金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI

接入消息量：55万亿

实时计算：65万亿

分析任务：1500万

……

可以想象吗？这些万亿级的数字，竟是一家企业每天都要处理的数据量。

没错，这就是腾讯大数据。

但更让人意想不到的是，它现在打算让如此海量的数据分析、处理工作，进入“无人驾驶”状态。

数据量之大暂且不提，单就安全这一块，不得拿捏到位吗？

天工，腾讯的第四代大数据平台

原来，腾讯大数据的底气，来源于其最新发布的计算平台：

名曰腾讯大数据-天工，是腾讯自研的第四代数智融合计算平台。

而纵观对整个平台的介绍，可以说“打通”一词贯穿了所有。

具体而言，腾讯大数据要打通的是数据，是技术。

理想虽美好，但现实很残酷。

细思便知，数据结构等不一致带来的“孤岛”情况、数据安全等存在的隐患，以及不同技术融合背后的难度……

困难的程度，就不言而喻了。

那么此局又该如何破解？

一言蔽之，三步走：

一个“安全”，一个“统一”，最后一个“智能”。

先来谈谈安全。

目前“数据孤岛”的情况较为普遍，一来从逻辑角度来看，因不同部门、组织对数据的定义、理解的差别而形成；二来从物理角度，因各种数据的独立存储、独立维护而产生。

但欲消除“数据孤岛”，一个大前提就是要保障数据安全，而且是重中之重的那种。

自研的隐私计算技术，就是腾讯大数据解决这一难点的“锦囊”。特点如下：

• 全方位保护：从机器学习到大数据分析，全场景提供保护

• 去中心化架构：没有“中间商”，避免隐私泄露风险

• 软硬件加密双保险：高强度数据加密+TEE硬件

或许这样的描述，在感官上并不够直接，那么接下来的一个数据便可体现隐私计算对安全要求的高度。

例如RSA密钥长度在安全性极高的金融领域，尚且是2048bit；而腾讯大数据隐私计算所采用的长度，则达到了3072bit！

除此之外，这项技术也早已有了“实践性的检验”。

在iDash 2020世界隐私计算大赛中，腾讯便凭借此技术夺得冠军，这也是中国企业在此项比赛中的第一次夺冠。

再来谈谈统一。

除了数据之外，腾讯大数据要在技术层面也要做到打通，具体而言，就是将人工智能 （A）和大数据 （B）融为一体。

这也是反映出了目前业界存在的一个现状，也就是“A”和“B”的框架技术没有得到很好的复用。

虽然二者看似是“貌合神离”的样子，但其实它们的本质技术是类似的，例如：

• 均可抽象为DAG（有向无环图）

• 要素相同：数据、算子、数据流

• 均可算子合并、及时编译、执行优化

因此，通过将人工智能和大数据技术的打通，便可以更好地适配CPU、GPU、NPU、FPGA等硬件。

最后，是智能。

腾讯大数据在这一步的目标较为清晰：

万亿级数据分析将实现“自动驾驶”。

这也是为了解决目前“大数据平台依赖人工”的问题。

为此，腾讯正在构建平台大脑，推动万亿级大数据分析逐步实现“自动化运营”。

究其本质，这也是一个从“被动”到“主动”的转变过程，即从“快速发现大数据运行问题”到“主动发现问题”，再到“主动解决问题”。

据介绍，腾讯的平台大脑预计可让数据中心研发效率提升60%，运营效率提升50%，平台服务质量提升80%。

……

但总归“第四代数智融合计算平台”是一个较大的概念，是否有更为具体的产品？

有的，Angel PowerFL，腾讯借此之际，还正式推出了这款安全联合计算平台。

据了解，Angel PowerFL拥有全栈的联邦学习和深度学习功能：

支持多方联邦逻辑回归、XGBoost、PCA、用户自定义神经网络模型，支持多方联邦模型在线serving和模型管理，支持联合数据分析。

在隐私保护方面，Angel PowerFL提供了多种机制的选择，包括同态加密、秘密分享、差分隐私、可信执行环境（如SGX）等。

在不同场景下，可以有针对性地选择不同的安全保护级别。

在迭代和部署方面，Angel PowerFL采用的是“计算层和服务层分离”的方式。

这样做的目的也为了更好地支持多种方式部署、灵活资源扩缩容。

而且所有的服务组件都是部署在K8S集群上，这样一来，就可以方便对接TensorFlow和PyTorch等常用深度学习框架，也利于进行分布式深度学习模型训练和推理。

最后，腾讯大数据联合腾讯研究院还推出了《腾讯隐私计算白皮书》，从多个方面，包括发展背景、技术体系、重点应用行业和场景、数据安全合规、未来发展前景等，对隐私计算做了深入的解读和研究。

（公众号内回复“腾讯隐私计算白皮书”即可获取）

12年更新四代，每一步都做了什么？

正如刚才提到的，腾讯大数据的计算平台已经衍变到了“第四代”。

而纵观发展历程，此次的迭代并非是一蹴而就，而是step by step。

早在2009年，腾讯大数据便推出了第一代计算平台，主要模式是离线计算，主要依托Hadoop的生态，优化范围也是限于局部。

耗时较长，是第一代计算平台的劣势，处理任务的时间长达小时甚至是天的级别。

基于此，从2012年开始，腾讯大数据便着手于实时计算，并推出了第二代计算平台。

当时，基于Spark/Storm等实时计算处理框架，让腾讯大数据在处理任务上步入了“毫秒时代”。

而到了2015年左右，深度学习在全球可谓是刮起了一阵热潮，在此趋势的推动下，腾讯大数据推出了第三代计算平台。

与此同时，自研机器学习框架Angel，也成为国内第一个从Linux基金会“毕业”的AI项目。

而到了2020年，腾讯大数据有了新的思考。

一方面，是来源于数据规模的不断扩大，已经到了需要将流式计算和批量计算做融合、AI体系和大数据体系做融合的阶段。

另一方面，是来源于对数据隐私的思考：

如何在数据“足不出户”的情况下，既做到数据流、应用流和交易流的融合，又能保障数据的隐私安全。

不难看出，腾讯大数据计算平台到现在的发展，实则是基于每一阶段的“硬需求”而做出的变化。

与此同时，也完成了从依赖开源，到自主研发的华丽转身。

如何评价？

最后的一个问题：

该如何来看待腾讯第四代数智融合计算平台？

首先，出发点是非常的清晰了。

大数据这座矿山的价值，在数智深度融合的当下并没有发挥全部的潜能，甚至很大一部分的能量还有待开发。

并且大数据已然成为新型基础设施的重要组成部分，相关产业的发展正是迎来新阶段的关键时刻。

安全地打破“数据孤岛”，无疑会加速和提升大数据自身及产业的价值。

其次，让数据分析“自动驾驶”是否够靠谱。

众所周知，在自动驾驶领域会对车辆按照智能化来分级，一个形象的比喻就是“L3是发现问题”、“L4是分析问题”，而“L5是自动解决问题”。

腾讯大数据对自身的技术现状，则定位在了向L4迈步，并给出了对于未来“自动驾驶”的理解：

希望对平台所有软硬件指标都能完整收集，并形成知识图谱，平台里任何一个问题和异常，平台大脑能第一时间感知，根据问题图谱进行根因分析，精准定位源头，是软件引起的还是硬件引起的，并能根据异常的不同影响级别，根据决策树和现网知识库形成最适合的处理方式。

这个过程，不需要人工来干预，都是平台自身智能地在处理，极大地解放研发和运维人员的生产力。

其中之关键之一就是隐私计算，是另一个值得讨论的话题。

虽然是由谷歌率先提出，但随着理论与实践的不断碰撞，加之实际应用场景规模之大，它已然不是最初的那个“味道”。

因此不得不说，隐私计算技术目前还是处于早期阶段，需要解决和应对的问题还有很多：

开源技术是否会最终再次趋同？技术演进方向会怎样？与法律法规又该如何碰撞？

腾讯大数据给出的答案是：

让子弹再飞一会，鼓励技术有百花齐放的状态。