講到創(chuàng)新就離不開計(jì)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(jì)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(jìn)部總經(jīng)理劉志勇先生為現(xiàn)場帶來《計(jì)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(jìn)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(jì)南，公司的業(yè)務(wù)一直在變化。從1962年遷到濟(jì)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(dāng)年浪潮面臨危機(jī)。1993年中國生產(chǎn)了第一臺小型機(jī)的設(shè)備。

2007年成立了國家級實(shí)驗(yàn)室，當(dāng)時是國家級重點(diǎn)實(shí)驗(yàn)室比較少，是服務(wù)器存儲的國家級重點(diǎn)實(shí)驗(yàn)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(jìn)步一等獎。國家進(jìn)步一等獎是相當(dāng)有分量的獎項(xiàng)，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(dāng)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?yàn)樽銎髽I(yè)的都知道，實(shí)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(shí)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(jìn)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(shí)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(shí)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(jìn)步的，能夠跟企業(yè)一起進(jìn)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(diǎn)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?yàn)檎麄€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(yùn)算的需求會越來越大，給大家分享一下在運(yùn)算特別是未來企業(yè)的智慧運(yùn)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(dāng)勞的一個門店里面初步實(shí)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(jī)，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(zhǔn)確識別的，原來有一個說法，開車的司機(jī)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?yàn)樗呀?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(zhǔn)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(dāng)然統(tǒng)計(jì)口徑不太一樣，目前我們已知的大概是300萬的應(yīng)用測試?yán)锍蹋詈玫慕Y(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(dāng)于什么呢?相當(dāng)于從上海開車到烏魯木齊再開回來，大概開正常的速度。當(dāng)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?yàn)榕龅揭恍┓浅２畹穆窙r，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(jìn)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(dāng)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(zhǔn)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(shí)我們看這個數(shù)據(jù)，其實(shí)它背后是什么?首先第一件事情是要有強(qiáng)大的網(wǎng)絡(luò)傳輸能力，因?yàn)槟悴豢赡苷f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(yùn)算的。運(yùn)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(qiáng)大的計(jì)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(shí)際上背后的技術(shù)完全是靠計(jì)算的。

其實(shí)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(rèn)識到、能夠接觸得到，我記得我上大學(xué)的時候，機(jī)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(jìn)步是比其他國家要快很多的。

我給大家一個很準(zhǔn)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(jì)很多人沒有想到這個事，應(yīng)該是革命性、標(biāo)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(jì)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?yàn)橐嫼艽蟮墓こ虉D，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(shí)沒有那么簡單，不是拍一張照片那么簡單的，因?yàn)橐粡堈掌耐暌院笫莾?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(jìn)行調(diào)整，所有的圖紙里面每根線的粗細(xì)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(shí)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(shí)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?，F(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(diǎn)。

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(yùn)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(jìn)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(jī)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(shí)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?yàn)槲覀兘裉煲呀?jīng)智慧化了，為什么還要做這些軟件呢?其實(shí)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?yàn)槲覀兘裉熘饕墙o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?yàn)橹腔刍菢O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(shí)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?yán)锩嫣峁└鞣N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(rèn)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)?？吹接泻芏嗟臋C(jī)械手在那里，機(jī)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(diǎn)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(shí)很厲害，但其實(shí)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(jī)械臂非?？斓目梢詳Q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(jī)器自動化不是這樣的，它的點(diǎn)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(jī)可以轉(zhuǎn)。

但是實(shí)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(diǎn)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(shí)自動化是反人類的，因?yàn)樗龅膭幼魇侨俗霾涣说?，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(shí)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(yùn)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(dú)立的完整的公有云和私有云加上混合云的計(jì)算平臺，如果沒有平臺很難談到后面的智慧化。單機(jī)的或者集群式的硬件運(yùn)算，基本上都是比較落后的想法。

第二是大數(shù)據(jù)，其實(shí)數(shù)據(jù)是我們認(rèn)識這個世界的基礎(chǔ)，其實(shí)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(shí)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(shí)數(shù)據(jù)在不斷的傳輸。數(shù)據(jù)是我們認(rèn)識這個世界的方法，對人是一樣的，對機(jī)器也是一樣的，對計(jì)算機(jī)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(dāng)時我說你們對大數(shù)據(jù)怎么樣，當(dāng)然你們肯定想不到他怎么用，他是怎么做的呢?當(dāng)他們的空調(diào)出現(xiàn)問題的時候，全國各地進(jìn)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(fēng)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(bào)了，因?yàn)槟愫苤饔^，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(bào)。格力說這個小區(qū)是21.5度，在門口是21.8度，就這么一點(diǎn)點(diǎn)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(diǎn)點(diǎn)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(cái)富，你留住就好了。

有了這個數(shù)據(jù)之后，其實(shí)我們需要有一個深度學(xué)習(xí)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(jī)器的訓(xùn)練、對模型的訓(xùn)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(jī)對戰(zhàn)，是國際象棋深藍(lán)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(jī)器能贏的，現(xiàn)在國際象棋機(jī)器人也能贏嗎?當(dāng)時認(rèn)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(jì)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(xùn)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(dāng)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(yán)謹(jǐn)?shù)?。?yán)謹(jǐn)?shù)恼f法是三天打敗了阿爾法戰(zhàn)勝韓國棋手的機(jī)器，21天的時候打敗了戰(zhàn)勝柯潔的機(jī)器，那臺機(jī)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(xué)習(xí)。

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(xué)習(xí)這種算法的優(yōu)化以及后臺運(yùn)算力之強(qiáng)大，已經(jīng)超過你的想象。我們剛才提到深藍(lán)，深藍(lán)和后來的阿爾法有一個區(qū)別，有什么區(qū)別?當(dāng)時深藍(lán)就是算，不斷的計(jì)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(xué)習(xí)，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(rèn)為阿爾法是相當(dāng)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(jìn)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?yàn)槲覀兘裉焓歉囉嘘P(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(jì)算部分其實(shí)核心的就是車聯(lián)網(wǎng)。我稍微說狹義一點(diǎn)的車聯(lián)網(wǎng)，比如說我們車上的數(shù)據(jù)等等，但是實(shí)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(shí)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(shí)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(xiàng)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(shí)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(shí)際上是一些在線娛樂等，大部分的車現(xiàn)在已經(jīng)可以實(shí)現(xiàn)了，比如說可以通過互聯(lián)網(wǎng)手機(jī)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(yuǎn)程的保險(xiǎn)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(shí)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(jì)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(yùn)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?yàn)椴皇呛笈_運(yùn)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(jì)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(shí)現(xiàn)，實(shí)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(qiáng)項(xiàng)。這個本地計(jì)算還好，這是本地計(jì)算，這是云計(jì)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(jì)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(qiáng)項(xiàng)，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(jì)算。

這個是我們做的，因?yàn)槲覀冎浪械闹圃煨推髽I(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(dāng)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(dú)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(shí)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(diǎn)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(jì)民生的問題，這種大企業(yè)的責(zé)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(dān)另外一個責(zé)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(jì)算資源、計(jì)算能力剝出來一部分給誰用呢?給供應(yīng)商用，不是免費(fèi)的，而是收錢的、收費(fèi)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(yùn)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(jī)的轉(zhuǎn)動，第二個是空調(diào)出風(fēng)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?yàn)椴煌芏取⒉煌承缘膫鬏敼茉诓煌拈T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?yàn)楝F(xiàn)在仿真了，有了這些東西，特別是直接通過計(jì)算機(jī)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(jì)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(shí)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(shí)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(jì)座椅的，有人專門做安全帶的，這些人的技術(shù)進(jìn)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(shí)不應(yīng)該是這樣的，我覺得作為整車廠確實(shí)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?yàn)榇蠹叶济靼?。未來他們拿到了一些?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(jì)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?yàn)闀r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?yàn)榇_實(shí)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(jìn)行計(jì)算。比如說碰撞的車的樣子，對這個車進(jìn)行仿真，肯定是這樣的東西。模型扔進(jìn)去服務(wù)器集群里面，服務(wù)器集群專業(yè)的運(yùn)算軟件進(jìn)行運(yùn)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(shí)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(shí)現(xiàn)一些小型模型的初始等等。這是一個簡單的拓?fù)鋱D，這是一個很標(biāo)準(zhǔn)的模擬仿真平臺的拓?fù)浣Y(jié)構(gòu)，基本上大部分都是這樣的。其實(shí)這個硬件的拓?fù)浣Y(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(shí)你是可以在某種程度上做到的，改善運(yùn)算的有效性獲得更好的效率。

但是實(shí)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(shí)際上浪潮的運(yùn)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(shí)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?yàn)橛袝r候到高峰運(yùn)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(jià)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(yùn)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(rèn)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(shí)的案例，他一共有44項(xiàng)主要業(yè)務(wù)，集成1000倍以上的有2項(xiàng)，100倍到1000倍的10項(xiàng)，10到100倍的13項(xiàng)，1到10倍的也有13項(xiàng)，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(shí)測的實(shí)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(shí)際上我倒覺得對車企作用不太大，因?yàn)檐嚻蟛皇窍耠娚棠菢诱f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(xué)習(xí)，因?yàn)樯疃葘W(xué)習(xí)的話題太大了。這里面我們說深度學(xué)習(xí)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(yùn)行、碰撞識別等等。實(shí)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(shí)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(diǎn)點(diǎn)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?yàn)樗鼤{(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(shí)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(dāng)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(jì)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(jì)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(shí)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(yùn)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(xué)習(xí)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(jìn)行合作等等。這是硬件部分，比較有特點(diǎn)的是這兩個。公司提供很多服務(wù)器，在云計(jì)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(xué)習(xí)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(xué)習(xí)模型訓(xùn)練的框架。這張圖是最后一張，這個是什么呢?實(shí)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(jìn)服務(wù)器再進(jìn)硬件進(jìn)集群，然后把它存起來等著傳輸?shù)鹊?，到最后你還要輸出這些數(shù)據(jù)，進(jìn)行模型的運(yùn)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(shí)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?yàn)闀r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!