shù)據(jù)倉(cāng)庫(kù)是 Google BigQuery。以前 LinkedIn，Uber 早期的時(shí)候還要自建數(shù)據(jù)中心，現(xiàn)在基本都上云了。 現(xiàn)在大部分公司都是用的這三家的數(shù)據(jù)倉(cāng)庫(kù)，即：Amazon Redshift、Google BigQuery、Snowflake 。

第二， 實(shí)時(shí)數(shù)據(jù)分析對(duì)應(yīng)用層面來(lái)說(shuō)非常重要 。通常來(lái)說(shuō)我們會(huì)把線上數(shù)據(jù)庫(kù)中的數(shù)據(jù) Stream Replication 到數(shù)據(jù)倉(cāng)庫(kù)里面，使用統(tǒng)一的數(shù)據(jù)倉(cāng)庫(kù)便于進(jìn)行實(shí)時(shí)數(shù)據(jù)分析。有時(shí)候我們還需要工程師在數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行人工排錯(cuò)等等。因?yàn)檫@樣就能不影響線上運(yùn)行，成本也相對(duì)比較低。

第三， AI 和 Machine Learning。現(xiàn)在大部分的公司都會(huì)或多或少做一些 AI 和 Machine Learning 的應(yīng)用， 這就要求 data platform 要考慮到 AI 和 Machine Learning platform 的集成 。

第四， Experimentation Platform。企業(yè)做增長(zhǎng)、做應(yīng)用要不停地進(jìn)行實(shí)驗(yàn)，不停地嘗試。在這種情況下， data platform 跟 experimentage platform 能否很好地集成非常關(guān)鍵 。

第五，數(shù)據(jù)的運(yùn)營(yíng)。我們有個(gè)機(jī)構(gòu)專門(mén)投數(shù)據(jù)相關(guān)的早期的 a 輪公司。在與眾多創(chuàng)業(yè)公司的交流中，我們發(fā)現(xiàn)持續(xù)的數(shù)據(jù)一體化和高質(zhì)量交付越來(lái)越受到企業(yè)重視。雖然行業(yè)內(nèi)在這方面還處在比較早期的階段，但我們的確看到了一些嘗試。

InfoQ：普惠的意義就是大家在做技術(shù)方案選型的時(shí)候，不管是大企業(yè)、中型企業(yè)還是小企業(yè)，都有一套可以選的技術(shù)路線方案，并且門(mén)檻不太高。那么，目前行業(yè)內(nèi)有哪些不同的數(shù)據(jù)平臺(tái)技術(shù)路線或者說(shuō)發(fā)展方向？

關(guān)濤 ：從企業(yè)客戶視角看，目前行業(yè)內(nèi)的技術(shù)路線有 開(kāi)源組裝自建 和 購(gòu)買商業(yè)化服務(wù) ，分別代表著兩類技術(shù)方向。技術(shù)路線的選擇也是企業(yè)客戶在技術(shù)方案選型時(shí)面臨的選擇題。

開(kāi)源自建的技術(shù)路線，指的是用不同的開(kāi)源組件拼接在一起，形成一個(gè)完整的生態(tài)。開(kāi)源組件可以隨業(yè)務(wù)需求修改，定制化程度高。

購(gòu)買商業(yè)服務(wù)的技術(shù)路線，通常意味著企業(yè)希望數(shù)據(jù)平臺(tái)做到一體化、更簡(jiǎn)單、免運(yùn)維。這條技術(shù)路線比較典型的技術(shù)產(chǎn)品就是 Snowflake。Snowflake 統(tǒng)一管理企業(yè)所有的數(shù)據(jù)，提供所有通用的功能，給用戶一體化的體驗(yàn)，對(duì)于實(shí)現(xiàn)降低門(mén)檻做普惠非常關(guān)鍵。

Xiao Guo ：我所在 Bolt 這種獨(dú)角獸的公司，一般來(lái)說(shuō)都是比較傾向于第二條路線，即購(gòu)買 SaaS 平臺(tái)的服務(wù)。對(duì)于 小型公司 而言 ，SaaS 平臺(tái)是比較理想的一個(gè)選擇。 因?yàn)檫@樣的平臺(tái)比較好用，可能很快地部署。企業(yè)可以做自己想做的產(chǎn)品，還不需要花費(fèi)很多資源深度定制、維護(hù)平臺(tái)。

隨著公司增大，定制需求越來(lái)越多，一些大公司可能更傾向于自己開(kāi)源，然后自己組裝，這樣的話會(huì)更加方便控制。

吳英駿 ：在 Uber 那個(gè)年代成立的公司選擇自建的一個(gè)很重要的原因是，那時(shí)候技術(shù)還沒(méi)有很成熟。在那個(gè)年代，他們選擇自建數(shù)據(jù)平臺(tái)成本很高。最近十年成立的公司，尤其 2015 年之后成立公司，已經(jīng)很少選擇自建數(shù)據(jù)平臺(tái)了。一方面，技術(shù)已經(jīng)更加成熟；另一方面，市場(chǎng)環(huán)境的原因?qū)е伦越ǔ杀静豢煽亓?。在這樣的情況下，企業(yè)怎么會(huì)選擇每年花幾百萬(wàn)美元還都不確定能做出什么東西，而不是去買一個(gè)市面上已經(jīng)有的成熟產(chǎn)品呢？

InfoQ：企業(yè)對(duì)數(shù)據(jù)平臺(tái)的需求及需求的演進(jìn)是怎樣的？

Xiao Guo ：首先，過(guò)去一年，美國(guó)整個(gè)經(jīng)濟(jì)比較疲軟，所以大部分企業(yè)的業(yè)務(wù)重心從不惜一切代價(jià)求發(fā)展變成了更關(guān)注收入和成本控制。所有的公司都在要求削減成本。公司技術(shù)負(fù)責(zé)人需要看人力成本和軟件成本，其中軟件成本對(duì)大部分的創(chuàng)業(yè)公司而言，指的是云上的成本、data platform 或者 data warehouse 成本。

其次，削減成本是 bottom line，增加收入 top line 相較而言更重要。企業(yè)在選擇項(xiàng)目時(shí)的標(biāo)準(zhǔn)是不能天馬行空、不能在幾年之后才會(huì)產(chǎn)生營(yíng)收，必須要聚焦、要關(guān)注接下來(lái)的 12 個(gè)月左右能夠看到營(yíng)收。

再次，現(xiàn)在 AI 和大模型都非常非?；穑蠹覍?duì) AI 有非常大的興趣。我們看到大公司比如 Amazon，他們?cè)谟么竽Ｐ图夹g(shù)提高、優(yōu)化現(xiàn)有的一些模型、一些業(yè)務(wù)。小公司像我們還沒(méi)有完全用上大模型，不過(guò)也在考慮這件事情了。小公司一般不會(huì)建設(shè)自己的 machine learning platform，而是會(huì)采購(gòu)已有產(chǎn)品。

最后，美國(guó)企業(yè)對(duì)于數(shù)據(jù)的安全性和隱私的關(guān)注度是越來(lái)越高的。

吳英駿 ：我們分 技術(shù)層面 和 商業(yè)化層面 來(lái)講。

從技術(shù)層面來(lái)講，大數(shù)據(jù)已經(jīng)發(fā)展挺久了，我認(rèn)為并不存在什么真的難點(diǎn)。

從商業(yè)化角度來(lái)講，我覺(jué)得現(xiàn)在一個(gè)很大的發(fā)展方向是效率，企業(yè)需要更加高效。高效的標(biāo)志有多種，比如企業(yè)不需要自己建機(jī)房、買機(jī)器、聯(lián)機(jī)調(diào)試等，只需要付錢(qián)買服務(wù)立刻就能用，方便快捷是高效；隨著技術(shù)發(fā)展，原本昂貴的服務(wù)、較差的性能逐漸優(yōu)化，價(jià)格便宜的同時(shí)性能越來(lái)越好，性價(jià)比高是高效；實(shí)時(shí)服務(wù)也是高效的一個(gè)標(biāo)志；所有的數(shù)據(jù)平臺(tái)都在往 SQL 方向發(fā)展進(jìn)而提升開(kāi)發(fā)效率。

總的來(lái)說(shuō)，我認(rèn)為目前技術(shù)層面很多問(wèn)題都已經(jīng)被解答了；從商業(yè)化層面，或者說(shuō)從市場(chǎng)發(fā)展規(guī)律來(lái)講的話，未來(lái)肯定是往效率方向去講這個(gè)故事。

關(guān)濤 ：數(shù)據(jù)平臺(tái)的技術(shù)從孕育期到發(fā)展期再到開(kāi)始進(jìn)入普惠期，這三個(gè)階段的變化跟客戶的變化也是相輔相成的。技術(shù)發(fā)展分成三個(gè)階段，客戶也分成三大類。

在 孕育期 ，客戶通常是 early-adopter，不一定是大公司，而是技術(shù)能夠做到極致的玩家，人數(shù)很少，可以稱作是金字塔塔尖上的那一群人。他們有很高的技術(shù)水平和動(dòng)手能力，能修改開(kāi)源代碼，能推動(dòng)技術(shù)做迭代，這是 early-adopter。

到 發(fā)展期 ，我們把客戶歸類為 Early majority。技術(shù)理念初步深入人心，市場(chǎng)上一大批對(duì)新技術(shù)有渴望的人會(huì)把這個(gè)技術(shù)用起來(lái)，然后會(huì)催生很多技術(shù)型的平臺(tái)服務(wù)提供商。

然后是 普惠期 ，我們把客戶歸類為 late majority。大家覺(jué)得用這個(gè)技術(shù)已經(jīng)是一個(gè)公認(rèn)的事情了。

客戶需求就像一個(gè)金字塔，從最頂尖的客戶需求開(kāi)始向下一層一層地?cái)U(kuò)展。最開(kāi)始的 adopter 側(cè)重于 0-1，要滿足從來(lái)沒(méi)見(jiàn)過(guò)的新場(chǎng)景，要通過(guò)技術(shù)帶來(lái)競(jìng)爭(zhēng)的獨(dú)特的差異化優(yōu)勢(shì)，要構(gòu)建競(jìng)爭(zhēng)門(mén)檻，所以那些技術(shù)的創(chuàng)新和變化是非常非常多的。在這種變化里面，開(kāi)源的眾籌迭代模式很重要。

再往下一點(diǎn)，模式就會(huì)變得固定一些，大家都這么用，然后 形成了最佳實(shí)踐。最佳實(shí)踐累積沉淀成平臺(tái)，然后平臺(tái)慢慢就打磨起來(lái)，能滿足多樣的客戶需求，讓更多企業(yè)能用起來(lái)這些平臺(tái) 。

結(jié)合我之前的經(jīng)驗(yàn)，我們會(huì)更細(xì)致地把客戶大概分成四類。

第一類，我們叫做 一線大型科技公司 ，在過(guò)去通常是互聯(lián)網(wǎng)公司為主。比如市值排名前 30 的企業(yè)通常有很大的規(guī)模，有很強(qiáng)的技術(shù)創(chuàng)新的訴求，會(huì)有很多定制化的需求。 這些企業(yè)一般會(huì)去選擇自建 。

第二類，我們叫做 digital native，就是數(shù)據(jù)原生的公司 ，這種類型的公司通常規(guī)模中等，可能在 100-1000 臺(tái)物理服務(wù)器的這樣的一個(gè)規(guī)模。這些企業(yè)我們能看到他們?cè)絹?lái)越不考慮自建了，他們會(huì)覺(jué)得自建反而不劃算。舉個(gè)例子，之前國(guó)內(nèi)有一家公司 A，大概需要 100 臺(tái) 物理服務(wù)器做數(shù)據(jù)平臺(tái)，硬件成本年化大約 300 萬(wàn) / 年，如果選擇自建的方式，企業(yè)要把一整套數(shù)據(jù)體系做起來(lái)大概需要 10 個(gè)模塊組件，需要 4-5 人的團(tuán)隊(duì)來(lái)維護(hù)，人力成本大概也需要 300 萬(wàn)元一年。如果購(gòu)買 SaaS 服務(wù)，含硬件成本也就 400 萬(wàn)。企業(yè)發(fā)現(xiàn)自建人力成本幾乎和硬件成本一樣高，所以 這類企業(yè)慢慢開(kāi)始轉(zhuǎn)向購(gòu)買平臺(tái)服務(wù) 。

第三類，我們叫做 有技術(shù)能力的傳統(tǒng)企業(yè) ，典型代表比如說(shuō)銀行、保險(xiǎn)，現(xiàn)在包括新制造比如造車企業(yè)，他們有很多的數(shù)據(jù)需求。他們技術(shù)能力很強(qiáng)，也有很強(qiáng)的付費(fèi)意愿。 這類型客戶大部分選擇購(gòu)買數(shù)據(jù)平臺(tái) ，像銀行通常不太會(huì)選擇自建數(shù)據(jù)平臺(tái)，一定會(huì)選擇購(gòu)買，因?yàn)橛X(jué)得買來(lái)的商業(yè)化產(chǎn)品可能從安全性、穩(wěn)定性的角度是有廠商負(fù)責(zé)的，有人兜底的，這個(gè)對(duì)他們很重要。

第四類企業(yè)，我們叫做 傳統(tǒng)企業(yè) ，還有數(shù)字政府類的，這些企業(yè)通常是個(gè)純粹的使用者，他們甚至都不具備構(gòu)建數(shù)據(jù)平臺(tái)的能力。不同類型的客戶要的不一樣。 第一類，可能是自建和極致的定制化，中間兩類的可能會(huì)購(gòu)買平臺(tái)型的服務(wù)。最后一類，可能他不會(huì)買平臺(tái)，也不會(huì)建平臺(tái)，要的是個(gè)解決方案 。

InfoQ：在需求這方面，中美之間有差異嗎？

吳英駿 ：我覺(jué)得肯定是有差異的。美國(guó)企業(yè)可能更加 care 的是易用性方面，而中國(guó)企業(yè)看重的是性能。

還有另外一個(gè)點(diǎn)是，中國(guó)的用戶更加偏向于大一統(tǒng)的系統(tǒng)需求，可能是需要用一套架構(gòu)解決所有問(wèn)題。比如我們用微信的時(shí)候，我可能不太想希望去跳到其他平臺(tái)，微信小程序就類似于轉(zhuǎn)化系統(tǒng)；但美國(guó)由于產(chǎn)品實(shí)在太多了，而且它產(chǎn)品分工非常明確、非常細(xì)，所以對(duì)于美國(guó)來(lái)說(shuō)最優(yōu)的解決辦法是去把這些東西拼裝起來(lái)，只要你能給我一個(gè)非常簡(jiǎn)單的拼裝方式，我就非常滿意了。

關(guān)濤 ：先說(shuō)技術(shù)，技術(shù)上中國(guó)和美國(guó)幾乎拉平的，得益于非常頻繁的技術(shù)交流，比如說(shuō)今天這樣的一個(gè)圓桌。

在商業(yè)生態(tài)上，國(guó)內(nèi)跟美國(guó)，不同的企業(yè)可能不一樣，大概有 3-7 年的差別，美國(guó)的商業(yè)生態(tài)上更關(guān)注的事情，國(guó)內(nèi)可能要再晚幾年才會(huì)關(guān)注到，比如安全和隱私保護(hù)，這是我個(gè)人的視角。

除此之外，中美還有 幾個(gè)差異點(diǎn) ：

第一點(diǎn)是 付費(fèi)意愿 的問(wèn)題，美國(guó)企業(yè)更愿意為知識(shí)、為軟件來(lái)付費(fèi)。在國(guó)內(nèi)你會(huì)發(fā)現(xiàn)很多小公司愿意開(kāi)源自建，原因就在于軟件的費(fèi)用就省掉了。當(dāng)然，后來(lái)大家越來(lái)越明白，可能人力資源的那部分成本比一般軟件還要貴。

第二點(diǎn)是 遷移方向 的問(wèn)題。剛才嘉賓舉了個(gè)例子，大家覺(jué)得 Snowflake 太貴了，然后轉(zhuǎn)移到自建上去，我這看到正好相反，我這邊看到的在國(guó)內(nèi)的特點(diǎn)是說(shuō)，國(guó)內(nèi)大多數(shù)公司把自建平臺(tái)轉(zhuǎn)向了 SaaS 托管化的平臺(tái)，這件事的核心是公司要削減成本，公司會(huì)把那些維護(hù)這個(gè)平臺(tái)的人轉(zhuǎn)移到業(yè)務(wù)上去。

第三點(diǎn)不同是對(duì) 安全 的要求不相同。美國(guó)對(duì)數(shù)據(jù)隱私安全合規(guī)的要求要高一點(diǎn)。

第四點(diǎn)，我個(gè)人認(rèn)為國(guó)內(nèi)公司的 技術(shù)好奇心 更強(qiáng)，也更開(kāi)放。你跟他談一些新技術(shù)，給他一些新的產(chǎn)品，他非常愿意嘗試，并能快速迭代給你。但國(guó)外可能門(mén)檻要高一點(diǎn)，你不達(dá)到一些成熟的標(biāo)準(zhǔn)，比如說(shuō)不達(dá)到合規(guī)和穩(wěn)定性的標(biāo)準(zhǔn)，很多美國(guó)的企業(yè)一定打不進(jìn)去。這也是國(guó)內(nèi)的技術(shù)生態(tài)發(fā)展迭代快的一個(gè)因素。

InfoQ：Snowflake 現(xiàn)在在大數(shù)據(jù)里面做得非常成功，這個(gè)平臺(tái)它這么受歡迎的原因是什么？

Xiao Guo ：作為用戶，我覺(jué)得它最好的一點(diǎn)就是你用它的時(shí)候不用去特別去想它背后的細(xì)節(jié)。它可以提供很多功能，能幫助企業(yè)進(jìn)行基礎(chǔ)設(shè)施的復(fù)雜管理和優(yōu)化。

并且，Snowflake 也是 SQL based。engineer，product，manager，product analyst 甚至 customer，所有人都可以用 Snowflake 很簡(jiǎn)單地去查詢想要的內(nèi)容，看到業(yè)務(wù)數(shù)據(jù)的一些表現(xiàn)。同時(shí)它可以支持任何云廠商，企業(yè)不用擔(dān)心自己因?yàn)樵谀膫€(gè)云平臺(tái)上而得到有限的服務(wù)。

Snowflake 也會(huì)有一些安全的標(biāo)準(zhǔn)，在數(shù)據(jù)的加密上做得很好。再就是查詢響應(yīng)速度。作為一個(gè)用戶來(lái)說(shuō)，我最關(guān)心的是一個(gè) query 能不能很快反饋，能不能支持很多用戶同時(shí)訪問(wèn)等。總而言之，作為一個(gè)終端的客戶，我更關(guān)注的是我自己的產(chǎn)品，而不是去花很多時(shí)間去想數(shù)據(jù)平臺(tái)如何構(gòu)建。如果一個(gè)平臺(tái)讓你不用去想它就能用，能讓你有更多時(shí)間專注于做對(duì)自己公司而言重要的事情，還能滿足公司需求，就是一個(gè)很好的平臺(tái)。

吳英駿 ：我們經(jīng)過(guò)長(zhǎng)期訪談發(fā)現(xiàn)，用戶用 Snowflake 是越用越爽的。用戶一開(kāi)始沒(méi)有想付那么多錢(qián)，但是這個(gè)平臺(tái)實(shí)在太好用了，所以他就一直發(fā) query，就導(dǎo)致這個(gè)平臺(tái)越用越貴，賬單才會(huì)越來(lái)越高。但是如果要去問(wèn)用戶說(shuō)，Snowflake 到底好在哪？他們都說(shuō)不清。另外，Snowflake 的用戶模型，或者說(shuō)它的收費(fèi)模式也非常好，好處在于說(shuō)你不用去選機(jī)器，你只要告訴我你選的一個(gè) T-shirt Size，其他東西都幫你搞定了。Snowflake 現(xiàn)在在往 DataCloud 方向改良，集成了相當(dāng)多的東西，這些東西能讓客戶使用產(chǎn)品時(shí)一鍵搞定所有事情。

關(guān)濤 ：前面嘉賓提了很多形容詞，我用一個(gè)詞來(lái)形容它，叫 一體化 。

Snowflake 的一體化的能力其實(shí)做得非常好，使得它很容易能被很多人用起來(lái)。如果一個(gè)公司的平臺(tái)建設(shè)完，但這個(gè)平臺(tái)只有數(shù)據(jù)開(kāi)發(fā)的那幾個(gè)同學(xué)能用起來(lái)，別人要用的時(shí)候都要經(jīng)過(guò)這幾個(gè)人，整體效率就很低。Snowflake 的一個(gè)好處就在于也許你不是特別懂系統(tǒng)，也許你只是會(huì)寫(xiě) SQL，你也可以把它很好地用起來(lái)。剛才說(shuō)的擴(kuò)展性的問(wèn)題、調(diào)優(yōu)的問(wèn)題都被系統(tǒng)屏蔽到系統(tǒng)底層之下，你不需要管它。

這種 一體化的能力，是提升業(yè)務(wù)效率，降低使用門(mén)檻的關(guān)鍵 。讓那些并不太懂技術(shù)的人，也能夠很好地使用數(shù)據(jù)平臺(tái)，就是 Snowflake 成功的第一個(gè)關(guān)鍵點(diǎn)。

多云或者叫云中立是 Snowflake 成功的第二個(gè)點(diǎn) 。很多客戶、特別是大客戶特別看重?cái)?shù)據(jù)平臺(tái)是否會(huì)綁定在一家云上。

第三個(gè)關(guān)鍵點(diǎn)是 Snowflake 面向云原生彈性的收費(fèi)能力。 對(duì)于小企業(yè)來(lái)講， Snowflake 起步非常便宜。

所以讓我總結(jié) Snowflake 這個(gè)平臺(tái)受歡迎的點(diǎn)，一個(gè)是一體化的能力，一個(gè)系統(tǒng)解決大多數(shù)問(wèn)題；第二個(gè)是多云和云中立；第三個(gè)是彈性的收費(fèi)能力降低了用戶使用的門(mén)檻。

InfoQ：從投資人的角度，你如何看待數(shù)據(jù)平臺(tái)技術(shù)的發(fā)展？

Xiao Guo ：目前我們?cè)诳匆恍┥墒?AI 的項(xiàng)目，因?yàn)槲覀冇X(jué)得 數(shù)據(jù)是接下來(lái)十年或者更長(zhǎng)久的一個(gè)巨大的最本質(zhì)的推動(dòng)力 。大家都說(shuō)接下來(lái)的十年 AI、生成式 AI 會(huì)為社會(huì)的生產(chǎn)力帶來(lái)極大提升，而 驅(qū)動(dòng) AI 最底層的就是數(shù)據(jù) 。所以我覺(jué)得在接下來(lái)的十年之內(nèi)，數(shù)據(jù)還有 AI 都是非常大的一個(gè)浪潮。

InfoQ：一家初創(chuàng)公司需要具備什么樣的特性，你才會(huì)考慮投資？

Xiao Guo ：很多方面。

早期公司我們很看重創(chuàng)始人的背景 ，因?yàn)槲覀兺兜木褪瞧夹g(shù)的公司，創(chuàng)始人及創(chuàng)始團(tuán)隊(duì)需要有很強(qiáng)的技術(shù)實(shí)力。

第二，看 產(chǎn)品是不是能解決市場(chǎng)上的一些痛點(diǎn) 。要么企業(yè)自身已經(jīng)有用戶，要么市場(chǎng)上跟他同類型的不同階段的公司已經(jīng)有用戶。初創(chuàng)企業(yè)，就看他們有沒(méi)有愿意付費(fèi)的人；比較后期的話，我們就看他有多少付費(fèi)的用戶。公司產(chǎn)品是否能解決具體的問(wèn)題，擁有哪些具體的客戶，對(duì)我們來(lái)說(shuō)很重要。

第三，我們還要看 這個(gè)賽道有多大，這個(gè)市場(chǎng)有多大 。有的企業(yè)不僅面向科技企業(yè)推薦產(chǎn)品，還會(huì)向一些傳統(tǒng)企業(yè)推銷產(chǎn)品。隨著對(duì)數(shù)據(jù)的需求不斷增加，傳統(tǒng)企業(yè)也會(huì)增加軟件的采購(gòu)需求。我們投資的時(shí)候，一般除了跟這個(gè)團(tuán)隊(duì)聊，我們也會(huì)跟他們的客戶聊，問(wèn)客戶的使用的體驗(yàn)，對(duì)整個(gè)產(chǎn)品有什么反饋等。

InfoQ：不管是從使用方的角度，還是從創(chuàng)業(yè)者的角度，行業(yè)內(nèi)對(duì)中國(guó)版 Snowflake 的呼聲從未停止。各位嘉賓怎么看這樣的一個(gè)浪潮呢？

吳英駿 ：這個(gè)我覺(jué)得應(yīng)該說(shuō)是叫眾望所歸。

現(xiàn)在大家都可以看到國(guó)內(nèi)有很多云平臺(tái)，比如說(shuō)像阿里云、騰訊云、華為云包括像天翼云，包括像其他一些各種各樣云平臺(tái)，有這么多云平臺(tái)。但是 中國(guó)似乎沒(méi)有一家類似于像 Snowflake 這樣的獨(dú)立的云平臺(tái) 。我相信這個(gè)賽道有很多玩家，但是我們沒(méi)有見(jiàn)到過(guò)一家有 Snowflake 這種影響力，或者說(shuō)有很多人認(rèn)可的獨(dú)立第三方的公司，現(xiàn)在目前沒(méi)有。

在跟國(guó)內(nèi)用戶聊的時(shí)候，我發(fā)現(xiàn) 國(guó)內(nèi)用戶他們都希望用多云，他們不太希望被一家云綁定 。他們甚至?xí)约鹤鲆恍┻w移，就是為了防止被一家云綁定。

所以，如果這時(shí)候出現(xiàn)一個(gè)第三方的產(chǎn)品，足夠好用，價(jià)格相對(duì)來(lái)說(shuō)比較合理，一定有其存在的合理性。

關(guān)濤 ：我聽(tīng)到的呼聲蠻多的，從我在阿里云做阿里云平臺(tái)的數(shù)據(jù)平臺(tái)產(chǎn)品的時(shí)候就能聽(tīng)到。主要原因大概我覺(jué)得可能分成三類。

第一，快速發(fā)展的中國(guó)云市場(chǎng)，帶來(lái)更多需求 。中國(guó)是個(gè)大市場(chǎng)，有很多的用戶和海量數(shù)據(jù)，但是中國(guó)的云規(guī)模相對(duì)不大，中國(guó)的云跟美國(guó)的云從營(yíng)收層面比，大概有 1:7 的一個(gè)比例，這個(gè)跟中國(guó)整個(gè)經(jīng)濟(jì)的體量并不太匹配。從這個(gè)層面，我們剛才提到的數(shù)據(jù)發(fā)展三階段，就是從這個(gè)孕育期到發(fā)展期到普惠期，云本身也是在發(fā)展期后期到普惠期的前期。中國(guó)的云市場(chǎng)還有很大的發(fā)展空間。

第二，中國(guó)缺乏多云獨(dú)立的數(shù)據(jù)平臺(tái)服務(wù) 。中國(guó)云生態(tài)很分散，大家提到美國(guó)就是三朵云了，幾乎沒(méi)有第四。中國(guó)除了剛才提到的阿里、騰訊、華為以外，還有像天翼、字節(jié)等等。中國(guó)的云發(fā)展的生態(tài)更分散，這個(gè)也是技術(shù)發(fā)展期的一個(gè)特征，就是百花齊放的一個(gè)樣子。這種百花齊放對(duì)用戶來(lái)講確實(shí)是個(gè)問(wèn)題，他希望不被鎖定。

第三，從對(duì)標(biāo)廠商層面看。美國(guó)三大云數(shù)倉(cāng) + 兩個(gè)獨(dú)立數(shù)據(jù)平臺(tái)（Snowflake，Databricks） 的數(shù)據(jù)平臺(tái)格局已經(jīng)形成。相比起來(lái)， 國(guó)內(nèi)做原創(chuàng)數(shù)據(jù)平臺(tái)技術(shù)的公司并不多，市場(chǎng)整體還是偏空白的狀態(tài) 。

InfoQ：如果出現(xiàn)一家中國(guó)版的 Snowflake，那這家企業(yè)應(yīng)該具備什么樣的特質(zhì)？

吳英駿 ：我相信它肯定不是一個(gè)單純的 copy ，肯定是需要去做本地化。在中國(guó)市場(chǎng)做本地化，跟在美國(guó)市場(chǎng)有非常多的不同。

首先， 生態(tài)方面的差異 。整個(gè)大數(shù)據(jù)的生態(tài)兩者是不一樣的，比如說(shuō)美國(guó)市場(chǎng)是像亞馬遜云科技、GCP 這些生態(tài)，在國(guó)內(nèi)可能是阿里云、騰訊云這樣的生態(tài)。

其次， 用戶需求的差異 。從國(guó)內(nèi)用戶的角度來(lái)去考慮的話，他們相比于美國(guó)用戶，對(duì)性能相信是有更高要求的。國(guó)內(nèi)企業(yè)的業(yè)務(wù)量非常大且獨(dú)特，像雙 11 這種業(yè)務(wù)場(chǎng)景的流量和獨(dú)特性肯定是秒殺美國(guó)黑五的。如果你做中國(guó)版 Snowfalke 只是去 copy 的話，可能意義不是特別大。

最后， 用戶文化的差異 。在美國(guó)文化中，美國(guó)用戶能夠接受企業(yè)做拼裝融合多種產(chǎn)品需求，但在中國(guó)不一樣，它希望最好能做成微信的樣子，一家全部能做了。

回到話題本身，我相信 如果要是中國(guó)做一家 Snowflake，它需要在本土化上面做得非常強(qiáng)，肯定不是去 copy to China 這樣的一個(gè)模式 。

關(guān)濤 ：如果與 Snowflake 對(duì)標(biāo)起來(lái)，我覺(jué)得有五個(gè)標(biāo)準(zhǔn)：

第一，它應(yīng)該是 多云 的。

第二，它是 一體化 的，能用一套系統(tǒng)能解決用戶的很多數(shù)據(jù)的問(wèn)題?；蛟S不一定解決所有問(wèn)題，但它至少應(yīng)該是一個(gè)高內(nèi)聚、低耦合的系統(tǒng)。

第三，我覺(jué)得關(guān)鍵的是 原創(chuàng)的技術(shù) 。如果今天拿開(kāi)源的技術(shù)組裝成一個(gè)系統(tǒng)，它很難做到非常好一體化。無(wú)數(shù)的案例已經(jīng)證明了這一點(diǎn)。Snowflake 好就好在它是一個(gè)一體化的東西，是非常耦合一體化的東西。

第四，我很同意嘉賓剛才提到的，就是 不能照搬 ，就是如果今天照抄 Snowflake 的技術(shù)，那是 8 年前的技術(shù)。Snowflake 起步大概在八九年前，讓它火起來(lái)的技術(shù)在當(dāng)年是創(chuàng)新但在現(xiàn)在已經(jīng)不是了。所以中國(guó)版 Snowflake 要有原創(chuàng)能力和面向新一代的技術(shù)的創(chuàng)新，要比 Snowflake 做得更好才可以。

第五， 好的 To B 能力或者說(shuō)本土化。 好的 To B 能力指的是基礎(chǔ)設(shè)施產(chǎn)品。除了技術(shù)以外，你要有很好的產(chǎn)品的包裝能力，讓用戶用起來(lái)很“爽”；要有很好的商業(yè)服務(wù)能力，包括現(xiàn)場(chǎng)實(shí)施、安全性合規(guī)等，能夠服務(wù)好客戶。

所以總結(jié)下來(lái)， 中國(guó)版的 Snowflake 應(yīng)該有五個(gè)特征：多云、一體化、原創(chuàng)的技術(shù)、比 Snowflake 更新一代的創(chuàng)新、好的 ToB 能力 。

我覺(jué)得目前國(guó)內(nèi)還沒(méi)有一家公司可以做到這些五點(diǎn)，并且已經(jīng)形成影響力。我們?cè)破飨Ｍ麡?gòu)建這樣的一些服務(wù)，這也是我們的一個(gè)目標(biāo)。

InfoQ：關(guān)濤老師的公司云器科技在 的時(shí)候有一個(gè)發(fā)布會(huì)，能不能請(qǐng)關(guān)濤老師給我們提前劇透一下？

關(guān)濤 ：前面大家已經(jīng)聊了很多，我談下我們?yōu)槭裁匆鲞@樣的一家創(chuàng)業(yè)公司？

在美國(guó)數(shù)據(jù)平臺(tái)領(lǐng)域，三家核心云廠商都有原創(chuàng)的“主力”數(shù)據(jù)平臺(tái)，還有兩個(gè)獨(dú)立的數(shù)據(jù)平臺(tái)（Snowflake、Databricks），形成 3+2 的格局。在國(guó)內(nèi)，真正做原創(chuàng)的數(shù)據(jù)平臺(tái)技術(shù)的公司并沒(méi)有那么多，目前也沒(méi)有一個(gè)成規(guī)模能像 Snowflake 一樣的多云平臺(tái)獨(dú)立提供商。 所以，我們希望能夠做一個(gè)多云和一體化體驗(yàn)的數(shù)據(jù)平臺(tái)，能夠普惠國(guó)內(nèi)的用戶。所以，我們做了云器科技 。

商業(yè)模式上，我們跟 Snowflake 很像，是 多云獨(dú)立設(shè)計(jì)、一體化極簡(jiǎn)的架構(gòu) 。在技術(shù)上，我們提出基于 SingleEngine 理念的湖倉(cāng)平臺(tái)，很多能力會(huì)超越 Snowflake 。

我們?cè)?7 月 20 號(hào)舉辦首發(fā)發(fā)布會(huì)，會(huì)正式推出我們的 Lakehouse 平臺(tái)，同時(shí)會(huì)有實(shí)際的客戶案例展示出來(lái)。大家想要關(guān)注我們的話，可以搜索云器科技，能看到我們的官網(wǎng)的頁(yè)面。

7 月 20 日，云器科技將首次對(duì)外舉辦新品發(fā)布會(huì)。云器首創(chuàng)以“Single-Engine”為核心理念的湖倉(cāng)平臺(tái)，目前已經(jīng)完成了數(shù)億元融資！為什么云器可以在當(dāng)下的市場(chǎng)環(huán)境中獲得投資方和企業(yè)客戶的青睞？點(diǎn)擊“報(bào)名”立刻報(bào)名發(fā)布會(huì)一探究竟！