講到創(chuàng)新就離不開計算、離不開大數(shù)據(jù)、離不開人工智能，根據(jù)Gartner的數(shù)據(jù)檢測，過去10個季度浪潮服務(wù)器的出貨量增長全球最快，2017年全球浪潮服務(wù)器出貨量全球前三，并提出了云計算、大數(shù)據(jù)為核心內(nèi)容的智慧化戰(zhàn)略。7月14日由企業(yè)網(wǎng)D1Net舉辦的2018汽車行業(yè)CIO論壇就邀請到了浪潮企業(yè)推進部總經(jīng)理劉志勇先生為現(xiàn)場帶來《計算讓企業(yè)更智慧——浪潮企業(yè)智慧化轉(zhuǎn)型之路》的主題演講。
以下是現(xiàn)場速記：
【浪潮企業(yè)推進部總經(jīng)理 劉志勇】
劉志勇：大家上午好，在我開始我的分享內(nèi)容之前，跟大家介紹一下浪潮。浪潮公司到現(xiàn)在成立70多年了，1945年在上海成立的，大概在1962年從上海遷到了濟南，公司的業(yè)務(wù)一直在變化。從1962年遷到濟南以后開始涉及電子領(lǐng)域，1970年的時候做電池零部件。1983年的時候，大家應(yīng)該還有印象，當年浪潮面臨危機。1993年中國生產(chǎn)了第一臺小型機的設(shè)備。
2007年成立了國家級實驗室，當時是國家級重點實驗室比較少，是服務(wù)器存儲的國家級重點實驗室。2008年我們?nèi)〉昧艘幌盗械募夹g(shù)上的突破，從2014年開始服務(wù)器的出貨量排到第一名，全球是第五名。2015年的時候獲得國家科技進步一等獎。國家進步一等獎是相當有分量的獎項，我印象中得這個獎除了是設(shè)備以外，還有袁隆平得過這個獎，還有海防導(dǎo)彈得過這個獎。2017年我們基本上比較穩(wěn)定是中國第一，全球前三。當年2017年我們的相關(guān)專利數(shù)在企業(yè)里面是排第一的，而且有分量的是發(fā)明專利，因為做企業(yè)的都知道，實際上申請專利發(fā)明專利特別的重要，所以發(fā)明專利占比高其實某種程度上證明了這家公司的能力。
這張圖是最新的剛剛發(fā)布的2018年第一季度的全球X86服務(wù)器的出貨量，這個數(shù)據(jù)一季度以前就是2017年Q4的時候，這個數(shù)據(jù)浪潮和華為的數(shù)據(jù)只差了幾百臺，差距非常小。隨著一季度以后，這個差距已經(jīng)在進一步的放大，所以我們在國內(nèi)的服務(wù)器的優(yōu)勢應(yīng)該是比較穩(wěn)定的。但是實際上從這個數(shù)據(jù)來看，我們和全球知名的惠普、戴爾還是有些差距的，但實際上我們的增速是極快的，基本上是業(yè)界的十幾倍。所以我覺得浪潮在未來的幾年還是有信心進步的，能夠跟企業(yè)一起進步，助力企業(yè)的智慧化轉(zhuǎn)變。
今年IDC已經(jīng)調(diào)整了服務(wù)器的增速，在去年年底、今年年初的時候，IDC的增速是14%點多，但是一季度結(jié)束以后增速突然調(diào)到了30%多，今年肯定是服務(wù)器的元年，非常明顯。為什么呢?因為整個技術(shù)環(huán)境的變化，而且有些變化是超乎我們的想象的。在這種情況下，對于運算的需求會越來越大，給大家分享一下在運算特別是未來企業(yè)的智慧運算里面浪潮的基本思路。這是我隨便舉的例子，利用率太高了，2017年在杭州麥當勞的一個門店里面初步實現(xiàn)了刷臉支付，真的連卡都不用帶了。原來我們是帶錢包、帶鈔票，后來就變成帶卡，再后來變成只帶手機，未來很可能連這個都不用了。
這個車的海燕系統(tǒng)，有些人可能都了解國內(nèi)做海燕系統(tǒng)的公司。目前海燕系統(tǒng)全中國大概做得好的三千多個車型都是可以準確識別的，原來有一個說法，開車的司機說車速超了180公里的時候拍照都能識別出來，有些人就會有這樣的說法，因為他已經(jīng)基本上識別到駕駛員是否系了安全帶、是否在抽煙、吃東西、甚至轉(zhuǎn)頭跟別人說話，能夠很準確的識別得到，所以沒有什么能夠逃脫海燕系統(tǒng)的眼睛的。這個跟車有關(guān)系，當然統(tǒng)計口徑不太一樣，目前我們已知的大概是300萬的應(yīng)用測試里程，最好的結(jié)果是大約每5000英里/次，開著自動駕駛的時候每5000英里比如說剎車或者轉(zhuǎn)彎等等是要人去動的，這是安全的開車。
現(xiàn)在的自動駕駛5000英里相當于什么呢?相當于從上海開車到烏魯木齊再開回來，大概開正常的速度。當然從安全的角度來講，即便是這樣，離全面的排除故障方面這件事還是有很長距離的，因為碰到一些非常差的路況，不能說我們現(xiàn)在技術(shù)上不成熟，而是我們采集的數(shù)據(jù)和數(shù)據(jù)分析以及自動系統(tǒng)進行聯(lián)系，現(xiàn)在還有很多要改善的地方，但是這個技術(shù)本身并不是一個非常不成熟的技術(shù)。
這個是我們有一個國內(nèi)的比較大的網(wǎng)站的數(shù)據(jù)，這個數(shù)據(jù)大概每天的翻譯請求是4億次，大家可能對4億次沒有什么概念，4億次大概相當于每天16T的數(shù)據(jù)量。如果你乘以365天，基本上這個數(shù)據(jù)是非常非常大的。這個東西第一個我們看它的翻譯準確率很高，另外現(xiàn)在隨著智能化的技術(shù)水平的提高，應(yīng)用不斷的延伸到我們生活和工作的各個角落。
其實我們看這個數(shù)據(jù)，其實它背后是什么?首先第一件事情是要有強大的網(wǎng)絡(luò)傳輸能力，因為你不可能說一句話20分鐘再給答案。首先你要把這個信息傳上去，傳上去以后你要識別他說的是什么，這個是要靠運算的。運算完以后，你還要到你自己的數(shù)據(jù)庫或者存儲里面去查這句話是怎么回事，然后再給你反饋回來，翻譯完再傳到請求的那個人那里去。
所以這里面涉及的是一個簡單的數(shù)據(jù)代表的意思，第一是整個的傳輸能力的提高、網(wǎng)絡(luò)能力的提高;第二是后臺強大的計算能力;第三是對存儲的檢索、對存儲的要求比以前高很多。我們看到的給我們的感受是，我說一句話，兩秒鐘以后給我翻譯，但實際上背后的技術(shù)完全是靠計算的。
其實基本所有行業(yè)都是一樣的，全國幾乎所有的各行各業(yè)，包括政府、包括教育、包括企業(yè)等等在過去的2、30年時間里面都經(jīng)歷了這樣一個過程，就是從電子化到數(shù)據(jù)化到智能化的轉(zhuǎn)變。那么中國相比國外，我們大概在90年代95年以后才出現(xiàn)了電腦讓大家認識到、能夠接觸得到，我記得我上大學的時候，機房還是挺昂貴的一個事。但是我們中國的發(fā)展是跳躍式的，別人都不知道怎么回事就已經(jīng)結(jié)束了發(fā)展的階段，中國在IT方面的進步是比其他國家要快很多的。
我給大家一個很準確的數(shù)據(jù)，中國的IT市場容量在2006年的時候就已經(jīng)超過日本了，這是整個市場的包括各種產(chǎn)品，比如服務(wù)器、存儲等全都算在里面。今天我們有沒有趕上美國呢?還沒有趕上美國，美國還是比較大的。但是最新的一個數(shù)據(jù)表明，中國已經(jīng)能夠占到全球IT市場容量的25%左右，很大的占比。所以目前來看，我們自己感覺國內(nèi)這方面的需求是很大的。
再加上我們今年的中美貿(mào)易戰(zhàn)對整個社會的影響，我估計很多人沒有想到這個事，應(yīng)該是革命性、標志性轉(zhuǎn)變的一年，這次的貿(mào)易戰(zhàn)可能會導(dǎo)致我們國家在基礎(chǔ)設(shè)施的研究、包括芯片以及高端的計算設(shè)備商、包括一些重要的軟件和算法上，可能會產(chǎn)生一個相對革命性的變化，各種企業(yè)在這方面可能會有巨大的投入。
說到電子化，最早的時候比如說政府網(wǎng)上蓋章的系統(tǒng)是最早的電子化，最早出現(xiàn)在工廠里面的比如說我們那個時候用過一個軟件叫矢量化，這是做什么的呢?就是把圖紙，因為要畫很大的工程圖，0號圖、1號圖，把圖紙電子化。電子化的時候會有一個問題，拍一張照片不就完了嗎?其實沒有那么簡單，不是拍一張照片那么簡單的，因為一張照片拍完以后是內(nèi)圖，內(nèi)圖就意味著你要放大的時候會有一條線，你無限放大的時候，整個屏都會有一條線。
為什么要矢量化，矢量化是意味著他把那個線跟矢量對圖紙進行調(diào)整，所有的圖紙里面每根線的粗細代表了不同的意思，你的每根虛線是虛線還是長短線的虛線還是線段的虛線，代表的意思都不一樣。在這種情況下是需要用矢量化的方式把這張圖做一次處理的，那個時候其實就是在做電子化的工作。這種電子化的現(xiàn)在結(jié)束了沒有，其實現(xiàn)在還沒有結(jié)束，很多都還在做。有一個很有趣的事，我自己接觸了一個客戶是做指紋識別的。現(xiàn)在我們的身份證都是指紋的，大量的陳年案件的指紋系統(tǒng)是要電子化的，要把它做拍照備查，還要找到那些點。
我們現(xiàn)在從指紋的角度、從電子化的角度來講，我們今天已經(jīng)做到的第一個事是指紋，一個指紋里面大家可以想它的運算量和存儲量有多大，一個指紋數(shù)據(jù)是2到4兆。接下來又有掌紋數(shù)據(jù)，掌紋數(shù)據(jù)大概是12兆左右。接下來是面部數(shù)據(jù)，大概是20兆。有的人就說了，有指紋干嘛還要用掌紋，比如說書案或者立案的時候，如果有兇器，刀柄的位置指紋沒有識別到，這個時候必須要做掌紋或面部的識別，這個就更專業(yè)了。未來有一個東西加進來，就是步態(tài)，走路的姿勢都給你記錄下來，這樣以后追逃的時候，一個攝像頭擺在機場或者火車站，在這種情況下你可能戴著墨鏡，可能把臉涂成別的顏色，但是你走路的樣子是很難改的。
其實我們現(xiàn)在說從電子化到數(shù)字化到智慧化，這三個東西并不是割裂的，不是說我們今天做智慧化了，我們就不考慮電子化的問題了，因為我們今天已經(jīng)智慧化了，為什么還要做這些軟件呢?其實如果電子化的基礎(chǔ)、沒有數(shù)字化的系統(tǒng)，我們是談不上智慧化的，所以最基礎(chǔ)的工作還是要做的。這里面的數(shù)字化階段，因為我們今天主要是給車企看的，我們就沒有放通用的所有制造業(yè)都用得上的東西，這是車企最常用、最基礎(chǔ)的一些東西。
有了這些東西之后，未來我們到智慧化的時候會涉及到很多問題，因為智慧化是極為復(fù)雜的東西，不是一個容易做得了的。云數(shù)據(jù)中心的建設(shè)，智能的網(wǎng)聯(lián)汽車研究，然后到無人駕駛、到大數(shù)據(jù)。剛才我也和一位朋友隨便聊了幾句，他是在做類似的事情。其實未來我們的智慧化服務(wù)延伸，可能汽車的服務(wù)就不只是開得舒服、開得安全，你在車里面提供各種各樣的服務(wù)都會放到上面，這是以前不能想象的。比如我們以前給大家找一個飯館，人家說跟車有什么關(guān)系，現(xiàn)在已經(jīng)有關(guān)系了。
這是我們浪潮自己總結(jié)的，我們認為企業(yè)要智慧化，有一個很重要的觀念、看法，就是把智慧的東西做到自動化。什么叫自動化呢?比如說我們在這邊看到一些工廠很厲害，經(jīng)常看到有很多的機械手在那里，機器人做出來人做不出來的動作，焊出來的東西是人絕對焊不出來的，一個斷點都沒有，斷了它會給你連上。我們有時候往往覺得這些東西是不是挺厲害的，確實很厲害，但其實并不是智慧化，只是自動化而已。
比如說我們現(xiàn)在的很多車企制造水平是很高的，我們今天什么叫智慧化，比如說我現(xiàn)在有一個螺絲，機械臂非常快的可以擰上，也許是人的一百倍或者多少倍，迅速的把螺絲擰上，這個技術(shù)是挺厲害的，但是它可能是一個自動化的范疇。什么是智慧化呢?就是我要看一個人是怎么擰螺絲的，一定是有一個螺絲孔，我再找一個合適的螺絲去擰，這是人判斷的東西。機器自動化不是這樣的，它的點是固定的，總在這個位置，人想走哪兒就走到哪兒，而且擰上去電機可以轉(zhuǎn)。
但是實際上現(xiàn)在的智能工廠不是這樣的，智能工廠是拿一些照片，跟人一樣擰得是一樣的，照片照一下，照完以后識別有沒有問題，先識別螺絲的位置。識別完以后，去判斷螺絲孔的大小，在旁邊撿一個螺絲過去，然后再回到一個點再去擰，整個過程基本上是一個比較智能化的手段。大家去想，其實自動化是反人類的，因為它做的動作是人做不了的，比如特別迅速的蓋章，人怎么可能蓋得那么快。但是智慧化不一樣，智慧化實際上就是按人的想法在想問題。
所以在這種情況下，我們把智慧化拆解成三個部分，第一部分是云，如果你不能夠用一個有彈性的而且是能夠具有超大的超復(fù)雜的運算硬件技術(shù)，這個東西本身是在建立在此基礎(chǔ)上的，云建立的第一個基礎(chǔ)是軟件定義，我們以前說軟件定義網(wǎng)絡(luò)、軟件定義存儲，后來又講軟件定義數(shù)據(jù)中心，全部用軟件來定義。第二個，云的第二個基本的技術(shù)基礎(chǔ)是虛擬化的存儲。在這兩個技術(shù)基礎(chǔ)的前提下，我們應(yīng)該是有一個相對獨立的完整的公有云和私有云加上混合云的計算平臺，如果沒有平臺很難談到后面的智慧化。單機的或者集群式的硬件運算，基本上都是比較落后的想法。
第二是大數(shù)據(jù)，其實數(shù)據(jù)是我們認識這個世界的基礎(chǔ)，其實我們想人是一樣的，自動化就自動化、智能化就智能化，拿自動化跟人的行為去做比較。我們今天看到一個人甚至包括我們今天在這里跟大家有一個交流，其實一樣的，我們獲取的信息是語音、口音，可能你還要判斷說的到底是什么意思，偶爾帶個別的英文詞一時半會反應(yīng)不過來。所以在簡單的溝通過程中，其實數(shù)據(jù)在不斷的傳輸。數(shù)據(jù)是我們認識這個世界的方法，對人是一樣的，對機器也是一樣的，對計算機也是一樣的。你有了數(shù)據(jù)以后，你怎么把它用起來呢?
前段時間我去格力，當時我說你們對大數(shù)據(jù)怎么樣，當然你們肯定想不到他怎么用，他是怎么做的呢?當他們的空調(diào)出現(xiàn)問題的時候，全國各地進行聯(lián)動傳數(shù)據(jù)。傳什么數(shù)據(jù)呢?比如說空調(diào)出現(xiàn)故障，他會提前把數(shù)據(jù)傳到總部，總部會有一個反饋指令給到使用者，說你們應(yīng)該加氟了、應(yīng)該加制冷劑了或者怎么怎么樣。他們長時間的觀測這個空調(diào)使用的位置的溫度、濕度、包括風等等這些數(shù)據(jù)，他都會傳回去，傳回去以后干什么呢?去改善他的方案。后來我就開玩笑，我說如果有一天你們把這個東西全都用在這個上面了，你們就不用看天氣預(yù)報了，因為你很主觀，你測的是每一家空調(diào)的位置的溫度，以后可能你會發(fā)布天氣預(yù)報。格力說這個小區(qū)是21.5度，在門口是21.8度，就這么一點點的差距。
所以從數(shù)據(jù)利用的角度來講，現(xiàn)在各個企業(yè)都在用，而且他們的數(shù)據(jù)有理由會刪嗎?他們不會刪。我說這些數(shù)據(jù)不刪有什么用呢?他說我不知道有什么用，我不敢刪，我不能刪，反正我就不刪，也許以后我就能用得上了。像石油一樣，幾千年以前也有石油，就在阿拉伯世界的底下埋著，那個時候石油用來干什么呢?最多就是點點火，就是取暖燒東西用。到后來今天我們的塑料瓶子都是一樣的，數(shù)據(jù)也是一樣的，我們今天可能不知道數(shù)據(jù)到底干什么用，但它就是一個財富，你留住就好了。
有了這個數(shù)據(jù)之后，其實我們需要有一個深度學習的優(yōu)化工具，最后你要分析它。第一個你要去做數(shù)據(jù)的分析，第二個你需要把這個數(shù)據(jù)變成某種程度上的對機器的訓練、對模型的訓練、對算法的優(yōu)化等等。這里有另外一個有趣的事，大家都知道這個事，就是阿爾法狗去年打敗了柯潔，但是阿爾法打敗柯潔是有前半節(jié)的，前半節(jié)是1996年的2月份，差不多2月份是第一次人機對戰(zhàn)，是國際象棋深藍對戰(zhàn)著名的國際象棋頂尖高手卡斯帕羅夫，第一輪比賽人贏了，在一年以后第二輪對戰(zhàn)的時候輸了，那是1997年的時候，這個是一個中國人研發(fā)的。
后來我在另外一個IT公司討論過，中國象棋機器能贏的，現(xiàn)在國際象棋機器人也能贏嗎?當時認為太復(fù)雜了。20年以后，2017年阿爾法狗打敗了李世石，結(jié)果在幾個月以后，阿爾法狗創(chuàng)造紀錄打敗了人類。接下來很快沒幾個月的時間，阿爾法zero又出來了，阿爾法狗應(yīng)該用90萬局人類的棋局訓練出來的，阿爾法zero沒有看任何的棋局，它只用了三天時間，只是告訴它圍棋的基本原則，它用了三天時間就打敗了阿爾法狗。當然阿爾法狗有很多版本，有的說法是三天打敗阿爾法狗，這個說法是不嚴謹?shù)摹乐數(shù)恼f法是三天打敗了阿爾法戰(zhàn)勝韓國棋手的機器，21天的時候打敗了戰(zhàn)勝柯潔的機器，那臺機器叫阿爾法狗master，40天以后打敗了所有的阿爾法狗。用了40天的時間，而且沒有參考人類任何的東西，完全靠自己學習。
所以說，他只是優(yōu)化了算法，他的PDO用的數(shù)量只有原來的幾分之一。我們今天看到深度學習這種算法的優(yōu)化以及后臺運算力之強大，已經(jīng)超過你的想象。我們剛才提到深藍，深藍和后來的阿爾法有一個區(qū)別，有什么區(qū)別?當時深藍就是算，不斷的計算你的下一步是什么，但是缺少今天的人工智能，它不會總結(jié)，它只能算。但是阿爾法已經(jīng)開始總結(jié)了，到阿爾法zero已經(jīng)不是總結(jié)的問題了，它就是在學習，就跟我們培養(yǎng)一個天才兒童小孩是一樣的。所以在這種狀態(tài)下，我們認為阿爾法是相當有趣的，這種趨勢代表它第一件事就是算，你用什么方式算，第二是你用什么方式去獲取你自己進步的數(shù)據(jù)或者能力，第三是你到底怎么競爭。
今天我們講這個話題直接扣到這個主題上來，因為我們今天是跟車有關(guān)的企業(yè)。我們今天把這個東西和車企聯(lián)系起來，首先是對于車企來說，我們的云計算部分其實核心的就是車聯(lián)網(wǎng)。我稍微說狹義一點的車聯(lián)網(wǎng)，比如說我們車上的數(shù)據(jù)等等，但是實際上如果我們說相對廣義的車聯(lián)網(wǎng)涉及到很多。這是我們傳統(tǒng)狹義的車聯(lián)網(wǎng)，后面的是指大家非常熟悉的汽車工廠里面的整個制造環(huán)節(jié)，下面是操作系統(tǒng)，左邊這一層是上游的服務(wù)商，右邊這一層是下游的服務(wù)商，真正廣義的車聯(lián)網(wǎng)涉及到很多。
我們回到這一頁，這里面實際上是舉了幾個例子，現(xiàn)在很多是跨界的，有的被互聯(lián)網(wǎng)給打敗了。其實我們到底跟誰競爭，今天很多高大上的公司，不是寶馬、奔馳，而是特斯拉。我們看到有無人駕駛車，我們了解了一下，在座的某一個車企戰(zhàn)略合作項目，通過硬件等等去幫這家公司嘗試著做無人駕駛有關(guān)的技術(shù)，我們看到了這個車。今年車企的很多技術(shù)和未來技術(shù)看起來都是和互聯(lián)網(wǎng)、IT直接相關(guān)的，所以某種程度上可以說是車聯(lián)網(wǎng)行業(yè)的競爭。
今天從另外一個角度上來說，以前可能作為車企不搭理互聯(lián)網(wǎng)公司，我也不理IT公司，今天確實不一樣了。今天我們在很多情況下，由于技術(shù)的發(fā)展、互聯(lián)網(wǎng)和人工智能的發(fā)展，導(dǎo)致如果我們今天的車企不跟IT公司合作、不跟互聯(lián)網(wǎng)合作，未來你真的不知道你會怎么樣，我也不知道，沒人知道。所以我們從車聯(lián)網(wǎng)的角度來講，今天初級的功能實際上是一些在線娛樂等，大部分的車現(xiàn)在已經(jīng)可以實現(xiàn)了，比如說可以通過互聯(lián)網(wǎng)手機連上去收到網(wǎng)絡(luò)節(jié)目等等，這是比較初級的。再后來我們隨著發(fā)展，現(xiàn)在已經(jīng)開始出現(xiàn)了遠程的保險理賠、簡單的服務(wù)推薦，比如推薦餐館或者停車場等等，這些已經(jīng)實現(xiàn)了。
那么最終極的一個功能，在未來肯定是跟無人駕駛、駕駛安全等融合在一起的。一些業(yè)界的大咖說的，未來的汽車很可能就是一個到處跑的移動計算設(shè)備。主要是由這三層構(gòu)成的，第一層是感知層，就是傳感器或者攝像頭拍出來的所有數(shù)據(jù)，比如說車的前后有一個東西，這個是人、還是一個東西、還是一個物體、還是右邊有車停在那兒、還是在開、車速是多少，這些都是通過感知層獲取的。
有了感知層以后還要傳輸，目前我們看到車輛很多的運算設(shè)備還是本地的，主要是由于帶寬不太夠，我覺得5G是劃時代的技術(shù)，如果5G一旦商用化，有了5G以后，我們在傳輸方面會有巨大的飛躍。因為不是后臺運算能力不夠的問題，而是速度太快的問題，現(xiàn)在看起來很大的一個瓶頸是在無線傳輸方面，可能你扔過去的數(shù)據(jù)是很慢的，算得很快，再傳回來的數(shù)據(jù)又慢了，所以如果開車開100公里，這段時間會出人命的。
最后是后臺的云數(shù)據(jù)中心，這個是楊教授總結(jié)的，我們把這個東西放在這兒一看的時候，比如說地圖，在車聯(lián)網(wǎng)上去看地圖，有車載終端的平臺、智能計算、信息安全和其它安全性的要求。我們說汽車的智能制造或者說車的黑科技等等不斷實現(xiàn)，實際上浪潮是怎么做的，我們主要是專注在這個領(lǐng)域，這是我們的強項。這個本地計算還好，這是本地計算，這是云計算，這是數(shù)據(jù)中心，大型的甚至超大型的數(shù)據(jù)中心的計算。但是如果說讓我們?nèi)プ龅貓D或者是讓我們做終端，這個不是我們的強項，我們對這個也沒有太大的關(guān)注。所以我們目前能做的是云的數(shù)據(jù)中心平臺，在有些情況下會涉及到本地計算。
這個是我們做的，因為我們知道所有的制造型企業(yè)都是三層結(jié)構(gòu)的，就是三部分，第一部分是你的上游供應(yīng)商，第二部分是你自己，第三部分是整個服務(wù)體系，越大的制造商的營業(yè)額越大，你的東西越多，這三層結(jié)構(gòu)就越明顯，你就越離不開。沒有一個制造商是說我連螺絲都自己生產(chǎn)，這是不可能的，這是社會分工的結(jié)果，我們改變不了。所以在整個體系里面，最上面紫色的基本上是我們傳統(tǒng)意義上的車聯(lián)網(wǎng)，但是后面部分那全部都跟你自己的生產(chǎn)相關(guān)，兩邊放在一起基本上是整個云平臺，當然這里面還涉及到一個工廠的工業(yè)互聯(lián)網(wǎng)。本來最后我們還有一個單獨的話題，但是今天由于時間的關(guān)系，我們就不講了。
這是一個很完善的結(jié)構(gòu)，那么我們和上游的供應(yīng)商有什么關(guān)系呢?其實肯定是有關(guān)系的，第一個你的供應(yīng)鏈我就不說了，我們經(jīng)常講供應(yīng)鏈，我要點東西隨時能給我。今天有了云的出現(xiàn)，這個東西又有另外一個意思了，比如說格力做得挺好的，真的是國計民生的問題，這種大企業(yè)的責任我是很佩服的。格力今年有一個大概7、800萬的第一期的仿真集群，第二期大概也是7、800萬左右，這個集群是做仿真的集群。
這個是他自己用的，但是他說同時承擔另外一個責任，我說如果你是一直在用嗎?他說不完全是，也有閑的時候，這就是和互聯(lián)網(wǎng)相關(guān)的東西。他把他的仿真集群、計算資源、計算能力剝出來一部分給誰用呢?給供應(yīng)商用，不是免費的，而是收錢的、收費的。以前相關(guān)IT的CIO都是花錢的，現(xiàn)在終于顛覆性的變化出現(xiàn)了，我們的CIO也可以賺錢了。他把他的運算能力交給他的供應(yīng)商用，比如說供應(yīng)商做什么用呢?比如說我們做空調(diào)的管子，通常那個管子里面是有門路的，如果說空調(diào)有噪音，安靜很重要，噪音關(guān)系到第一個是主機的轉(zhuǎn)動，第二個是空調(diào)出風口的空氣流動的聲音，第三個是來自于管路里面的流動。
為什么他在空調(diào)的管子里面有門路，因為不同密度、不同粘性的傳輸管在不同的門路上聲音是不一樣的，所以他根據(jù)你用的傳輸管里面有什么，但是以前都是要做模型去聽、去測的。因為現(xiàn)在仿真了，有了這些東西，特別是直接通過計算機的方式去算它。可是我們是上游供應(yīng)商，又是生產(chǎn)傳輸管的供應(yīng)商，他會花100萬元去買一套設(shè)備算嗎?不可能的。于是政府的大的廠商給供應(yīng)商提供能夠利用高端計算資源的手段，基本上類似于超算，這不是工業(yè)互聯(lián)網(wǎng)的全部，但這確實是工業(yè)互聯(lián)網(wǎng)給空調(diào)企業(yè)提供的一個極為有力的發(fā)展平臺。
其實車是一樣的，一個道理，我們的車聯(lián)網(wǎng)比如說有人是專門設(shè)計座椅的，有人專門做安全帶的，這些人的技術(shù)進步靠什么，他真的是靠自己不斷的小工廠、小作坊慢慢的發(fā)展大嗎?他要等10年嗎?其實不應(yīng)該是這樣的，我覺得作為整車廠確實可以提供車聯(lián)網(wǎng)的手段，去讓自己的供應(yīng)商發(fā)展起來。同樣的剛才在座位上跟林總隨便聊了兩句，正好說到對4S店的支持包括我們的數(shù)據(jù)收集部分，這個事我不多解釋了，因為大家都明白。未來他們拿到了一些數(shù)據(jù)，有哪個跟你賣車沒關(guān)系，基本上都有關(guān)系。
所以我們看到云計算的技術(shù)平臺的范圍是非常廣的，包括車聯(lián)網(wǎng)本身、生產(chǎn)、整個業(yè)務(wù)的管理、上游的供應(yīng)商跟你的合作、下游的服務(wù)商給你的反饋溝通等。這是仿真，因為時間的原因，今天仿真的部分我不講太多，我覺得過一下就好了。因為確實我們國內(nèi)在仿真方面發(fā)展怎么樣，基本上我們要說第二沒人敢說第二，我們在仿真領(lǐng)域還是有把握的，所以我們不展開講。
仿真基本上是靠終端和虛擬化技術(shù)的應(yīng)用，終端部分我們可能會建模，建完模以后，他把這個模扔到數(shù)據(jù)庫進行計算。比如說碰撞的車的樣子，對這個車進行仿真，肯定是這樣的東西。模型扔進去服務(wù)器集群里面，服務(wù)器集群專業(yè)的運算軟件進行運算，算完以后再回到終端上來，終端再模擬一次。于是就出現(xiàn)了碰撞以后的結(jié)果，你可以看到所有的結(jié)果，這里面的數(shù)據(jù)就全部出現(xiàn)了。所以這個在很大程度上，我們的平臺上收到撞車了，我們就可以看到是怎么撞的，這就是仿真集群的好處。
最后，有些時候還會涉及到后面的3D打印，我們現(xiàn)在發(fā)現(xiàn)這個東西以后，我們做模型實際上也不是以前那種手工建模，現(xiàn)在通常是通過一些3D打印的手段去實現(xiàn)一些小型模型的初始等等。這是一個簡單的拓撲圖，這是一個很標準的模擬仿真平臺的拓撲結(jié)構(gòu)，基本上大部分都是這樣的。其實這個硬件的拓撲結(jié)構(gòu)，各個廠商沒有什么本質(zhì)的區(qū)別，都差不太多。但是區(qū)別在這里，這是軟件系統(tǒng)，這是集群，為什么我們浪潮在集群中可以做出來，其實你是可以在某種程度上做到的，改善運算的有效性獲得更好的效率。
但是實際上這些東西才是客戶真正需要的，就是我們能把一個集群用好，這里面涉及到用戶級的，但是怎么管理、系統(tǒng)生成好不好、有問題的時候系統(tǒng)管理人可不可以提出終止等等，這是整套的東西。實際上浪潮的運算集群是比較好用的，包括我們的服務(wù)器是比較好用的，其實這些是密切相關(guān)的，我們早就過了推硬件的階段了。
這個是我們的TI，TI是做什么用的呢?TI基本上我自己看是在授權(quán)的時候用得比較多。因為有時候到高峰運算的時候總是不夠用，我怎么不買一些夠用的呢?可是夠用的又太貴了，一下子價格就上去了。所以TI的好處是它會從CPU的角度去替你分析一下，比如說在測試的時候把你的運算給你去算一下，然后他去看，就是這個東西，你的CPU在哪個地方不好，哪個地方還可以，哪個地方比較平滑。它會幫你選一個它認為合適的配置，你既不會太多的花錢也基本上夠用，這是我們給客戶提供的一個專門的工具。
剛才我們的第一件事提到了云的建設(shè)，我們有自己的公有云、私有云等等，而且我們的市場占有率還很高。第二個是大數(shù)據(jù)，大數(shù)據(jù)我就不展開了，原理我們也不用講，我們只看應(yīng)用就可以。這是真實的案例，他一共有44項主要業(yè)務(wù)，集成1000倍以上的有2項，100倍到1000倍的10項，10到100倍的13項，1到10倍的也有13項，整個系統(tǒng)大家可以看一下。這里舉了一個例子，批量數(shù)據(jù)導(dǎo)入，這是一個實測的實際應(yīng)用的數(shù)據(jù)。批量數(shù)據(jù)導(dǎo)入，從原來的4000秒降低到新系統(tǒng)里面的大概只有320秒。所以我覺得這些數(shù)據(jù)是有說服力的，你說我們提高速度30%，大家覺得沒什么，說速度提高100倍是非常有說服力的。
這個是壓數(shù)的部分，這種壓數(shù)類的實際上我倒覺得對車企作用不太大，因為車企不是像電商那樣說我突然一下子爆發(fā)性的大規(guī)模的數(shù)據(jù)，比如說“雙11”那天都崩掉了，11月11日的時候基本上所有人都買東西。車企不太會出現(xiàn)這種情況，所以在車企上作用不太大，不會出現(xiàn)太多的這種瞬間，不太會用到這個東西。
最后說一下深度學習，因為深度學習的話題太大了。這里面我們說深度學習的工具是AI在汽車行業(yè)的一些基礎(chǔ)工作，基本上包括巡航、撞車運行、碰撞識別等等。實際上如果沒有自動化，一個正常的活人開，一個物理的人去開，一些簡單的輔助駕駛其實基本上是最低最低的，基本上不設(shè)置這些工具，這里面最多設(shè)置一點點數(shù)據(jù)采集的工具。
但是你到這種時候，比如說車身穩(wěn)定系統(tǒng)等等這些還是有一些自動化的工具在里面的，因為它會調(diào)整你的車速和車的角度等等，而且它會根據(jù)這個做一個判斷。所有的人工智能是一定有一個判斷的，沒有判斷不能叫智能，那是本能，不是智能。包括我們的車道保持系統(tǒng)，還有一些自動停車定位等等。再后面還有一些交互，但實際上最高難度的是完全自動化，就是自動化駕駛。還有一些高度自動化，在車的行當里面，基本上對人工智能的智能駕駛或者輔助駕駛部分，跟人工智能大概是這樣的一個關(guān)系。
最終我們還要回到浪潮的觀念，我們的觀念是剛才那三句話，第一件事是云計算，第二件事情是大數(shù)據(jù)，第三件事情是人工智能。浪潮能提供什么呢?在整個過程中，我們不能提供全部的東西，我們在整個智慧化里面只能提供一部分。這類技術(shù)是我們的計算平臺，就是我們背后的硬件，大家都覺得概念提得比較low，但是實際上不完全是這樣的，這個東西不太low。
這個是深圳最大的GPO運算的box，一共是64塊，這個誰來用，反正BAT在用，這是在線的已經(jīng)在使用的過程中。我們提供一個比較領(lǐng)先的AI智能平臺，同時我們基于這個框架的深度學習的框架，我們把它做成一個跨平臺的。最終需要提供一個端到端的解決方案，這個是比較生態(tài)的東西，我們和一些廠商進行合作等等。這是硬件部分，比較有特點的是這兩個。公司提供很多服務(wù)器，在云計算的布局中用得非常非常多。
AI我也不用多講了，它是一個跟深度學習有關(guān)的管理系統(tǒng)，這是我們浪潮自己做的東西。你的應(yīng)用到這一步的時候，就是到了AI這一步。這是深度學習模型訓練的框架。這張圖是最后一張，這個是什么呢?實際上是我們把整個跟車有關(guān)的、跟駕駛有關(guān)的，從數(shù)據(jù)導(dǎo)入到進服務(wù)器再進硬件進集群，然后把它存起來等著傳輸?shù)鹊龋阶詈竽氵€要輸出這些數(shù)據(jù)，進行模型的運算。這不是一次完成的，是多次完成的，最后它根據(jù)這些東西判斷讓車做出一個反應(yīng)。這是我們總結(jié)出來的，它的平臺就是我剛才說的這些東西。
其實車本來大家都是很感興趣的，大部分人都比較喜歡車，挺有意思的一個話題。但是因為時間關(guān)系，我就跟大家分享到這里，歡迎大家在會后做一些互相的交流。謝謝大家!
京公網(wǎng)安備 11010502049343號