获1亿元融资，天云大数据致力成为AI生态中的Android平台 | 华映领投

上周，天云大数据产品发布暨渠道招募会在京举行，会上创始人、CEO雷涛宣布已于18年上半年完成了1亿人民币新一轮融资，本轮融资由华映资本、曦域资本领投。

天云大数据成立于2013年，是国内唯一能够同时提供分布式计算平台产品和AI平台基础设施的科技厂商。（点击回顾雷涛在2018华映年会上的分享《人工智能的大规模生产》）

共建DT时代生态体系

雷涛表示，伴随着云计算和开源软件技术的成熟应用，以及大数据时代的到来，IT（Information Technology）开始向DT（Data Technology）转型，生态面临重新洗牌。DT时代的市场逻辑要求直接处理海量数据，因此需要通过更高阶的工具来为企业赋能，A（Algorithm）、B（Bigdata）、C（Cloud）成为了DT时代的技术选择。

天云大数据CEO 雷涛

在DT时代，传统规则经验方法已经无法满足更复杂的数字化世界的要求，难以量化与处理的复杂的高维结构需要更高维的算法来描述，而机器学习使人类得以在难以精确描述规则的边界去完成任务。因此IT向DT的转型，意味着从规则流程驱动向数据驱动的转变，重塑生产流程，将复杂业务做重新表达，将传统流程予以改造，用规模化的AI应用提高生产效率、节省时间。

据悉，天云大数据在DT生态中，可与合作伙伴携手实现四种转型：一是技术转卖，合作伙伴在价值转移过程中获得附加价值；二是帮助合作伙伴服务转型，由面向Java、DB流程型开发的服务团队，转型成DT时代的Machine Learning数据驱动团队；三是面向已经进入数据科学的团队，天云提供支持容器化部署docker的微服务Micro service，将数据科学的模型生产过程沉淀、打包成标准可扩展形态的产品，帮助合作伙伴扩大规模；四是面向拥有数据和场景的合作伙伴，提供数据变现的资本合作。

PaaS化AI平台MaximAI进化3.0

据腾讯研究院预测，到2020年，市场对AI应用的需求将增长300%，旺盛的需求，偏少的人才供给，导致AI人才成本高昂。只有通过升级大规模生产工具，才有望满足需求。

天云大数据针对这一问题，推出了规模化AI工具，通过构建支持Auto Machine Learning特性的PaaS化AI平台MaximAI，尝试为客户做AI赋能，减少对数据科学家的依赖，让企业获取机器智能像读书一样简单。

目前，MaximAI已经迭代到3.0版本，实现了算法的自动化优化，即Auto Machine Learning。也就是说，客户在选择算法时能更加简单，像基于Android开放应用一样，基于天云的PaaS化AI平台去构建机器学习模型。同时，还可以实现notebook环境下的容器化部署，根据任务类型自动确定算法，特征工程自动化，自动衍生或合成特征，模型超参优化智能化。

据了解，MaximAI目前广泛应用于金融领域，在大型银行、保险、互联网金融均有成功落地，部署于某大型银行，高风险客户正确识别率高达78%，客户申请欺诈识别率提升20%以上。除金融领域外，在医疗、能源、艺术品交易所也得到了成功验证。

医疗领域，天云利用机器学习算法准确识别出影响冠心病患病概率的重要性因子，并依此建立模型、进行预测，在临床实践中为专业医师提供参考和开拓诊疗思路；

能源领域，天云通过对油井故障的示功图进行故障分类，将传统以月为单位的反馈分析效率提升到了日，并且大大减少了维护工人的数量；

艺术品交易领域，通过聚类算法分析，为营销以及艺术品的甄选上线提供精确的数据指导和预测。

百万原生代码HTAP国产数据库Hubble

在发布会上，天云大数据还介绍了百万原生代码规模的HTAP数据库产品：Hubble，可以实现混合交易分析处理。

据雷涛介绍，Hubble的目标就是做国产的HTAP数据库。在使用Hubble时，无论业务规模大小，始终都与小型应用阶段相同，无需改变使用习惯，当业务规模扩大时，只需要添加新的节点，提升数据库的能力，就可以适应业务变化的需要，每个阶段无需付出额外的成本。

Hubble的典型应用场景包括历史数据查询、全量数据存储、统一格式查询，从而实现对核心交易的减负，并保障全量数据的在线。

例如针对游戏和电商数据分析，可以支持海量的游戏、电商数据的存储，方便对用户进行画像，实现精准营销，并提供秒级的响应速度；在基础设施监控方面，提供准实时入库，对基础实时数据进行流处理，并实时地提供对基础设施数据的监控；在IoT及传感器数据应用上，也可以通过实时入库，对物联网数据进行存储、查询及挖掘。