AI 开发者的灵魂拷问：过程低效且成本高的问题你解决了么？

企业将业务搬上云端已是大势所趋，云服务经过多年的发展，也已进入稳定增长的 2.0 时代。今年 1 月，华为基于 ARM 架构打造了自己的鲲鹏处理器。紧接着，华为云又基于华为鲲鹏处理器打造了华为云鲲鹏云服务和解决方案。“鲲鹏”一词逐渐在互联网圈内成为热议的焦点，对于技术人而言，迫切地想揭开鲲鹏背后的技术细节，想知道鲲鹏到底有多牛。

机会来了！

10 月 18 日，“DevRun · 选择不凡，华为云开发者沙龙 ”北京站将邀请华为云 BU 鲲鹏凌云计划架构师白雁，全面解析华为云鲲鹏云服务中的关键技术，并从操作系统、中间件、数据库以及代码层级对开源和自有软件的鲲鹏移植进行指导，通过实际案例分享移植经验，给开发者讲解为什么移植，以及如何移植。

除此之外，华为云的 4 位技术专家也针对各自擅长的领域，与开发者交流技术难点与解决方案，这些话题如下：

企业上云之前，数据库的痛点怎么解决？

数据库逐渐演变为云时代下核心竞争力的关键。如今，传统存储计算一体、一主多辅的数据库虽然仍有不小的价值，但局限性也愈加明显：资源利用率低、扩展性弱、有许多冗余写入、数据回档慢等难题，也造成了企业的上云需求越发难以满足。

在数字化、智能化时代下，企业面对的是海量的用户和交易，拥有超过几百个节点的业务系统并不稀奇，未来这种规模还将不断扩大，这为系统的运营和管理提出了不小的挑战。随着摩尔定律遇到瓶颈，不同领域的计算平台呈现出多样化的趋势。虽然这在一定程度上满足了不同场合的应用需要，但如何通过软件实现计算能力的整体协调和优化，这对于应用开发人员和 DBA 而言，是新的挑战。此外，海量的半结构、结构化数据，也迫切需要一个行之有效的解决方案来实现统一的计算和管理，并进行优化。

华为从 2001 年就已经开始布局数据库的研发，针对当下数据库技术的发展痛点有着深刻的理解，华为云也推出了新的解决方案。本次沙龙，华为云数据库高级技术专家宋立勇将为大家分享华为在数据库领域的研发经验，带来应对诸多数据库挑战的实战经验，并分享针对不同的业务场景，数据库如何布局才能经济高效地满足高算力、低时延、敏捷部署的业务诉求。

AI 开发者最棘手的难题，你是不是也遇到过？

对于 AI 开发者而言，训练一个模型通常需要经历几个“难关”：数据标注、调参、大规模分布式训练和训练部署，然后才有可能开发出一个普通的 AI 应用。每一步几乎都是 AI 开发者的痛：数据标注需要耗费大量的人工时间，难以在最短的时间内找到最优的参数配置，需要漫长的时间进行大规模训练，最后还要面对复杂的模型部署。

一直以来，AI 开发者对普惠算力的需求从未间断过，但现实情况是：稀缺、昂贵的算力将 AI 束之高阁，大量的资源被重复耗费，开发者宝贵的时间和精力也未能创造出真正的价值，整个 AI 开发过程低效且成本高昂，不利于企业及行业的智能化升级。基于这些痛点，华为推出了 ModelArts 一站式 AI 开发平台。相信 AI 开发者对于这一平台一定不陌生，但如何用好 ModelArts 恰恰是开发者最该了解的内容。本次沙龙，华为云 EI 布道师、华为开源中心算法专家王龙步将为 AI 开发者解析在云上构建及部署 AI 模型的具体过程。为什么有的 AI 开发者可以更快速、更高效地开发 AI 模型？差别在哪？专家给你支招！

都在聊 IoT，落地的事谁来负责？

在物联网业务快速发展的同时，企业和创业者也面临着网络连接复杂的问题，而且终端和传感器种类众多，这就导致集成困难，新业务上市周期长。企业都在聊 IoT，但归根结底还在于谁能解决 IoT 开发中的难题。对于开发者而言，如何切实可行地解决开发周期长、开发成本高、稳定性不佳、维护成本高等一系列问题，高效地完成行业应用构建，将物联网能力快速投入到生产流程或业务运营中？华为 IoT 生态服务产品总监谢冲，基于自己深耕 IoT 领域多年的经验，针对开发者在 IoT 上经常“纸上谈兵”、缺乏落地实践的问题，全方位地“对症下药”。

想用微服务架构，如何保证数据一致性？

我们知道，微服务架构中的各个模块可以独立地开发，迭代；不同团队之间的技术栈分离可以根据团队的特点来使用更合适的技术解决问题；将系统切分为细粒度的服务，好处不言而喻，但问题是，如何保证数据的一致性？越来越多的企业开始向微服务架构转型，不幸的是，很多企业发现微服务实施起来并不像看上去那么轻松。各家公司提出的解决方案并不少，不过哪一种才最适合？对此，华为云 PaaS 团队架构师王启军将在本次沙龙为大家分享华为在微服务架构中的实践，帮助企业和开发者清楚地了解为什么要做微服务，以及在过程中有哪些必须要避的坑。

干货满满的讲解与实操演练相结合，10 月 18 日“DevRun · 选择不凡，华为云开发者沙龙 2019”北京站，将与开发者一道，深挖技术背后的细节，重新审视如何落地 AI 的问题。

北京站讲师和议题安排