“作為搜索公司來(lái)講，最主要的就是大數(shù)據(jù)，把這些數(shù)據(jù)放到數(shù)據(jù)庫(kù)里面。目前我們的數(shù)據(jù)存儲(chǔ)能力已經(jīng)是2000PB，網(wǎng)頁(yè)是千億到萬(wàn)億，更新量是十億到百億每天，還有廣告，還有用戶(hù)產(chǎn)生的內(nèi)容UGC，大概就是這樣的情況。”百度技術(shù)委員會(huì)理事長(zhǎng)陳尚義說(shuō)道。

　　正如陳尚義講的，百度的數(shù)據(jù)非常多，結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)大量并存，小到一個(gè)詞匯，大到一部電影，他們對(duì)于數(shù)據(jù)的要求也是不一樣的。在日常中，百度需要的面對(duì)的是客戶(hù)24小時(shí)隨時(shí)隨地的需求，業(yè)務(wù)對(duì)于數(shù)據(jù)儲(chǔ)存提出了極高的要求。“高可用、高可靠、高通量、高實(shí)效是我們對(duì)于自身服務(wù)的要求。我們有大數(shù)據(jù)平臺(tái)，有專(zhuān)門(mén)的隊(duì)伍來(lái)做數(shù)據(jù)這塊，以支持百度貼吧、知道和百科等平臺(tái)的正常運(yùn)行。”陳尚義在提到百度服務(wù)的標(biāo)準(zhǔn)時(shí)提到。作為國(guó)內(nèi)搜索界的領(lǐng)軍人物，百度的數(shù)據(jù)增長(zhǎng)量是非常驚人的，這樣的情況使得百度對(duì)于自身系統(tǒng)的可靠性要求也更高。

　　精準(zhǔn)為王

　　當(dāng)我們?cè)谑褂冒俣鹊臅r(shí)候，最關(guān)心的就是搜索結(jié)果的精準(zhǔn)性、全面性、搜索模式和交互體驗(yàn)。而具備這四個(gè)特性的搜索方式被稱(chēng)之為新一代搜索。

　　舉個(gè)簡(jiǎn)單的例子，在沒(méi)有利用大數(shù)據(jù)的時(shí)候，當(dāng)我們?cè)诰W(wǎng)上搜索一個(gè)疾病的名稱(chēng)，出現(xiàn)的可能更多的是醫(yī)院的信息，疾病的一些基本情況。當(dāng)大數(shù)據(jù)被利用起來(lái)時(shí)，我們?cè)谒阉鲿?huì)獲得疾病的情況，其他差不多的疾病有哪些，用什么藥品。而當(dāng)你選擇一個(gè)相關(guān)的醫(yī)生時(shí)，網(wǎng)絡(luò)上就出現(xiàn)醫(yī)生的專(zhuān)業(yè)，擅長(zhǎng)的領(lǐng)域。這樣的一個(gè)轉(zhuǎn)變，是更加智能的交互體驗(yàn)當(dāng)我們輸入一個(gè)東西，搜索引擎就已經(jīng)知道我們想干什么了。而百度正在利用大數(shù)據(jù)向這個(gè)方向發(fā)展。

　　全面為佳

　　現(xiàn)在，百度不僅僅有文字搜索，還有語(yǔ)音搜索、圖片搜索。你搜“國(guó)際會(huì)議中心”這幾個(gè)字的時(shí)候，會(huì)呈現(xiàn)出國(guó)際會(huì)議中心相關(guān)的圖片，但是現(xiàn)在相反了，你可以輸入一個(gè)圖片。根據(jù)你的圖片可以找到跟它相關(guān)的或者相同的圖片，叫以圖搜圖，這個(gè)方面我們?nèi)ツ杲?jīng)過(guò)一年的努力之后，取得了非常巨大的進(jìn)展。”陳尚義介紹了一種叫做隱文搜圖的新式搜索。不難看出，這樣的一種搜索改進(jìn)，背后對(duì)于大數(shù)據(jù)的要求比文字搜索圖片的要求要高很多。

　　這樣一來(lái)，更多的信息就變得完整全面起來(lái)。當(dāng)我們出行去外地，搜索一個(gè)景點(diǎn)時(shí)，除了獲得這個(gè)景點(diǎn)的信息，更有景點(diǎn)內(nèi)部相關(guān)的資料。周邊的景點(diǎn)、景點(diǎn)的特色是什么都會(huì)推送給用戶(hù)。這一切都需要大數(shù)據(jù)在背后做支持。

       當(dāng)我們輸入姚明的身高時(shí)，會(huì)出現(xiàn)姚明的信息。實(shí)際上這個(gè)概念叫做三元組。像這樣的三元組，百度已經(jīng)做了上億條數(shù)據(jù)實(shí)體。所有這些都是從上千億網(wǎng)頁(yè)找到的。幾千萬(wàn)個(gè)數(shù)據(jù)的實(shí)行，相當(dāng)于上千萬(wàn)個(gè)名詞的搜索，這超過(guò)任何一本書(shū)記和任何一本資料。——百度技術(shù)委員會(huì)理事長(zhǎng) 陳尚義

　　“新一代搜索下，當(dāng)我們輸入姚明的身高時(shí)，會(huì)出現(xiàn)姚明的信息。實(shí)際上這個(gè)概念叫做三元組。像這樣的三元組，我們百度已經(jīng)做了上億條數(shù)據(jù)實(shí)體。所有這些東西都是從上千億網(wǎng)頁(yè)找到的。幾千萬(wàn)個(gè)數(shù)據(jù)的實(shí)行，就相當(dāng)于上千萬(wàn)個(gè)名詞的搜索，這超過(guò)任何一本書(shū)記和任何一本資料，然后進(jìn)一步找到這些實(shí)體之間的關(guān)系。” 陳尚義講的這個(gè)例子最好的證明了搜索的改進(jìn)是大數(shù)據(jù)做支撐的。

　　2012年，百度引進(jìn)了一項(xiàng)技術(shù)叫深度學(xué)習(xí)，百度用GPU的訓(xùn)練系統(tǒng)來(lái)實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)，這項(xiàng)技術(shù)被投用在商業(yè)領(lǐng)域里，百度是首家應(yīng)用的幾個(gè)較少的公司中的一個(gè)。“在萬(wàn)兆網(wǎng)卡基礎(chǔ)上使用128個(gè)GPU。訓(xùn)練100億樣本的數(shù)據(jù)，訓(xùn)練時(shí)間從數(shù)月縮短到一個(gè)月星期，圖片錯(cuò)誤率降低三分之一。”被問(wèn)及百度在豐富信息上還利用大數(shù)據(jù)做了什么時(shí)，陳尚義如是說(shuō)。

　　民生關(guān)鍵

　　很多企業(yè)利用大數(shù)據(jù)是為了更好的服務(wù)于客戶(hù)，從而讓最終用戶(hù)獲得更加完善的服務(wù)。百度作為一家互聯(lián)網(wǎng)公司，利用大數(shù)據(jù)也是為了更好地讓利用他的人們獲得更好的體驗(yàn)。縱觀一些問(wèn)題，人們最關(guān)注還是民生的問(wèn)題。醫(yī)療問(wèn)題、交通問(wèn)題都是人們?cè)谌粘Ｉ钪凶铌P(guān)注的。

　　陳尚義講了兩個(gè)事例：他每天從家里到百度大廈有20多公里的路程，正常花費(fèi)一個(gè)小時(shí)，如果不賭車(chē)，其實(shí)30分鐘就夠了，交通是一個(gè)讓他心有余悸的問(wèn)題。交通情況對(duì)于在北京的人都是相同的感受。抗震救災(zāi)的時(shí)候，道路不通暢，救援點(diǎn)也無(wú)法找到。

　　另一個(gè)是陳尚義聽(tīng)鄰居說(shuō)起的，老人排隊(duì)1個(gè)多小時(shí)掛了一個(gè)號(hào)，但是醫(yī)生看了三五分鐘就結(jié)束了，這樣的一個(gè)情況讓很多病患對(duì)于就醫(yī)也充滿(mǎn)了抵觸心理。

　　于是，百度針對(duì)醫(yī)療和交通出行，充分收集數(shù)據(jù)，并加以利用對(duì)搜索做出了很大的改進(jìn)。

　　在醫(yī)療方面，百度降低了獲得服務(wù)的門(mén)檻。當(dāng)在百度首頁(yè)輸入頸椎病時(shí)，會(huì)出現(xiàn)頸椎病相關(guān)的信息、醫(yī)生、醫(yī)院，并且提供掛號(hào)信息。經(jīng)過(guò)百度技術(shù)團(tuán)隊(duì)的努力，現(xiàn)在百度已經(jīng)可以做到一站式的服務(wù)。智能交互可以找到所有相關(guān)的信息。禽流感在2013年4月份比較流行，百度告訴你禽流感的癥狀，防御的措施，這樣的話老百姓就不用驚慌了。醫(yī)療衛(wèi)生方面還有很多，真假識(shí)別，價(jià)格的對(duì)比等等。

　　交通出行方面，假設(shè)到國(guó)際會(huì)議中心，很多人知道路線。但是今天還是很多人用百度地圖導(dǎo)航，非常的方便。現(xiàn)實(shí)生活中，在交通方面人們還有很多的需求，北京經(jīng)常實(shí)施交通管制，我們?nèi)绾螌?shí)時(shí)獲得交通管制信息。與此類(lèi)相關(guān)的還有交通事故等，有沒(méi)有大型貨車(chē)都是行車(chē)人都關(guān)心的信息。

　　在線教育也是現(xiàn)在民生方面非常新的一點(diǎn)。美國(guó)的情況比中國(guó)發(fā)展還要快，百度也推出了開(kāi)放平臺(tái)。