在Kubernetes上实现无服务器的5种方法

在人类历史的车轮中，始终充斥着以「科技」为名的碾压和推动力。

远至1万年前的新石器时代，为适应农业及其他手工业需求的远古人对石质工具进行打磨加工；近及J ( % 5 e ! P ,18世纪60代开始席卷全球的工业革命，新能源动力机器的发明推动生产力飞跃式发展和生产3 f ^ 6 X Y关系大X [ *变革，这一点早已被一次又一次地论证过。

几年前，AlphaG% } e O : % #o团灭人类围棋手，将人工智能推向台前。所有人都在问一个问题I B . L o ~，AI究8 X 7 p B o竟是什么。

在我看来言，AI- S 2 X Q % v +不仅是新一轮生产资料大发现的过程，更是新一轮生产力释放和补充。因为在AI时代，数据成为新时代的石油工业，规模甚至会更大，更特殊，更具有战略性。

而对于一家企业来说，未来如何创造收入，随之而来机会又要多大，这一切都要从更大的画面上去考虑，而不是从过去的财务结果上t i u H ! P u去G ) W找预期。

有句话说得好，一个公司的命运，既要看自身的努力，G k @ N J n V更要看P G 9 X ` j w历史的进程。

从这个角度上来说，依托于数字内容管理业务的开普云，无疑卡住了一个不错的位置，也让m K p j T A它有了更W M Q大的想象空间。

01 AI时代的“敲门砖”

数字内容管理业务，是开普云在AI时代的“敲门砖”。

什么是数字G @ y内容管理业务？简单来说，是依托于互联网内容服务云平台S ^ d q Y . * h T及统一信息资_ = O i源库等相关产品，帮助政府完成互联网数据中台建设。

以开普云的一体化政务业务为例，过去政府有q @ . { e 2 h o很多数据，包括不同政府部门的数据，也包括文z [ / l f C ?本、图片、音频、视频等多种结构的数据。

随着政务信息化改革的深入，政府需要一个更强大的数据平台，帮助他们打通各部门的业务系统，实现不同部门数据的统一采集，不同结构数据的统一存S a s X g J储，最终实现后端不同场景下数据的统一调l 9 D b J w度。

开普云的数字内容管理业务的应用场景主要 r D k J V l 1 i不俗的表现。

在智慧门户领域，开普云的客户覆盖了全国20%左右的省级政府，国务院组成部门和直属机构。在政府服务平台方面，公司也承担了多个政务服务平台的项目建设。

回过头看; e ` f : 9，内容管理业务对开普云的AI业务影响巨大。

一方面，AI技术的落地应用往往会优先爆发在数据化程度较高的领域，比如N G O $ - M - c医疗的数据比较少一些，AI渗透的难度会大一些。

原因在于，现在普遍的监督算D $ g M { Y e法必须依赖标记数据。无监督算法对数据标记的要求会小一些，但是技术还不是很成熟，主要是做聚类和分析。

当开普云在不同场景下完成数据; p k I对语义的正确理解，快速找到新词和敏感用语，减少新词、敏感用语漏报，是内容安全监测的重要工作。

在提高内容安全监测的效率上，开普云做了两件事。C N w = j R

技术方面，开普云通过平衡语料库自动构建技术，极大地降低了人工标H t 0 H h注的成本，可以在较短的时间内覆盖较大规模的文本素材。目前，基于无监督方式为主训练的NGram计算，a / O H ( 1 E已基本接近人工标注的精度，依存关系计算结果的可信度达到80%以上。

在深度学习的模0 o * ? v ; { v型下，~ { R ] E ? n B /数据规模很大程度上f H 6 N会影响机器学习算法的精度。目前，公司平衡语料库覆盖了各行各业出版图书、电子报纸、主流媒体新闻资讯，达千亿字规模的文本素材，数据量远远超过国内其他中文语料库。

大数据服务具有规模效应。即客户越多，你收到数据反馈越多，大数据产品精准度就越高，继而被更多客户选择，最终形成马太效应。

在政务大数据监测领域，这一趋势已经极为明显。截至目前，开普云大数据服务的客户覆盖了65%的省政府以 y }及40%的地级政府，在细分领域占据绝对优势。

作为大数据监测领域头部平台，随着客户需求的复杂化，开普云的大数据服务也有计$ : 8 s g , w划从感知领域向更深度的认知领域延伸，即从敏感词识别过渡至舆情监测。

众所周知，在识别领域，文本的识别处理难度最高Z : u Z R。原因是文字、语言涉及语义理解，主观色彩更重，5 u / V D l ;因此更为复杂。

开普云的做法是，通过人工智能深度学习的方式，强化文字识别的准确性。

技术能力的提升M # Y，进一步拓展了开普云的应( B N $ h f ! B s用场景。比如，当用户搜索内容时，开普云通过人工智能技术，极大加强搜索结果的准确性。

此外，大数据服务可以从网站内容的监控扩大至全网的舆情监控，比如当一个* $ N $ -政策发布后，网上的正面评论有多少，负面评论有多少，评论中出现最多的关键词又有哪些。

基于这些反馈数据，可以为政府的决策提供参考，2 ( t A [ )从而帮助其建立健全的舆情收集和回应机制。

这也代m D M f b S $表了人工智能的一个重要发展趋势，即随着数据量的增长和业务场景复杂度的提升，AI应用势必要从智能识别走向更高阶 K r I k @ &的智能辅助决策。

03 AI再进化，大数据服务从智能识别到智能决策

这种趋势的锋芒正在开普云{ C * w身上闪现。7 d p = ( $ J .

国家知识产权局u c q | 1 8 L项目正是其从智能识别到智能决策的重要体现。

要知道，H k J + V国家知识产权局是文献内容很多的p . c S 2 k N 3政府部门。原因是按规定在专利申请过程中，申请人需要提交一系列的申请文件，如请求书、说明书、摘要和权利要求书等，再由专利审查员去看申请的内容是否满足要求。

但P b - @随着专利申报数量的增加，国家知识产权局每$ 3 ) L 3年能收到几百万篇申请，如何更高效地完成筛选工作变成一个棘手的问题。开普云大数据服务的价值就凸显出来了。

而开普云提供的解决方案是，搜集历史上所有专利申报成功的稿件，通过人工智能识别网络的算法把关键特征进行提取，再将新的文献与关键特^ i 7 b # [ a t /征进行匹配，最终得出一份创新性比例的参考数据。凭借这个算法，使得客户的审查效率大大提高。

事实上，这种类似于智能决策的业务，在各个细分领域I 8的应用日益频繁。比如在医学影像领域，利用人工智( # % ? a }能系统辅助阅片。

而随着人工智能从感知走向认知，要解B y r + U +决的业务问题从单个业务场景、单点问题，向业务全流程演进，行业know-b % ^ ohow的复杂度和壁垒变得更高，给技术驱动的人工智能L 6 s - H服务商带来更大的商业机会。

一方面，深入场景服务需要极强的业务理解做支撑，行业准入门槛大大提高。另一方面，人工智能与行业深度融合后重塑业U N 8 X b 3务流程和产业链，形成巨大的商业机会，比如基于计算机视觉的智能货柜，相比传统机械式无人售货机成本下降50%以上。

在AI时V p S h ) o H G 5代全面到来前，找到落地场景的开普云，无疑已经占据了竞争优势的制高点。