齐红威：我的主要核心业务还是提供数据服务 ， 有点像数据银行 ， 所以我对外说是数据领域的中石化 ， 包括三个环节 ， 第一个环节我们通过各种方式和各种模式获取了很多行业的 ， 包括政府的一定规模的数据 。第二个阶段 ， 进行数据的加工处理和整合 ， 尤其是结构化和非结构化的整合 。第三个阶段就是把数据标准化以后 ， 再通过数据云的方式 ， 主要是数据接口的方式推给客户的应用 。我们通过四年多的努力 ， 我们到现在延展到了征信、交通、医疗、健康 ， 因为现在大数据的产业数据规模将会爆发 。今年我们刚募资了五个亿左右的基金 ， 也是配合一定规模的数据加一定规模的资金 ， 布局大数据上下游 ， 包括AI领域的企业 ， 我们也希望有机会和大家合作 。  
崔鹏：我们这边有一些问题 ， 第一个问题 ， 了解一下大数据方面 ， 在大数据领域谈一下自己认为最具有代表性的公司是谁？  
齐红威：大数据从整个产业链角度来讲是分四层 ， 或者叫生态链 ， 第一层解决最底层的 ， 做计算的企业 ， 这个不用讲了 ， 这个对创业公司没有机会了 。再往上一层就是做数据源的 ， 就是类似数据堂这些企业做的 。还有一类是第三层做具体技术的 ， 国内典型做的比较多的 ， 数据堂一些典型的客户像(英文)还有云之声 ， 包括余凯做的地平线 ， 吴甘沙做的事情都是有很多机会的 。再上一层 ， 国内做的最多的 ， 百花齐放 ， 做数据应用的 ， 这是我们国内大数据企业和国外完全不同的一点 ， 这个领域的企业相当多了 。做的数据好一点的是(英文) ， 还有新三板挂牌的企业 ， 还有好多隐藏的 ， 这里面我不一一讲了 。  
吴甘沙：世界范围内 ， 我觉得在基础设施这一块有一家叫(英文)的公司 ， 是非常值得关注的 ， 因为现在在数据分析这块非常流行的框架叫(英文) ， 就是他们发明的 。在上层 ， 数据分析和智能这块(英文)非常强 。在数据聚合以及数据资源变现这个角度来讲 ， 就说一家(安科城)吧 。  
俞志晨：2014年的时候看了一家公司 ， 是美国叫(英文) ， 做金融AI这块 ， 那家公司当时最早是用数据做一些AI的金融服务 ， 当时算是在行业里一个非常不错的切入点 。技术模块这块 ， 我自己关注不是很多 ， 我更多关注产品一点 ， 国内的话个偏机器人领域 ， 像(英文)这个面对的点多一点 ， 不是纯数据化的大数据的应用 ， 有的和硬件结合在一起 ， 我认为这些产品在国内包括全球来看都有自身的优势 。  
崔鹏：另外一个问题想问崔鹏博士 ， 从研究的角度来讲 ， 您认为目前大数据分析和人工智能 ， 在产业领域还存在哪些技术的障碍？  
崔鹏：其实大数据这个概念 ， 对于学术研究的角度来讲不是新的概念 ， 不管喊大数据还是喊人工智能 ， 还是喊其他的词做的事情都一样 ， 就是在做数据分析和挖掘 ， 包括数据的建模 。如果谈比较大的数据障碍的话 ， 像刚才几位嘉宾也都讲了 ， 实际上在很多层面现在都能看到一些标准化的公司 ， 比如从运算平台的角度 ， 现在有做单机的 ， 内存计算 ， 比如(英文)平台支持很好的大数据处理 ， 包括数据堂 ， 包括一些其他的公司做数据的标准化的服务 。但恰好大数据的核心部分 ， 数据的处理和分析 ， 这部分不是很容易做一个通用的框架 。大数据有很多的数据来源 ， 不同领域的数据是有非常强领域的特性 ， 我们不可能搞一个领头军的数据模型解决所有的问题 ， 最终大数据如果和产业应用的话 ， 一定是既要有懂大数据的人 ， 同时又要有懂这个领域 ， 或者有领域背景比较强的人 ， 这样结合才能做大数据的分析和处理层面能够有比较强的突破 。其实我们也看到硅谷现在有些公司试图做一些标准化的工具 ， 但是在我们了解到的情况 ， 他们的存活状态不是太好 ， 但是有投资 ， 但是从企业的角度来讲 ， 如果我是一个大型的公司 ， 我不可能把所有的数据都放给专门做数据分析的 ， 因为我完全可以自己养一个数据分析的团队 。如果只是做一个小公司 ， 中小型公司的服务 ， 同样还是会面临工具通用性的问题 ， 包括模式的问题 ， 这个实际上都会碰到一些问题 。

• 你知道哪些冷门但逆天的App 1000件恋爱必做事情清单
• 创业认识了几个有钱的女人 约女生吃饭的幽默理由
• 男人四十以后适合在哪个行业创业 男人40岁多久一次正常
• 50克是几片三文鱼 100克三文鱼的热量
• 早餐吃什么养胃 养胃粥的100种做法 早餐
• 每天跑步5公里连续坚持100天是种什么样的体验 每天跑5公里对身体好吗
• 水初语祛痘产品怎么样 祛痘好评怎么写100字
• 每天在家做深蹲100个 每天深蹲200个一个月后
• 家常汤的100种做法小孩喝的大补汤 十大儿童营养汤
• 三文鱼刺身每片重量多少最合适 100克三文鱼能切多少