在去年上海财经大学的MBA讲座中，“下一场数据革命”，本人提出未来数据平台的有几大趋势：

1. 新型的数据交易所
2. 可信计算平台
3. 数据安全中台
4. 新型数据分析系统（流式，交互式）
5. 算力云
6. AI数据库
7. 低碳AI
8. ABCD一体化平台

例如，阿里的datatrust就是可信计算平台的一种。 datatrust里面有一项特色是对SQL分析的集成。

这里我想谈论的就是 SQL + 分布式(D) + 流式(F) + AI + 隐私计算(PEC) +算力（GPU）六合一数据中台， 正在走向从未有过的融合。 从DataTrust，大致可以看到SQL+PEC的融合。

其实AI+PEC也不是新闻了，只是早期更倾向于使用TEE环境去搞定。Spark也往往是作为底层分布式框架。

只是最近联邦学习， 多方安全计算软件解决方案全面追上来了。

SQL+AI的融合

其实SQL+ML融合的思想，在Clickhouse的设计里面就有一定的体现了。 倒是ML毕竟不是AI。 滴滴与蚂蚁金服搞了一个SQLFlow， 希望融合SQL+AI， 其实本质就是AI数据库的思路。

但是就实现上， SQLFlow只是一层解释层，目前语法的接受程度也有限。

底层当然可以实现一定的分布式。

SQL+AI+流式 的融合

其实阿里的Blink中就有SQL的集成，阿里也有意将这一块推动融入Flink。 所以Blink其实有点SQL+ML+流式的融合了。

要从ML过渡到AI，就得对主流的AI框架进行支持。 最近Fugue项目如火如荼的进行着， 算是前沿的SQL+AI+流式的融合了。

SQL+AI+流式 + 分布式的融合

Spark时代BSP分布式模型非常适合大数据计算， 而走向更适合AI的Asynchronous Parameter Server，时代就有很多改造， 例如Glint项目。

但是一个全新的Python的异步服务器分布式平台也是非常好的选择， 例如Dask， Ray。

其实Spark，Dask，Ray有非常相似的地方，就是维护一张分布式宽表。所以他们之间相互调用会比较简单。

很多人好奇，Spark与Ray/Dask有啥不一样呢， 其实一句话可能比较好的解释了： 最好他俩组合起来用， Spark做分布式数据预处理。而且Ray/Dask做分布式训练。

SQL+AI+流式 + 分布式 + GPU

AI现在天然离不开算力支持了。 因此不管是DASK，还是Ray对GPU的支持都会比Spark好。

尤其今年虚拟化对GPU的支持也越发有提升。

六合数据中台

相信充分的融合后，在算力虚拟化的基础上，

分布式宽表的组织可能能力也不同。

流式 + AI +SQL + 分布式会充分融合成大型数据中台。

当然核心功能依然少不了隐私计算的能力。 因为在隐私计算的划分下，

宽表也会分成纵向分割的宽表， 与横向分割的宽表。 对此有兴趣的可以看一下SecretFlow的实现。

小结：

从AI数据库到六合一数据中台， 都将是国产的机会。 尤其国内在图AI， 隐私计算方向都有优势。 希望中国可以引领六合数据中台 （SQL + 分布式(D) + 流式(F) + AI + 隐私计算(PEC) +算力（GPU））