日前， 金山雲和英特爾合作推出資料分析領域解決方案KMR（Kingsoft MapReduce）。 KMR採用英特爾至強處理器E5 v4產品家族的硬體平臺， 是一個可伸縮的通用資料計算和分析平臺。 它以Apache Hadoop 和 Apache Spark兩大資料計算系統為基礎， 通過自動調度彈性計算服務（KEC）， 能夠説明企業使用者快速構建分散式資料分析系統。
金山雲的發展大致分為三個階段：雲計算、大資料以及人工智慧。
雲計算， 說白了就是以IaaS和虛擬化等技術為核心支撐， 讓企業將其業務放到雲端， 降低企業的部署成本， 並且加速企業業務的發展。 接下來， 雲上會產生很多資料， 必須要有利用這些資料驅動企業進行決策的能力，
要實現這些的基礎， 就是靠金山雲機器學習平臺 KML（Kingsoft Machine Learning）， 這是機器學習/深度學習任務託管平臺， 底層基於金山雲高性能異構計算集群， 融合了 Intel 等合作夥伴的技術。
會上， 金山雲大資料和AI技術總監張東進從成本、效率、性能、安全四方面闡述了KML的價值：
成本方面，
平臺會按實際的運營時間收費，
這樣就能幫企業省去系統研發和維護成本。
效率方面，
這是一個全功能的深度學習集成環境，
包括TensorFlow，
以及英特爾的BigDL等框架。
由於是全流程平臺，
所以從整個物料的預處理、物料的存儲、物料的訓練、評估、上線預測等等方面都提供完整的支援。
安全方面， 做人工智慧最核心的不是演算法， 還是資料。 KML可以提供一個企業級的資料加密和企業級HPC集群保證資料安全。
性能上，
底層是基於成熟的異構計算集群，
其中就包括英特爾給提供的高性能E5系列的CPU，
以及萬兆網卡和英特爾SSD技術。
至於英特爾方面， 技術專家也表示， 目前和金山雲一直在努力合作的部分是， 端到端、雲上大資料解決方案。 拿最典型的KMR計算舉例， 資料是放在塊存儲還是放在物件存儲呢？這個實際上是有不同的配置， 比如使用者想節省成本， 想成本最低， 都是批次處理， 這個時候可能把資料全放在底層物件存儲， 用KS3做物件存儲， 這樣的話， 當計算的時候， Spark直接從物件存儲調用資料計算。 同樣， 如果說想保證效率， 計算的即時性要求很高， 這個時候可以在記憶體裡面建立一個記憶體檔案系統， 現在叫Alluxio， 把熱資料全部緩存在記憶體裡面，
所以， 英特爾和金山雲的合作目的是對每一個模組進行優化， 按照雲的特性， 大資料的特性， 把雙方結合起來。