很长一段时间以来，机器学习都占据着技术圈的热搜榜。DTCC大会的第二天下午，笔者无意间闯入了机器学习专场，距开始还有半个小时，现场就已经座无虚席了，机器学习的热度可见一斑!随意一瞥，笔者便看见了这样一个议题——《微软云计算在风电行业的智能化实践》，微软、云计算、风电行业，这三个字瞬间燃起了笔者的求知欲，所以这是一个什么样的故事呢?
微软两大重点方向——人工智能与边缘计算
刘士君开场便直奔主题——机器学习的意义是什么呢?关于机器学习的定义，或许每个人都有自己的见解和答案，刘士君提出的定义有三点：使用计算机运行算法模型、从海量数据中发掘隐藏规律以及预测未来行为和趋势。当然，这是学术层面的定义，只有最后落地于具体场景，这事才算得上没白研究。
刘士君举了一个十分简单的“信用卡欺诈行为检测”的事例，当用户数很少时，人工检测或许可以应付，当数据爆炸式增长后，人工审核显然是不合适的。这也表明，随着大数据时代的到来，人工智能的出现也是必然。
刘士君在现场说到机器学习的优势主要有四点：针对海量数据;很多问题无法通过显性指令集解决，但机器学习可以解决;效率几何倍数提高;自我学习、不断提高。当然，微软针对机器学习也有自己的产品——Azure Machine Learning Studio，Azure上基于GUI，用于创建和操作机器学习工作流的集成开发环境。如果简单地用一句话介绍，Azure Machine Learning是一个通过PaaS平台快速构建机器学习算法供开发者使用的解决方案。其有很多不错的特点：通过浏览器访问，通过可视化的模块E2E支持数据流，提供多种ML算法和模型库，支持R和Python扩展，支持Web API快速部署和伸缩，只需要完成算法，不需要部署环境，具有分类、回归等模块。如果感兴趣，广大技术人员可以自行体验。
这部分的最后，刘士君提及微软今后两大主要的研发方向集中于边缘计算与人工智能。边缘计算部分，刘士君简单提及会将数据计算能力从云端逐渐推向边缘化设备。
微软云计算在风电行业的智能化实践
开篇提到，风电行业吸引了我的注意力，为什么这么说呢?因为关于风电行业的智能化案例相比其他行业的曝光度要少一些。来自北京天泽智云科技有限公司的刘宗长对这部分进行了介绍。
从痛点出发，刘宗长表示，虽然人工智能技术突飞猛进，但在工业领域的应用仍处于探索阶段，还有许多问题需要解决：比如与工业场景中的痛点契合、以机理模型为基础、对业务场景的深度理解、以为客户创造价值为最终目标。好，扯远了，再扯回来!
具体到风电行业主要有三大痛点：一是国内目前对风能限电严重，风机的实际使用率远低于国际平均水平，二是风电的度电成本较高 (0.6-0.8元/度)，为煤电的2倍以上，三是运维难度大，停机造成的损失巨大。针对这些问题，天泽智云科技选择了Wind Insight，Wind Insight 是一个利用预测性分析及AI技术对风电装备进行智能化运维管理的平台，其部署在了Azure平台上，最大的方便就是可以集成Azure的资源，比如用 AML Studio 实现性能分析的建模过程、用 Azure进行性能分析验证等。最后，基于Azure构建整套系统缩短了80%以上的产品研发周期。
这场无意闯入让笔者对微软的机器学习技术以及Azure可以提供的整体资源有了一个简单的了解，具体的功能或许可以请各位技术人士自行测试、评论里互相交流。
