本文對整場分享進行了要點總結及PPT整理，以幫助大家提前清晰地了解本場分享重點。

1.ZILLIZ如何重新定義數據科學？

2.數據時代的今天與未來

3.傳統架構和異構計算有什么區別？

4. ZILLIZ對新一代數據科學提出了什么樣的解決方案？

5. ZILLIZ人才觀分享與人才招聘

以下為ZILLIZ解決方案副總裁魏一的部分分享內容，【AI研習社】在不改變原意的基礎上做了整理和精編：

大家好，我是ZILLIZ的魏一，從事數據科學領域已有十余年，今天和大家分享ZILLIZ在數據科學領域如何將GPU的算力應用在人工智能領域。

首先簡單介紹一下ZILLIZ，公司成立于2016年，專注于異構計算的數據科學領域。公司的使命是Reinvent Data Science，即通過使用異構加速這種新的計算模式，解決數據科學領域的難點和痛點。

關于重新定義數據科學，魏一表示：

重新定義數據科學其實是往兩個方向在努力，一個是數據化，傳統來說即結構化的數據處理，不過近幾年隨著神經網絡、人工智能算法地使用，可以對以前很難分析的非結構化數據進行分析，比如圖形圖像的處理、人臉識別、音頻、視頻、文本等。還有一個是數據如何呈現真實的世界，如何做到通過使用數據更好地加快決策的過程？在這方面我們有針對邊緣數據、快數據、時空數據的可視化分析引擎。

隨著時代的發展，全球數據規模呈現指數級增長，伴隨5G的到來，還會有更大更密的數據連接，在算力層面，GPU架構會超過CPU。

接下來是ZILLIZ對新一代數據科學提出的解決方案，我們的兩個產品分別是MegaWise和Milvus，這兩個產品分別是對應前面講到的兩部分——數據化和數據現實，通過這種數據科技的整合，可以把以前比較慢的工作、或者一些算法的訓練、以及數據計算的工作進行加速，然后能夠對實時數據進行處理，這就是我們公司主要的兩款產品。

那么傳統架構和異構計算有什么區別呢？對傳統架構來說，一般都是從外存加載到內存再加載到CPU的緩存進行就算，對異構計算來說，可以從磁盤直接把數據加載到GPU的顯存里，通過CPU和GPU的聯手，讓其更好地發揮算力，進而將之前在CPU上很難處理或無法處理的工作，進行有效的提升和加速。這就是我們產品設計的最核心的思想和架構。

現在來介紹一下Milvus這款產品，是針對非結構化數據處理而設計的檢索產品，可對到高維度、百億級向量數據的進行秒級檢索，能有效降低硬件成本（至少一個數量級）。通過異構計算的核心算法設計，能夠在所有人工智能相關領域中使用，比如，人臉識別，語音識別，視頻分析，文本分析等，能夠為深度學習領域的推理部署進行性能提升和有效的成本控制。

整個系統的架構圖如下：

Milvus提供了不同的向量檢索算法，能夠針對不同的業務場景只能選擇最合適的算法從而實現最高的性能比。

索引系統的性能檢測報告如下圖：

現在，Milvus在Github正式開源啦，歡迎各位開發者在Github關注我們https://github.com/milvus-io/milvus！

再讓我們來看一下在數據現實的核心產品——MegaWise，是結構化數據處理的核心引擎，深度整合了Nvidia Rapids的數據科學平臺。從圖中可以看出產品是建構在Nvidia Rapids異構數據科學平臺之上的，通過整合各種數據分析處理組件，實現了對時空數據的高性能分析，很好的支持了上層可視化交互平臺。同時，自主研發的Picasso 圖形渲染引擎，能夠對數億級別的時空信息進行秒級渲染并通過Inifi可視化分析平臺為數據科學家提供了超大規模數據現實分析能力。

接下來講一個在MegaWise數據分析引擎的應用場景，通過這種圖形化的展示，可以更直觀地解決地理信息數據中的難點。

以上是本次分享的部分技術內容，更多詳細講解請觀看視頻回放（http://www.mooc.ai/open/course/686）。

在本次公開課的最后，ZILLIZ的人力資源總監對公司成長歷程、文化氛圍等做了介紹，同時ZILLIZ的秋招和社招也正在火熱進行中，歡迎感興趣的同學投遞簡歷，和ZILLIZ一起開拓智能數據處理新疆界。

今天的分享就到這里，謝謝大家。