“跟不上的可能就要被淘汰了。”看到Sora演示视频后，从业10多年的动画制作师黄斌得出了这样的判断。随着影视业失业潮呼声渐起，Sora的诞生也给中国AI行业带来了巨大的焦虑。360集团创始人周鸿祎认为，Sora模型展现出了超越当前中国同类产品的性能和技术水平，这不仅体现在Sora可能实现通用人工智能（AGI）的时间表上，还体现在其实际应用效果和创新能力上。更有甚者，网上流传着“Sora的诞生是牛顿时刻”的说法，认为Sora代表了新一轮产业革命的兴起。事实上，国内在经过“百模大战”之后，才刚刚在文本模型上取得显著成果，达到或超过GPT-3.5的水平，并正朝着GPT-4的方向努力追赶。但Sora的诞生，展示了OpenAI在多模态模型而非单一文本领域的突破性进展，让国内AI厂商追上甚至超越OpenAI，几乎成了不可能完成的任务。由此不少网友对中国AI发出质问：为什么Sora没有诞生在中国？中国跟美国的AI差距越来越大，Sora这波国内慢了十年吧？永远都是在追赶路上，为啥没有原创？在一句句灵魂版的拷问中，中国AI厂商集体陷入了沉默。那么，在Sora这样的多模态大模型上，中美到底有多大差距？追赶的难点在哪儿？在种种限制之下，中国是否有自己的优势？

春节期间，OpenAI的最新技术成果——文生视频模型Sora惊艳登场，令海内外的AI从业者、投资人彻夜难眠。Sora大模型可以让用户仅通过输入一个句子，就可以生成与好莱坞画面相媲美的视频，且长度最多可达1分钟，让人深感震撼。对于这颗“深水炸弹”，众说纷纭。Open

Agent将是大模型之后的下一个平台，不仅改变每个人与计算机互动的方式，还将在五年内彻底改变我们的生活。如果说大模型是未来水电煤一般的基础设施，那么Agent则是未来用户接触、使用AI的方式。AI

在AI发展历史上，曾有两次“圣杯时刻”。第一次发生在2012年10月，卷积神经网络（CNN）算法凭借比人眼识别更低的错误率，打开了计算机视觉的应用盛世。第二次是2016年3月，DeepMind研发的AI程序AlphaGo，战胜世界围棋冠军李世石，让全世界惊叹于“人工智能”的实力。这两次“圣杯时刻”的幕后，都有芯片创新的身影。适配通用算法的英伟达GPGPU（通用图形处理单元）芯片，以及走专业化路线谷歌TPU（张量处理单元）芯片都在这两次大发展中大放异彩。如今大模型的兴起，正在逼近第三次“圣杯时刻”。但随着模型参数越来越大，芯片在提供算力支持上逐渐陷入瓶颈。数据显示，在GPT-2之前的模型时代，GPU内存还能满足AI大模型的需求。近年来，随着Transformer模型的大规模发展和应用，模型大小每两年平均增长240倍，GPT-3等大模型的参数增长已经超过了GPU内存的增长。在大算力激增的需求下，越来越多行业人士认识到，新的计算架构或许才是算力破局的关键。

今天我们正身处一个历史的洪流，一个巨变的十字路口。生成式AI让人工智能技术完全破圈，带来了机器学习被大规模采用的历史转折点。它掀起的新一轮科技革命，远超出我们今天的想象，这意味着一个巨大的历史机遇正在迎面走来。生成式AI的兴起，尤其是大语言模型的应用，正从根本上改变技术行业的运作方式，产业科技正在AI的驱动下进入全新时代，这将促使生成式AI和产业大模型技术结合，而不再局限于产业的边界，成为科技巨头重要的战略发展方向。对于寻求业务竞争力的企业来说，生成式AI无疑将为企业转型升级提供新的机遇。

OpenAI“宫斗”大戏即将尘埃落定。自首席执行官Sam

在人工智能的发展历程中，大模型的出现标志着一个里程碑。特别是近年来，诸如GPT-4、BERT等大模型的出现，不仅在自然语言处理、图像识别等领域取得了令人瞩目的成就，还推动了人工智能技术向更广泛的应用场景拓展。这些大模型通过深度学习和大数据分析，为机器赋予了更为强大的理解和处理信息的能力，从而为多种应用场景提供了强大的支持。10月24日，在统信UOS技术开放日上，将大模型的落地场景讨论拉到了操作系统上。统信软件高级副总经理、CTO、深度社区（deepin）主席张磊表示，生成式人工智能爆发，为操作系统下半场开启了无限的创新空间。这并不是第一次将大模型放在操作系统场景下讨论。早在8月份，华为发布最新一代操作系统HarmonyOS

生成式AI作为当前人工智能的前沿领域，全球多家科技企业都在加大生成式AI的研发投入力度。随着技术、产品及应用等方面不断推出重要成果，如今有更多的行业用户在思考该如何将生成式AI应用落地。但开发生成式AI应用是一个充满挑战的系统工程，并不是单纯的产品和服务拼接，涉及基础设施领域一系列的挑战。亚马逊云科技大中华区产品部总经理陈晓建表示，当我们谈论生成式AI时，大多数人都在谈论基础模型，而整个生成式AI应用就像是浮在海面的冰山，露在海面上方能被大多数人看到的冰山一角就像是基础模型，而在冰川的底部，同样需要大量的基础模型以外的服务来支撑，如加速芯片、数据库、数据分析、数据安全服务等等。那么，想要构建一个成功的生成式AI应用，需要哪些基础设施助力？业界是否有一些最佳实践可以参考呢？

英伟达是当之无愧的“AI算力王者”，A100、H100系列芯片占据金字塔顶尖位置，是ChatGPT这样的大型语言模型背后的动力来源。但面对英伟达的独霸天下，科技巨头们都纷纷下场自研AI芯片。10月6日，媒体援引知情人士消息称，微软计划在下个月的年度开发者大会上推出首款为人工智能设计的芯片，来降低成本并减少对英伟达的依赖。同一天，据媒体消息显示，ChatGPT开发商OpenAI也正在探索AI芯片的可能性，并已评估潜在的收购目标，以加速自研芯片的研发。事实上，不仅是微软、OpenAI试图自研AI芯片，AWS、谷歌、Meta等科技巨头都已下场自研。在酝酿数年后，这是否意味着英伟达的独霸时代即将结束？

2023年，生成式AI技术破茧成蝶，引发了一场全球范围的数字革命。从最初的聊天、下棋开始，到医疗、金融、制造、教育、科研等，生成式AI表现出了强大的创造力和无限潜力。据不完全统计，截至今年8月底，全国已经发布了逾百个行业AI大模型。但与此伴生的对于数据保护、合规风险及隐私泄露的担忧，也让业界格外关注AI大模型部署过程中将带来的安全风险。同时，生成式AI又是一把双刃剑，它既可以帮助企业解决实际问题，又面临着数据泄露等巨大风险。今年年初，某大型全球化企业就在大模型训练过程中，泄露了企业数据库中的机密信息，给企业带来了巨大的负面影响。而此类事件依然层出不穷。对于生成式AI带来的安全挑战，部分AI企业认为，生成式AI已经展现前所未有的智能化水平，由此将占据企业的IT关键位置，而就此重要性带来的受攻击频度，也将使得大模型成为云计算、大数据、物联网、移动互联网之后的一个全新的安全战场。与此同时，生成式AI技术也将会在多个方面帮助提升网络安全运维效率，在更深层次改变网络安全格局的基础。

当前，大模型正处在产业落地前期，高质量的数据，是大模型实现产业化的关键要素。最近，一项来自Epoch

在过去近一年的时间里，AI大模型从最初的框架构建，逐步走到落地阶段。然而，随着AI大模型深入到千行百业中，市场开始意识到通用大模型虽然功能强大，但似乎并不能完全满足不同企业的个性化需求。大模型技术的安全性、解释性、易用性等综合指标正在成为此轮AI竞赛的关键，部分企业不再执着于大模型的开发，而把目光向普惠式AI、生成式AI+多云、大模型的私有化部署等多种商业模式。

是做通用大模型还是垂直大模型，这一个争论在“百模大战”的下讨论愈发热烈。目前，以微软、谷歌、百度、阿里等为代表的发力于通用大模型的科技大厂，也都开始推动大模型在垂直领域的商业化落地。比如说，微软和谷歌已将大模型技术融入操作系统、文档、搜索和邮件等产品中，展现了强大的实用价值。垂直大模型则更为直接的深入特定行业和应用场景，如金融、医疗或零售等，相比于通用大模型，垂直大模型能够更精准地满足行业特定的需求。说到底，无论是通用还是垂直大模型，其核心点还是落地场景和商业化。大模型重新定义了人工智能的边界和可能性，但更需要的是，在具体的商业环境中找到了新的生存空间和增长点。在众多垂直领域中，大模型在智能商业BI领域落地尤为引人注目。作为商业决策的关键支撑工具，传统的BI在大数据时代已显得力不从心。垂直大模型的加入，对话式BI的实现，则为BI带来了前所未有的可能性。数据分析不再是特定专业人员的保留节目，通过对话式BI，企业每一位员工都可以通过自然语言与系统互动，得到更直观、更个性化的洞察。

Hopper超级芯片平台以出色的内存技术和带宽，提高了吞吐量，在不影响性能的情况下可连接多GPU以整合性能，并且具有可以轻松部署到整个数据中心的服务器设计。”据英伟达公布信息，新平台可以通过

VectorDB，预计8月上线腾讯云官网。一连串的市场动作，都展示了向量数据库的爆红。那么，什么是向量数据库，到底有啥用？

如果说这是AI大模型的时代，不如说是生成式AI的时代。在AI大模型、生成式AI、ChatGPT这三者中，生成式AI是最广泛的概念，涵盖了所有使用AI生成新内容的应用。大模型是实现生成式AI的一种方式，而ChatGPT则是大模型和生成式AI在实践中的一个特定应用。在ChatGPT表现震惊全球之时，国内外科技巨头们将目光放在了ChatGPT背后所使用的大模型上，纷纷下场实践。与走大模型路线的科技巨头不同的是，亚马逊云科技从一开始视野就放到了生成式AI上。最近，在2023年亚马逊云科技中国峰会上，亚马逊全球副总裁、亚马逊云科技大中华区执行董事张文翊表示，大模型并不是生成式AI的全部，而是生成式AI生态系统的一个底层基础平台。

近年来，数据库国产化趋势愈发明显，上百家金融业试点单位在数据库国产化的进程中，进一步增强信心，向50%国产化率大步迈进。但随着数据库国产化的深入，一些金融机构采用国产数据库+服务器本地盘的“存算一体”部署策略，逐渐在实践中暴露出短板，难以满足金融核心的场景需求。金融机构想要高效安全地完成核心数据库国产化改造任务，到底该如何破局？

大模型时代，离不开算力，算法、数据的喂养。如果将视角放至整个产业链上，算法背后，还有一个关键要素值得被关注，那就是AI基础软件。算法是实现AI功能的关键，而基础软件则为算法提供运行的平台和工具。作为模型生态系统的中坚力量，AI基础软件将会成为大模型应用落地的最主要的效率支撑，并通过大模型+小模型的方式，形成模型训练新范式。现今，AI大模型在国内热度高涨，遍地开花，这也同样倒推着基础软件的发展。在这背景下，AI基础软件市场如何，未来有何新的机会，这一点值得关注和讨论。

自从OpenAI于2022年11月推出ChatGPT后，一场波及全球科技界的“AI海啸”就此爆发。自今年以来，国内已有超过30家企业入局大模型赛道。从百度“文心一言”、阿里“通义千问”的发布，到网易“玉言”、科大讯飞“星火”、昆仑万维“天工”等的推出，再到腾讯“混元”、京东“ChatJD”、华为“盘古”等的预告。互联网巨头、科技公司纷纷秀出“肌肉”，谁也不想在这场大模型混战中掉队。在由OpenAI引发的这场狂奔中，大模型的发展阶段已经从“通用”迈入“垂类”。如果说通用大模型是大模型发展的初期阶段，那么垂直场景应用则可以视为“中场战事”。在该阶段，应用与场景先行，倒逼垂直领域的大模型飞跃发展。不少医疗、金融、教育等行业内拥有用户数据积累的企业，已开始基于大模型“底座”，训练适配自身的垂类模型，比如近期由上海联通、华山医院联合开发的Uni-talk、医联“MedGPT”、云知声的“山海”等。大模型路线分化大模型让人类感受到的智能，是就像人类自身的学习那样，通过通用知识和逻辑能力的训练，具备了解决各种问题的能力。大模型也有这种能力，基于文本语料采用无监督学习训练的模型可以用少量的监督样本，用于各类机器学习任务，比如图片分类、翻译、对话、写代码等，这样的能力就是所谓的通用能力。当大模型发展到一定阶段，各领域企业意识到，其通用能力已无法承载更为专业的领域，比如医疗、金融等，每一个领域都是独立的知识体系，具备极为庞杂的知识量，显然仅靠通用大模型无法满足垂直领域的需求，这也为大模型之后发展路径的分化埋下了伏笔。事实上，通用大模型发展至今，面临算力需求大、训练和推理成本高、数据质量不佳等挑战。一个成功的且可对外商业化输出的通用大模型，要求厂商拥有全栈大模型训练与研发能力、业务场景落地经验、AI安全治理举措、以及生态开放性等核心优势。另外，训练基础模型的成本也是非常之高，做一个千亿级的大模型，需要单机群万卡以上的算力。从国内外来看，真正做通用模型的公司并没有那么多。相反，训练垂直领域模型所需要的代价和资源远远小于从零开始做通用模型。因而，从商业逻辑的角度来看，大部分公司不具备做通用大模型的能力，巨头更适合做通用大模型，拥有丰富场景数据积累的公司更适合做垂域模型。垂类大模型以深度解决行业需求为主，即企业在自己擅长的领域训练适合自己的“产业版GPT”。这类大模型生成的内容更符合特定垂类场景的需求，质量更高。当前，已经可以看到不少垂类模型应用在金融、医疗、交易等场景中。比如，彭博社根据自身丰富的金融数据资源，基于GPT-3框架再训练，开发出了金融专属大模型BloombergGPT。由此，大模型赛道目前出现了三类厂商：一类对标GPT的通用大模型，聚焦基础层的厂商；一类是在开源大模型基础之上训练垂类大模型，聚焦垂直行业的企业；另一类则是专注具体应用的纯应用公司。通用VS垂类从通用大模型到垂类大模型，是大模型技术发展到一定阶段的必然结果。垂直大模型的发展主要体现在各个领域的模型性能持续提升，例如语音识别的错误率逐年下降，自然语言处理的语义理解能力不断提升等。通用大模型则在多任务学习、迁移学习等方面取得了显著进展，已经成为自然语言处理领域的重要研究方向。比如，生物大模型能够提高AI制药效率。国外的研究报告显示，AI可以将新药研发的成功率提高16.7%，AI辅助药物研发每年能节约540亿美元的研发费用，并在研发主要环节节约40%至60%的时间成本。根据英伟达公开资料，使用AI技术可使药物早期发现所需时间缩短至三分之一，成本节省至两百分之一。在产业角度来看，通用模型就是“百科全书”，能够有问必答，能够适用不同的产业土壤，而垂直模型类似于单领域的专家，虽然专业，但受众注定是少数人。从演进路径上看，垂类模型是在通用大模型基础上训练而来，如果撇开通用大模型，垂类大模型不复存在。垂类模型强调领域的Know-How，对于特定领域来说，需要针对该领域的任务做指令学习。行业不同，场景不同，指令学习的区别也极大。比如，泛互联网行业更关注营销、推荐的效果，金融更领域更关注风控、可信、以及营销的效果。两者的最大区别在于，垂类大模型在资源投入、成本投入等方面的要求下降了，但额外要求是行业Known-How，即对这个行业的知识要求提高了。而从成本方面考量，通过通用大模型微调实现的垂类大模型相较通用大模型是“几何级别的下降”。根据国金证券的测算，在模型微调阶段，由于训练量级较小，仅为万级，相关的算力成本相比之下可忽略不计。以斯坦福大学于2023年3月发布Alpaca为例，这是一个基于LLaMA-7B基座，应用5.2万指令对模型微调训练而来的对话类语言模型。该模型基于8块A100微调，微调时长3小时，算力成本不超过300元。由于垂直应用大模型更符合垂类场景的需求、质量比通用大模型更高，也让众多企业看到了其中的机会。医联近日发布了自主研发的基于Transformer架构的国内首款医疗大语言模型——MedGPT，其主要致力在真实医疗场景中发挥实际诊疗价值，可实现从疾病预防、诊断、治疗、康复的全流程智能化诊疗能力。5月，微盟正式发布基于大模型的AI应用型产品WAI，该产品已正式上线包括话术生产、短信模板、商品描述、种草笔记、直播口播稿、公众号推文、短视频带货文案等25个实际应用场景。作为聚焦物联网与医疗两大领域的人工智能企业，云知声正式发布山海大模型。该大模型针对知识密度高的领域，通过数据训练、训练数据、微调等方式，做一些专业的加强，这样模型既具备了通用应用水平，也针对特殊场景与领域进行了能力的加强。山海大模型不仅在中文环境下的表现要好于GPT-4，甚至在医疗等个别场景下的表现效果，也已经开始优于GPT-4。目标是在今年内达到ChatGPT的通用能力水平，并在医疗、物联、教育等多个垂直领域的能力上全面超越GPT-4。云知声创始人、CEO黄伟指出，在AI

AI大模型火遍全球，中国产业也激发了对人工智能应用的新热情。随着各大厂商参与竞逐，市场正在分化为通用与垂直两大路径，两者在参数级别、应用场景、商业模式等方面差异已逐步显现。企业涌入垂直大模型赛道通用AI大模型像ChatGPT，能够处理各种领域和场景的自然语言，但由于需要巨大的计算资源和数据量，已经成为国内外大厂的重点项目。这类企业往往有着强大的技术团队和资金支持，且有着自己的场景和流量优势。比如百度、阿里、腾讯、字节、华为等，在搜索、社交、电商、办公等领域都有着自己的通用AI大模型。相较之下，创业公司、细分领域企业很难在这样的竞争中获得先发优势或者差异化优势。而垂直AI大模型只关注某个特定的领域或者场景，它能够利用行业的数据和知识，提供更精准和高效的解决方案，更好地满足用户在某个领域或者场景下的需求和期待，如：医疗、金融、教育等。同时，它可以利用一些开源或者闭源的通用AI大模型作为基础，然后在其上进行指令微调（instruction

ChatGPT的狂热从年初持续至今，这份狂热不仅仅来源于用户层，从业者、投资人以及企业可以说有过之无不及。于是，这些投资人、从业者以及企业将狂热转化，宣布入局大模型赛道并推出相关产品。一时间，大模型赛道好不热闹。毫不夸张地说，从3月份至今，国内几乎每一周都有企业推出自己的大模型产品。上一周，科大讯飞公布了星火认知大模型后不久，云从科技就被爆出即将在5月18日发布大模型产品。随着大模型产品的推出，其背后公司股价也是一路飘红。更为奇幻的一幕出现了，只要是沾上了大模型的边，公司股价就会蹭蹭上涨。拿云从科技来说，尽管只是放出了产品发布的消息，云从科技近几天的股价也是一路向红。此前，在概念股疯长的阶段，得益于其AI相关业务属性，云从科技的股价早已经历经过一轮上涨，股价从26元每股涨至61.8元每股。这又燃起了更多人对大模型的向往。周而复始间，国内大模型可以说是“百家争鸣”。但问题紧跟着出现，这些企业或者是人做入局大模型的原因何在？是与公司业务紧密相关，还是个人追求，又或是单纯的蹭热度？另外，在大模型遍地开花的现在，又有哪些企业真正做到了场景落地，又有哪些是严重同质化，会被轻易取代？国内大模型市场，俨然像是开启了一场科技盛宴，但其中鱼龙混杂的参会人员，让这场盛宴变得更为扑所迷离。四大派系三月份以来，两个时间节点可以说是让媒体人刻骨铭心。一个是三月的第三周。那一周，周二深夜，ChatGPT4发布。周四下午，百度文心一言发布。紧接着凌晨时分，微软宣布将ChatGPT能力接入Office全家桶。另外一个是4月18日，这一天，6个关于大模型的重要消息密集发布：钉钉宣布正式接入阿里“通义千问”大模型；字节跳动旗下火山引擎发布自研DPU（数据处理单元）芯片；斑马智行宣布接入“通义千问”大模型，智己汽车成为首个上车品牌…“键盘敲到要冒烟”可以算是当时媒体人的真实写照。不过，尽管写稿写到绝望，依旧掩盖不住地兴奋之情。可以说，媒体人的状态侧面显露了当时的盛况。据不完全统计，截至目前，我国已有超过40家公司、机构发布了大模型产品或公布了大模型计划。当然，除了这超40家的企业、机构之外，还有不少企业和互联网大佬都透露出自己正在做大模型相关的产品的消息。为了更好的分析企业的出发点、优劣势，我们从企业的性质出发，将这些已经或者入局在做大模型产品的企业和人分为这四大派系：互联网科技大厂以及科研机构、初创公司以及互联网大佬、AI企业（包括上市公司和创业独角兽）、跨界企业。

毫无疑问，AIGC正在给人类社会带来一场深刻的变革。而剥开其令人眼花缭乱的华丽外表，运行的核心离不开海量的数据支持。ChatGPT的“入侵”已经引起了各行各业对内容抄袭的担忧，以及网络数据安全意识的提高。虽然AI技术是中立的，但并不能成为规避责任与义务的理由。最近，英国情报机构——英国政府通讯总部（GCHQ）警告称，ChatGPT和其他人工智能聊天机器人将是一个新的安全威胁。尽管ChatGPT的概念出现没有多久，但对网络安全和数据安全带来威胁的问题已经成为业内关注的焦点。对于目前还处于发展初期的ChatGPT，如此担忧是否杞人忧天？安全威胁或正在发生去年年底，初创公司OpenAI推出ChatGPT，之后，其投资商微软于今年推出了基于ChatGPT技术开发的聊天机器人“必应聊天（Bing

随着ChatGPT、GPT-4、BARD等生成式AI大模型的爆火，云服务商围绕生成式AI的竞争日趋激烈。微软将Azure的企业级功能与OpenAI的生成式AI模型功能相结合，发布了Azure

这个4月，成为国产大模型混战期。继百度之后，阿里、华为、京东、360等大模型也陆续浮出水面，大模型军备竞赛正式开启。4月7日，阿里云宣布自研大模型“通义千问”开始邀请企业用户测试体验。4月8日，华为云人工智能领域首席科学家田奇现身《人工智能大模型技术高峰论坛》，分享了华为云盘古大模型的进展及其应用。同日，京东集团副总裁何晓冬表示，京东将在今年发布新一代产业大模型，言犀是“京东版”ChatGPT。4月9日，360正式官宣，基于360GPT大模型开发的人工智能产品矩阵“360智脑”率先落地搜索场景，将面向企业用户开放内测。但有业内人士指出，大模型的训练需要庞大的算力资源，GPU是大模型的最佳算力发动机。截至目前，英伟达的GPU芯片正在为全球绝大多数的人工智能系统提供最基础的算力支持。那么，在GPU受限的情况下，国内AI行业发展境况如何，能否交出属于他们自己的答卷？未来的发展是否会与国外越差越大？国内厂商大囤AI芯片众所周知，OpenAI

v2可在几分之一秒内自动扩展到数十万个事务，支持最严苛的应用程序。至此，亚马逊云科技已能够在云原生数据库、数据分析、机器学习不同的产品线，面向多种用户需求与场景提供全栈的Serverless

一觉醒来，万众期待的GPT-4来了。OpenAI老板Sam

每一次科技创新的浪潮都是通过突破某一项先进生产力要素，从而提升人类生产效率所实现。回望前三次科技革命的步伐，不难发现，一项先进生产力从萌芽到被广泛使用，其核心在于能否变革人类的生产生活方式，带来生产效率大幅提升。3月2日，国务院副总理刘鹤在北京调研集成电路企业发展并主持召开座谈会。刘鹤指出，我国已形成较完整的集成电路产业链，在局部已形成了很强的能力。发展集成电路产业必须发挥新型举国体制优势，尤其是我国拥有庞大的芯片消费市场和丰富的应用场景，这是市场经济下最宝贵的资源，是推动集成电路产业发展的战略性优势。Chiplet是平衡性能与成本的“灵丹妙药”当前，摩尔定律逐步趋近于物理极限，新工艺制程发展虽然使得芯片的体积与性能不断迭代，但同时也带来了高昂的成本。据IBS统计，28nm芯片的设计成本在4000万美元，16nm芯片设计成本约1亿美元，而5nm芯片的设计成本更高达5.4亿美元。再继续发展下去，先进工艺的投入产出比已难以具备商业合理性，同时受制于光刻尺寸及晶圆厂良率，单芯片的面积也很难继续延伸，未来芯片设计的成本将直接“劝退”中小厂商，甚至大厂也需要摸一下自己的口袋。而Chiplet的出现则是给了整个行业一个新的思路，Chiplet技术可以将大型7nm设计的成本降低25%，5nm及以下的制程节省的成本更多，基于Chiplet架构的芯片设计理念也逐步成为后摩尔时代提升芯片性能及算力的共识。简单来说，Chiplet技术就是对原本复杂的SoC芯片的解构，将满足特定功能的裸片通过Die-to-Die内部互连技术与底层基础芯片封装组合在一起，类似于搭建乐高积木一般，最后集成为一个系统级芯片，如采用28nm的芯片，通过Chiplet的方式，便可使其性能和功能接近16nm甚至7nm工艺的芯片。这样可以通过对不同功能模块的芯片选用合适的制程工艺，从技术方面实现各功能的最优化、成本的最小化、性价比的最大化、模块复用的灵活化。来源：SiP与先进封装技术随着

自从ChatGPT这样的大型语言模型在全球引起轰动以来，很少有人注意到，训练和运行大型语言模型正在产生惊人的碳排放量。虽然OpenAI和谷歌都没有说过他们各自产品的计算成本是多少，但据第三方研究人员分析，ChatGPT部分训练消耗了1287兆瓦时，并导致了超过550吨的二氧化碳排放量，这相当于一个人在纽约和旧金山之间往返550次。事实上，这只是训练时的排放量，当AI大模型运行时还将排出更多的二氧化碳。加拿大数据中心公司QScale联合创始人Martin

任何新兴技术都像一个奇点，充满无限可能、无限想象。你永远无法想到它将以怎样的姿态呈现在人们的面前。21世纪以前，“AI大爆炸”的设想似乎还只是科幻小说家们杞人忧天的设想。如今，却有越来越多的人开始严肃地思考一个问题：当技术奇点到来的时候，我们是否已经准备好了？

ChatGPT的火爆出圈，让大众看到了AI表现惊艳的一面，但也让网络攻击有了更多可能性。近日有研究团队发现，人工智能ChatGPT存在一定风险，它可以为黑客提供有关如何入侵网站的分步说明。该团队研究人员使用虚拟的“Hack

近几个月来，大众对ChatGPT预期的持续走高，也影响到了智能客服领域公司的命运。一方面，ChatGPT的出现为智能客服场景带来了更加“智能”的可能性；但另一方面，有人认为ChatGPT完全可以替代现有的智能客服产品，毕竟智能客服“听不懂人话”也该被整治了。那么，ChatGPT到底能否应用在智能客服中，甚至取代现有的智能客服产品呢？

2022，是云计算的“分水岭”之年。与前两年的火热相比，2022年云计算行业实属不太好过：阿里云一季度营收增速创出历史新低，腾讯云的市场份额也被后来者华为云反超，沦为第三。在此情形下，2023年伊始，各大云厂商纷纷“换挡”，重新定基调、调整组织结构、更换市场策略。阿里巴巴集团董事会主席兼CEO张勇亲自挂帅阿里云智能总裁，并将2023年的关键字定为“进”；腾讯创始人兼CEO马化腾重新为腾讯云战略发展方向奠定基调；京东科技集团将京东云作为独立事业部开始运作……一系列的举动，向我们透露出一个重要信号：云计算的风向要变了。组织变阵云计算战场再起波澜根据Canalys云服务统计数据显示，中国地区的云基础设施服务支出同比增长11%，在2022年Q2达到73亿美元，占全球整体云支出的12%。与全球云服务市场33%的高增长势头相比，中国市场增长明显放缓，首次跌破20%。云计算行业增长按下“刹车键”，一大原因是互联网行业对云的需求开始减缓。互联网客户对云资源的部署已经基本完成，而且互联网行业流量已经见顶，没有支持持续投入的市场需求。实际上，过去一年，互联网大厂云业务一直都于调整状态。阿里云的最新战略已经从“定”转向“进”。阿里巴巴集团董事会主席兼CEO张勇亲自坐镇，启用更年轻、更具活力的高管团队，这足以显示整个阿里巴巴集团对云业务的重视，同时也意味着未来对阿里云业务战略倾斜力度将进一步加大。技术方面，阿里云打穿技术底座，从自研芯片到革新计算架构，已形成一套完整的技术栈，“云钉一体”便是阿里云各种技术协同应用的“实验田”，未来有望成为核心增长曲线。来源：钉钉战略发布会人事方面，阿里找来了曾任华为中国政企业务总裁的蔡英华担任集团资深副总裁、阿里云全球销售总裁，管理销售业务。其上任后随即启动组织架构和策略的调整，一方面，要优化销售组织，形成“行业主建、区域主战”的模式，另一方面，要向生态伙伴让利。不止是阿里云，腾讯云也开启了“大转向”，关注点从规模转向价值。腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生表示，未来腾讯将专注“关键产品赛道”与“打造技术壁垒”，腾讯云将作为“被集成方”，协助合作伙伴完成集成和交付。腾讯在2022年新设立政企业务线，由曾任SAP全球高级副总裁的李强担任总裁。此前在CSIG架构下平行独立存在的智慧产业各部，主要覆盖政务、工业、农业、能源、文旅、地产、体育等多个领域，这给腾讯云挖掘大客户提供了契机。中国信通研究院曾预测，2021年的国内云计算市场中，仅政务云一个细分领域占比就会超过40%。可见，预算充足、客单价高，市场潜力大的政企大客户，必然将是云计算厂商的必争之地。京东科技也在2023年开年将云计算作为新一年重点发展方向，以“京东云”作为集团主要突出品牌。新成立的京东云事业部将整合原京东云事业群，聚焦IaaS、PaaS产品、销售、标准交付的一体化，建立信创云产品矩阵。集团技术委员会主席、京东科技京东云事业群云产品研发部负责人曹鹏将出任京东云事业部负责人。来源：京东云展会京东科技的组织结构调整后，京东云的战略地位加速提升，不仅代表着京东科技集团的发展方向与云计算深度融合，更意味着京东云将作为零售、物流和大健康之外的“第四驾马车”，加速前行。可以看到，所有云厂商都在强调向技术和服务本质回归，把浮夸的、泡沫的东西挤掉。云企业要给客户带来业务价值，同时也需要得到对等的利润回报，只有实现云计算价值的双向转化，才能让整个产业健康、可持续的发展下去。互联网大厂向下运营商发力向上腾挪转移的背后，可以看出互联网大厂在面对云计算市场的内外部环境变化时，都不敢掉以轻心。一方面，2022年，互联网行业、传统行业都在降本增效，对应到云计算市场上，前者需求下滑，后者又补位不足，导致国内云计算市场出现增速放缓的局面。国内公有云市场的增速，前几年能够达到30%左右，2022年可谓是断崖式下跌，增速只有10%左右。IDC发布的《中国公有云服务市场跟踪》报告也显示，2022上半年中国公有云IaaS+PaaS市场与2021上半年48.7%的增速相比下滑18%。Canalys报告显示，2022年Q3中国云服务支出达到78亿美元，同比增长8%，年增长率首次跌破10%，已经连续三个季度放缓。另一方面，国内云计算市场竞争激烈，有四大流派争夺市场。除了以阿里、腾讯为代表的互联网大厂流派，还有以天翼云、移动云和联通云为代表的运营商流派，以华为云、浪潮云为代表的ICT厂商流派，以及以金山云、青云科技、优刻得为代表的独立云厂商流派。互联网厂商流派，面对大盘增速放缓，对于云业务亏损的容忍度也在降低，主动进行战略收缩，各家业务增速下滑明显。据阿里财报显示，阿里云在2022年前三季度的营收增速分别为12%、10%、4%，而在2021年四个季度的营收增速分别为37%、29%、33%和20%。2022年前三季度，包括腾讯云业务在内的金融科技与企业服务业务，整体收入增速为4.6%，这远低于一季度时市场15%-20%的增速预期。百度智能云业务过去的三个季度增速分别是45%、31%、24%，也出现了增速下滑。而独立云厂商的业绩表现也不尽如人意。根据青云科技财报，2022年前三个季度，其营收2.33亿元，同比减少21.01%；优刻得的财报显示，2022年前三季度，其营收14.89亿元，同比减少36.43%。金山云2022年前三季度的营收为60.49亿元，同比下降5.5%。为了提升利润率，金山云也在主动收缩，将营收占比大、但毛利率低的CDN业务进行了大幅缩减。与此同时，运营商云却逆势保持高增速。以中国移动、中国电信、中国联通三大运营商为代表的“国资云”表现强势，借政务市场之风快速崛起，正在重构云计算市场秩序。截至2022年Q3，虽然阿里、华为、腾讯、百度一直保持着四朵云的格局，但天翼云却成为一匹黑马，超越了金山云跻身前六。根据2022年上半年财报，中国电信旗下天翼云收入281亿元，同比增长101%；移动云收入234亿元，同比增长104%；联通云收入187亿元，同比增长143%。整个上半年，三大运营商都实现了翻番增长。格局的变化，也是因为曾经互联网行业的发展驱动了云计算行业的高速增长，带来了公有云的高速发展，而到2022年，随着互联网行业客户增长放缓，云厂商们也在向传统行业拓展，政企大客户便是抢夺重点。政企大客户成为赛点，一方面是在疫情及国家大政策的影响下，政企大客户的需求到了爆发的阶段，是云计算市场新的增长点。随着国家层面对数字经济发展的推动，政企大客户上云用云，已经成为大趋势。另一方面，拿下政企大客户，意味着业务金额高、续订率高，客户付费能力强，且复购意愿大。往往是一次突破成功，就能换来长期合作，投入的成本最终可以换回收入。云计算市场的玩家中，除了互联网大厂之外，还有华为云，以及天翼云、联通云、移动云这些长期深扎政务市场的玩家，它们在云计算市场的营收，在过去一年里不断攀升。运营商云之所以能够铺得这么快，和其在政务市场拥有多年积累密不可分。这几家运营商云以及华为，都是在to

近两个月来，全世界的网友们都在兴致勃勃的“调教”ChatGPT，但第一个受不了的却是ChatGPT的所有者。为了更长远的发展，OpenAI宣布了付费订阅版ChatGPT

近几个月来，ChatGPT都是当仁不让的舆论话题。上一次AI在全球范围内引起轰动，还是谷歌的AI机器人AlphaGO下棋战胜围棋世界冠军的时候。ChatGPT的出现，让国内外几乎所有的科技巨头都坐立不安。2月1日，谷歌母公司Alphabet首席执行官桑达尔·皮查伊（Sundar

Pitt写了一篇“关于我从谷歌换到ChatGPT这一天”的文章，亲测对比了这两者的使用感。她在ChatGPT上输入“我怎样才能让我的琴叶蕨植物存活下来？”，机器人很快作答，且结果和从植物公司Easy

懂棋的人都知道，下棋靠的是智力的角逐，也是气度的较量。到了云计算发展的新时期，下棋的“人”已经变了，单靠一个人的智力解决不了N个用户的N种问题。因此，近年来头部云厂商纷纷加大了对合作伙伴生态的投入。但眼花缭乱的生态构建和合作计划之下，什么样的云厂商才是生态伙伴所青睐的“盟友”？合作伙伴生态这盘棋要如何下才能走得更稳？云计算深水期生态合作模式迎来新挑战多方对弈，看似风轻云淡，却是波涛暗涌。随着千行百业上云需求爆发，整个产业从互联网、IT企业上云逐渐转向传统政企机构上云，上云的场景也更加复杂，行业用户面临“不会上、用不好”的复杂性问题。各大云厂商们都深刻认识到，仅靠提供云资源并不能弥合上云和行业之间的空隙。想要将这些数字技术落实到千行百业中，形成真正能够解决业务问题和创新业务场景的解决方案，是一个非常细致而又繁琐的工作，必须依靠广大的合作伙伴才能够完成。新的市场形势下，云厂商的生态建设也遇到了新的挑战。过去通过资源转售的简单合作方案已行不通，如今更需要合作伙伴具备完整的解决方案能力，才能实质性地降低企业用户数字化转型的门槛，这对合作伙伴的能力提出了跨越式的要求。实际上，合作伙伴生态正在成为云计算市场以及数字化转型市场的“槛儿”。IDC在2021年底的《IDC

算力就是生产力，得算力者得天下。随着新一代人工智能技术的快速发展和突破，以深度学习计算模式为主的AI算力需求呈指数级增长。数据显示，在1960到2010年间，AI的计算复杂度每两年翻一番；在2010到2020年间，AI的计算复杂度每年猛增10倍。面对如此大的模型和复杂的计算，提升AI算力迫在眉睫。毕竟，在人工智能发展的三要素：数据、算法和算力中，无论是数据还是算法，都离不开算力的支撑。那么，AI算力从哪来？AI算力进入“大建设”时期AI算力对于提升国家、区域经济核心竞争力的重要作用已经成为业界共识。《2020全球计算力指数评估报告》显示，计算力指数平均每提高1个点，数字经济和GDP将分别增长3.3‰和1.8‰”。对数字经济肉眼可见的拉动作用，成为国家和地方政府加码AI算力的内在逻辑。放眼国际，在政府投资主导模式下，美国依托能源部下属6大国家实验室、国家科学基金会支持的依托高校的智能计算中心以及NASA下属的研究中心超级计算中心这三大体系，大力推动算力平台“长出”智能计算能力；欧盟则通过“EuroHPC计划”在欧洲建设8处大规模算力平台，并积极促进与人工智能技术的结合。我国AI算力建设也正进入一个“大建设”时期。自2017年国务院印发《新一代人工智能发展规划》以来，我国通过政府投资主导、企业投资主导、政企合资等模式，一批AI算力基础设施拔地而起。近年来，随着“东数西算”工程的启动以及智算中心的建设，从国家层面实现有效的资源结构整合，目前全国已有8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群，以推进集约化、绿色节能、安全稳定的算力基础设施的建设。同时，在新基建等政策的鼓励和支持下，各地方政府也在积极开展人工智能计算中心（AIDC）的建设。据智东西统计，2021年1月到2022年2月之间，全国规划、在建和投入运营的人工智能计算中心超过20个，其中8个城市的人工智能计算中心已建成并投入运营的。各地的AIDC可提供或规划的算力规模一般为100PFLOPS，相当于5万台高性能电脑的算力。例如，武汉AIDC一期可提供100PFLOPS的算力，从2021年5月投入运营至12月，吸引了超过100多家企业入驻，

进入5G时代以来，得益于运营商5G基础设施的建设与普及，不仅使我们用上了速度更快的5G网络，中国电信、中国移动、中国联通三大运营商也凭借三年来筑起的通信基础设施，在数字化转型浪潮中夺得先机，成功找到新的“增长引擎”。随着传统通信赛道的式微，运营商都纷纷转战政企数字化市场，云业务成为了运营商最关键的业务。2022年开始，三大运营商几乎不约而同地将云计算列为自己的重点发展方向，调集各种资源往云业务方向倾斜。以云业务为基础，向政企客户提供多样化的数字化转型综合解决方案，从单一的“管道工”，向集成服务商或平台运营商的角色转身。云计算成运营商“第二桶金”技术高速发展、需求逐年上涨，云计算市场竞争迈入关键期，由运营商与多家央企主导的“国家云”队伍逐渐浮出水面。中国电信明确把云计算作为发展的主业，中国移动也表示将倾集团之力打造移动云，中国联通也试图通过云业务来支撑自身数字化转型。可以说，云业务成为了国内三大运营商最重要的一块战略高地。运营商在云服务领域本身就具备了得天独厚的优势，这些优势如能有效发挥，将对运营商在云服务领域扩大疆土，增厚利润形成有效的保障。第一，运营商拥有着中国最多的网络基础设施资源，据相关统计，仅中国电信与中国联通两家运营商就拥有着中国国内60%的网络基础设施。运营商可以通过他们自己的网络提供云服务，这使得他们比通过公共互联网提供服务的云计算供应商具有非常明显的服务水平协议优势。第二，运营商在国内数据中心建设方面也是优势明显。三大运营商在国内数据中心方面的建设规模明显领先于互联网公司，尤其在5G网络的高速发展之下，中国移动、中国联通、中国电信都在进一步加大数据中心的建设进程。中国移动2022年上半年算力网络资本开支为200亿元，全年预计为480亿元，占全年资本开支总额的26%。中国电信也计划云资源投资140亿元，新增云服务器16万台，算力总规模从2021年的2.1

近日，全球最大的专业技术组织IEEE(电气电子工程师学会)发布了《IEEE全球调研：科技在2023年及未来的影响》。根据相关调研显示，云计算(40%)、5G(38%)、元宇宙(37%)将成为影响2023年最重要的技术，其中云计算位居首位。2022年，基础设施加速创新和迭代、Serverless迎来里程碑式的更新、数据实现Zero

近年来，以AI机器学习、大规模视频处理、大规模数据处理等为首的高负载云计算应用日益增多，其场景运算强度大、高并发、应用复杂，对云计算厂商的服务质量提出了前所未有的极高要求，并倒逼服务器芯片加速发展。尤其是在“云原生”的概念提出后，传统IT时代的云计算更多是为了适配当前的IT架构，进而适配各类应用。可在云原生时代里，很多应用本身就是生于云、长于云。如何根据这些云原生应用的需求打造更适宜其生长的土壤，成了云厂商技术变革的头等大事。“云土壤”的改造既涉及软件、架构、操作系统，又涉及网络、服务器、计算板卡，更会涉及最为核心的算力来源——芯片。巨头厂商扎堆云计算芯片中国信息通信研究院发布的《云计算白皮书（2022年）》指出，随着经济回暖，全球云计算市场所受影响逐步减弱，至2021年已基本恢复到疫情前的增长水平。2021年，中国云计算总体处于快速发展阶段，市场规模达3229亿元，同比增长54.4%。其中，公有云市场继续保持较快发展，同比增长70.8%，达到2181亿元，成为未来几年中国云计算市场增长的主要动力；私有云市场突破千亿元大关，同比增长28.7%，增至1048亿元。云计算逐渐出现虹吸效应，并在安全性、网边端形成新的服务方式。JP

数字化浪潮席卷千行百业，汽车作为“超级智能终端”，正在步入“云时代”。今年下半年开始，一朵新的“汽车云”正在吸引国内云厂商，隐隐散发出一股竞速的味道。车企上云如今已经是一个确定性趋势。以“蔚小理”为代表的造车新势力，原本就诞生在云原生的时代，很多业务从第一天就结合了云的能力而发展。不仅如此，在数字化转型的趋势下，传统车企也在加速上云。随着汽车数据越来越庞大，其间蕴含的商业价值愈发高涨。面对新市场，云计算厂商们也将目光聚焦到了汽车产业链，华为云、阿里云、腾讯云、百度云等纷纷针对汽车推出云战略。云计算如何与汽车融合？过去几年，云的增长逐渐显露疲态。阿里云是国内最大的云厂商，2021年Q1的收入增速为37%，但2022年Q2已经下降到10%；腾讯云在2019年之后不再单独披露云业务收入，放入“金融科技与企业服务”项下，该业务在2021年Q1的收入增速为47.4%，但2022年Q2已经下降到0.8%，这意味着几乎没有增长。增长放缓的客观原因在于，在上一个十年的移动互联网时代，为云厂商提供主要收入来源的泛互联网客户自身的增长也触碰到了天花板。因此，过去两年云厂商开始积极转型，深入政务、制造业等实体经济，积极寻找新的业务增长点。作为实体经济之一的汽车产业，无疑就是最大的增量市场之一。目前，中国的汽车保有量约为3.07亿辆，其中新能源汽车保有量已突破1000万辆，连续7年产销量位居全球第一，单月渗透率已经超过20%。汽车产业正处于“新四化”变革的关键时刻，电动化、网联化、智能化、共享化的发展趋势重新塑造着机械化的传统汽车工业。正如手机的进化一般，汽车也在软硬件一体化的道路上持续迭代。对于汽车行业人士来说，智能汽车被认为是智能手机之后，另一大超级移动终端。这其中，大量问题最终要依靠云端解决。对于汽车本身而言，一方面汽车在运行状态下会产生驾驶数据，同时联网和自动驾驶则对算力有了更高的要求，尤其是自动驾驶侧，比如操作系统更新等就更加需要云端支持；另一方面汽车内部的人车交互也更加频繁，包括娱乐设备、APP操控，乃至离开汽车场景用户依然可以联动汽车享受配套的服务，数据维度更加复杂多样。除了车的智能化，车企也遇到数字化升级的需求。车企拓展了新的商业模式，也要有新的制造能力，尤其是能不能实现软件化、智能化制造能力或者研、产、供、销、服的能力，为此车企也需要数字化平台的支撑。从车企的业务构成看，一个车企往往包括300多个业务系统，而新能源车企会更多。在传统车企转型的过程中，也引入了非常多的IT新技术，对云原生技术能力的需求日趋增长。再进一步看，数字化也将延伸至汽车制造产业链环节，改造传统的工业制造流水线。在一辆汽车的全生命周期中，生产、研发、供应链、销售、服务等多个环节都需要上云，完整的汽车云是一套集合了IaaS、PaaS、SaaS的整体解决方案。其中，IaaS层主要负责在设计、生产以及供应链等环节提供计算、存储、网络、CDN、安全以及灾备等相关的基础设施；PaaS层主要提供微服务框架、中间件、数据库、仿真平台、应用开发平台、大数据等平台；SaaS层的汽车云服务主要以面向终端用户的软件或应用，如协作应用程序、内容应用程序、车载娱乐终端、办公软件以及地图软件等。除此之外，从路的视角来看，云的到来实现了智慧道路，让原来基于驾驶员微观视野的驾驶，演化到基于摄像头、雷达、GPS等更加广义道路环境下的信任控制。更高阶的自动驾驶，将在车路协同等综合因素加持下，得以实现。国际分析机构沙利文发布的《2021年中国汽车云市场追踪报告》（以下简称“《报告》”）显示，2021年大中华区汽车云市场已达335.2亿元的体量，但整个行业仍处于发展初期，到2026年市场规模可能突破800亿元，呈现高速增长态势规模较小的车企在汽车云的年度预算在1000万元左右，集团级大型车企的汽车云年度预算在5000万元左右。云厂商竞逐车云协同面对高速增长、快速变革的智能汽车市场，云厂商们必然不会错过。在汽车数智能力提升、车企能力变软的过程中，汽车产业也面临着不少挑战，同时也对上云、用云提出了新的需求。《报告》将中国汽车云服务按应用场景分为自动驾驶、车联网、车路协同以及车企数字化转型场景。报告中，“汽车云”被定义为以车企/整车厂为目标并通过IaaS、PaaS以及SaaS层的服务形式，提供涵盖汽车的设计、研发、生产/制造、销售及售后等全生命周期的相关服务。简单来说，可以将“汽车云”服务分为两大类：一是自动驾驶、车联网、车路协同等落地应用场景，二是针对车企数字化转型，满足数字化管理和供应链协同需求，覆盖生产、管理、营销等各环节。可以发现，大厂的汽车云业务也主要围绕这两大场景展开细化布局。云计算公司如微软Azure、百度云、阿里云、亚马逊AWS在密集推出汽车云策略。他们的焦点，基本集中在提高自动驾驶效率，以及车企的运作效率，包括研发的改变。华为可能是在汽车领域布局最早、深入汽车产业最深的云厂商。华为在2019年成立智能汽车BU，定位汽车Tier1，帮助车企造车。《报告》显示，华为云以22.8%的市场占有率在中国汽车云市场（IaaS+PaaS）位居第一。华为将汽车云其总结为三朵云：在数字化研发、生产、供应链阶段帮助车企“造好车”，在数字化营销阶段帮助车企“卖好车”，在数字化出行领域（车联网、地图导航、内容生态等）帮助车企“用好车”。百度云的汽车云布局与华为云相似，但侧重点不同。今年9月，百度智能云事业群组负责人沈抖在2022智能经济高峰论坛上推出三朵汽车云：覆盖研发、生产、服务环节的集团云，覆盖自动驾驶、智能座舱的网联云，以及覆盖产业协同、物流调度的供应链协同云。尽管车企云化可以给企业带来价值，但是大多车企背负巨大的历史包袱。这就导致绝大部分云解决方案，在很大程度上仍然局限于核心业务之外，以离散的、战术性的和针对性的形式出现。根据埃森哲发布的报告显示，汽车制造商不愿意在核心运营中采用云计算，其中最重要的原因是，在行业内根深蒂固的和相对保守的以技术为核心的产业思维模式。具体表现在，除了接入公有云平台，主机厂也同样部署自己的私有云平台，采用私有云+公有云的混合云部署模式，弱化与云厂商的“供应绑定”。相较而言，造车新势力们更快走在汽车上云的前列。其实，如今的新势力们重心都在汽车产品迭代上，因此利用云厂商的技术和低成本的资源上云未尝不可。而当车企之间的竞争层面进入白热化阶段，对于自建“汽车云”的布局，势必会提上日程。此外，“汽车云”还涉及关键的数据归属问题。许多汽车制造企业的高管团队，深切担忧云端的数据安全和隐私保护。从某种程度而言，云计算其实是新瓶装旧酒，即通过新技术革新老行业。而在走过十余年风雨历程后，如果说云计算上半场是互联网行业的争夺战，那么传统领域则成为云计算企业下半场发力的重点。“汽车云”服务商想要有所作为，不仅需要提供坚实的云基础设施，还要创新云上解决方案，协助构建开放的生态联盟，帮助汽车产业从“上云”到“入云”，真正将数据作为资产贯穿智能网联发展过程的始终，实现“上云用数赋智”的数智升级闭环。如此，云计算行业才能够真正与汽车大产业互相成就，绽放巨大的价值。

在新科技革命中，将网格化、信息化与智能化深度融合的工业互联网，正在将人、机、物全面互联，实现全要素、全产业链、全价值链的连接，推动传统产业加快转型升级、助力新兴产业加速发展壮大。工业如何在快速变革的数字时代，感知、响应巨量复杂的信息，从而更好的应对市场需求与不确定性，实现动态策略优化与智能全局决策。云计算加持下的工业互联网正是解决这一问题的总体策略。将算力与实体经济深度融合，利用数字技术解决实际生产问题，无疑是云计算最好的机会。制造业转型容不得半点虚幻事实上，国内企业都面临广泛而具体的数字化问题。中国制造业急需数字化转型，国家政策也多次引导，自2018年起，“发展工业互联网”已经连续5年被写入政府工作报告。2012-2021年，我国工业增加值从20.9万亿元增至37.3万亿元，年均增长6.3%，远高于同期全球工业增加值2%左右的年均增速。市场主体活力和实力不断增强，充分利用现代科技，实现数字化转型的需求也愈发强烈。但技术与实务的结合是一个由表及里的过程，工业互联网并非将信息技术与传统工业流程简单相加，而需要触及实际需求的精准定位，并且利用技术的逻辑改造传统生产。工业互联的对象是各个标准化环节，在实际运行中信息化投入巨大，各业务体系所产生的信息量级与复杂程度本身就需要投入大量运营成本，业务体系间的沟通不畅又会造成数据孤岛现象。庞大且持续翻新的信息库需要更高规格的数据处理能力与处理方案，这正是云计算所需要提供的核心技术。工业互联网的一个痛点在于计算与整合，如何充分利用数据是眼下最重要的问题。可以看到，在现有云服务数据集成与数据管理能力的支持下，各家云厂商都已经在与企业的实践合作中，积累下大量行业经验。这些信息与数字模型沉淀到各自的云技术平台上，最终落脚点在于如何通过高性能的计算为生产流程提供正向反馈，形成标准化、通用的应用能力。技术如果只是悬浮于实用之上，便只是一种抽象的前景，无益于制造业数字化转型的深入推进。大体来看，当前涌入工业互联网赛道的企业，总共可以分为三类。第一类是工控企业以及大型设备生产商。由于是“科班出身”，根正苗红的它们熟谙工业制造的所有场景与流程，而且本身就可以直接作为工业互联网的“试炼场”，还能够为第三方提供开发环境，可以说是具有非常明显的先天优势。不过，此类企业也面临挑战。首先是数字化人才相对缺乏，尤其是缺少云计算、大数据和人工智能的人才储备；其次是大量的中层和基层员工对工业互联网的认知仍需要提升；最后是生态基本上集中在自己的供应链上，难以外延。第二类是较为“纯粹”的应用厂商和云计算供应商。这一类企业具有非常明显的数字化特征，而且在人才方面有着得天独厚的优势，对于云计算、大数据和人工智能技术的运用，执行力和效率也更高。然而，此类企业缺乏工业制造基因，对生产的场景和流程理解相对困难，对工业企业真实需求的把握过程较长。此外，由于缺乏理想的测试环境，可能较难及时打理和测试自己的产品。第三类企业，则是既懂工业制造，也懂数字化技术；既有生产环境，也有测试平台……这一类企业的数量，可以说是少之又少。云计算要走到实践一线去在助力工业企业上云用云云化，构建工业互联网方面，各家云服务厂商都以各自不同的特色在万千工业企业中发挥不同作用。这些厂商利用自身的硬件基础、技术实力和数据系统优势，摸索出一套帮助万千工业企业进入工业互联网的方法论，推动着整体行业数字产业化与产业数字化的双螺旋发展。其中，阿里云以算力算法优势以及云钉一体的技术系统一体化便利，服务了多样化的工业企业；华为云则主打“云+AI+联接”；京东云基于熟悉的供应链基础，提出“数智供应链”的概念。自诞生以来，阿里云就一直是“制造强国”的积极参与者。过去几年，阿里云将制造业视为重点投入的领域。从技术层面看，阿里云通过云计算、物联网、人工智能、数字孪生等技术，助力制造业实现智能制造、数据全场景打通、生产线全流程优化、产业链全领域协同等业务突破，从更深远的层面则助力制造实现增效降本、绿色减碳等高质量发展。目前，阿里云已广泛服务石油、煤炭、清洁能源、钢铁、水泥、化工、电子、汽车、装备等领域的2万家工业企业。在采矿业中，阿里云将工业互联网与采矿业深度融合，背靠阿里云中台，助力企业上云用云，推动以降本增效为核心的产业升级，全面推动矿山行业数字化转型。在汽车制造业，阿里云依托旗下产品，帮助经销商与主机厂间实现信息协同，更快一步找到问题、解决问题；阿里云还为研究自动驾驶的汽车主机厂提供算力支持，提高自动驾驶模型训练效率，真正拥有“云上竞争力”。华为云则选择搭建工业互联网平台FusionPlant，聚焦三方面构建能力：华为云工业智能体、联接管理平台和工业应用平台，定位做工业互联网领域的黑土地，聚焦“云+AI+联接”。在这一平台上，华为云同样推崇生态之力，联合行业伙伴和行业Know-How，提供工业全场景的解决方案。目前在石油、化纤、石化、钢铁、煤焦化、电子装备、汽车制造、电动车制造等多个领域，华为云已经拥有大量的成功案例。中国石油联合华为共同打造了勘探开发认知计算平台。借助认知计算平台，大港油田实现了油气水层位的智能识别，平均时间缩短了70%，识别准确率达到测井解释专家水平；在油气生产领域，油井异常工况诊断准确率达到90%以上，油田管理实现减少作业维护费用20%，提高生产时率2%。而京东云以自身供应链优势，提出“数智供应链”的概念，通过整体供应链大循环中的数字化管理，实现产业联结、数智创新及生态融合，降低社会成本、提高社会效率。京东云为中航供应链打造了统一的航空装备供应链数字化平台，所有的供应商、客户、生态伙伴都可以在这个平台上实现信息共享、数据交互、业务协同，大幅提升了航空供应链的效率。基于此，中航供应链能够广泛连接客户和生态合作伙伴，实现供应链全链路信息共享、数据交互与业务协同。全面整合系统端与供应链需求，解决效率、协同的问题，实现供应链全流程数字化管理。根据麦肯锡发布的中国云计算最新调研洞察显示，虽然起步相对较晚，但中国在云计算的迁移速度上可谓突飞猛进，已然成为仅次于美国的全球第二大市场。中国的公有云市场规模有望在未来几年再增长一倍以上，从2021年的320亿美元增长到2025年的900亿美元。在国内高速增长的基本盘下，任何厂商都有充分发展的可能。随着消费互联网流量红利见顶，未来发展的关键驱动，势必会落在工业、制造业等实体经济领域。但随着云计算与工业互联网的结合走向纵深，落地实施的挑战也更加凸显。如何完善一些产业链重要环节，如何确立一个产业链各方满意的盈利模式，彰显其规模效应。解题思路一直埋在实践之中，坚持问题导向，挑战也是使发展更进一步的机遇。云计算竞争的下半场，只有在产品趋于同质化的环境中确立核心优势，才有可能把握住时代革新的机遇，成为技术与工业社会深度融合的先锋。随着新一代信息技术加速拥抱千行百业，数智化制造正在多领域多场景落地开花，新兴技术与先进制造的深度融合，不仅勾勒出日新月异的数字社会，也让实体经济活力更足、动力更强。云计算的发展，终将深入社会生产中的各个场景。而这背后，则少不了阿里云、华为云、京东云等云服务企业，以数智化的技术力、生态力和系统力，助力工业企业数智化转型与进化，为数智化时代下工业互联网的“铺路搭桥”。

在云计算时代，“上云，真的便宜吗？”在云计算不同的发展阶段，这个问题的答案也在发生着变化。越来越多的企业将IT基础架构转移到便捷灵活的云基础架构。伴随而来的不仅是企业业务转型，还有不断增加的IT设施支出，也就是为企业管理云成本带来了长期性的挑战。云成本已经成了一个不可忽视的问题。硅谷顶尖风投a16z说：“不使用云计算，你就是疯了；坚持使用云计算，你也是疯了。”根据Gartner最新预测，到2023年，全球最终用户在公有云服务上的支出预计将从2022年的4903亿美元增长20.7%，达到5918亿美元，高于2022年预测的18.8%增长率。Gartner预计，2023年最终用户支出增幅最高的是基础设施即服务(IaaS)，达到29.8%。另外，预计所有细分市场都将在2023年实现增长。然而，在寒冬面前，企业如果不想“下云”，那么必须考虑用精细化运营来节省成本。企业云成本超支已成普遍现象伴随着云计算的发展，企业的云成本变成一个绕不开的话题。不过，不同时期的讨论也折射出了云计算的变化。比如，在云计算早期，企业上云成本的讨论主要集中在能节省多少钱，要不要上云；到了近几年，企业的关注点则在于如何合理上云，让本地资源和云计算做到利用率最大化，而到了现在，企业希望云计算也能成为提升收入的助力。从公开资料来看，云成本超支的现象似乎在2019年就已经开始显现。2019年2月，云资源管理软件公司Densify发布的调查报告显示，40%的受访企业正面临云计算超支的严峻挑战。2021年Flexera发布的《2021云状况报告》数据显示，排名前五位挑战是安全、管理云支出、治理、缺乏资源/专业知识和合规。浪费的云支出是一个主要问题。随着云成本的持续上升，浪费的云支出变得更为关键。Flexera发现，平均而言，实际浪费为35%甚至更高。而今年，问题似乎在进一步严重化。根据云服务机构HashiCorp近期发布的一份报告，近40%的公司在云计算技术上超支，有过半数的人将成本视为阻碍企业上云的核心因素。而最近一波讨论中，硅谷顶尖风投a16z投资人曾给出这样一个让人印象深刻的结论：“如果不开始使用云计算，那你就是疯了；如果坚持使用云计算，你也是疯了。”这句话在肯定了云计算带来改变的同时，也指出了当下企业使用云计算面临的云成本问题。云成本为什么容易失控？很明显，成本已经成为不少企业上云面临的重要问题，而且云支出的跟踪与控制比较复杂。那么，为什么云成本如此容易失控？最大的问题在于，企业在云迁移的过程中，并没有将能够充分发挥云计算优势的数字转型基础打牢。企业云成本高企一方面原因是由于云迁移中的“直接上传”比例过高，企业大部分应用程序最终被运行在虚拟机上，并没有利用到现收现付的云服务特性，这些企业并没能享受到云服务所固有的规模经济优势。另一大因素在于，云本身是高度动态的。使用新的计算及存储服务往往成本更低，但如果只是直接迁移至云端而不做后续改动、调优、做一些个性化适配等，那么价值回报必然受到影响。总之，每年关注并选择新版本的用户，才能获得更具性价比的服务体验。虽然内置成本优化机制能够节约资金，但企业往往容易高估自己对资源的需求量。这里的问题是，所有大型云服务厂商都愿意用可观的折扣来争取客户，但企业只有充分利用这些资源才能切实节约宝贵资金。不能有效运用资源本身就是一种巨大的浪费。另一个问题是，负责成本优化的员工往往不是负责构建技术方案的员工。工程师们希望自己的应用程序能够正常运作，但他们很难预估具体容量、计算量、存储空间需求，所以工程师们一般会选择先过度配置，之后再根据实际情况剔除部分资源。但大多数情况下，一个项目结束后新的项目又来了，所以闲置的资源也就永远被闲置在那里。同样地，匆忙上云确实会带来技术人员做出的配置决策与实际业务需求脱节的风险。新冠疫情的突然爆发，迫使大多数企业匆忙上调了云支出数额。事实上，并不存在某家云服务商比另一家价值更高的情况。同时，目前市面上可供选择的云服务数量过多，也是个现实问题，但大型云服务商并不会故意向客户推销不必要的超额配置。如何实施有效的

随着企业将工作负载转移到云上，保护云环境已成为当务之急。近年来，CWPP（云工作负载安全防护平台）成为云安全领域的关注热点。Gartner报告指出，美国2021年CWPP市场规模达到16.99亿美元，而目前中国的市场规模要远低于这个数字。IDC报告显示，2021年，中国云工作负载安全市场实现规模和增速双爆发，市场规模达到2.8亿美元（18.74亿元），相较2020年同比增长57.9%。这表明中国CWPP市场还有巨大的发展潜力。

如今，软件供应链攻击已成为突破业务防线的新路径之一。在近几年的重大安全事件、实战攻防演练中，已频现软件供应链攻击的身影。2020年12月，基础网络管理软件供应商SolarWinds遭遇软件供应链攻击，受到攻击的不仅是SolarWinds服务的多家科技公司，还有其服务的大量制造业公司。随着时间的推移，此次供应链攻击事件波及范围极大，包括政府部门、关键基础设施以及多家全球500强企业。事故发生后的1个月，SolarWinds的股价下跌了50%。2021年12月，Apache开源项目Log4j爆出核弹级漏洞，攻击者仅需一段代码就可以远程控制目标服务器。由于Log4j被广泛地应用在中间件、开发框架、Web应用中，而这些中间件和开发框架作为软件基础又被其他软件系统使用，因此Log4j被极其广泛的应用在各大软件系统里面。利用此漏洞进行软件供应链攻击造成的严重性、影响面，堪称2021年之最。除此之外，Linux“脏管道”事件、周下载量超过700万次的JavaScript流行库ua-parser

2022年已进入尾声，降低数字化风险、增强安全防御能力依然是众多企业组织数字化发展中的重要需求和目标。网络世界充满了各种类型威胁，随着技术的不断进步，网络攻击者的攻击成本不断降低，同时攻击方式更加先进。纵观2022年，全球重大网络安全事件频发，网络钓鱼、勒索软件、复合攻击等层出不穷，且变得更具危害性，而这些趋势将延续至新的一年。普通却有效更多组织遭遇网络钓鱼网络钓鱼攻击是IT部门普遍存在的安全威胁，许多人仍然成为网络钓鱼电子邮件的受害者。网络犯罪分子攻击、恶意URL和网络钓鱼电子邮件在网络上仍然很普遍，只是它们现在具有高度本地化的地理目标，并且更加个性化。攻击者很容易伪装成信任的人。根据《2022年Verizon数据泄露调查报告》显示，网络钓鱼是社会工程相关事件的罪魁祸首，占比超过60%。此外，网络钓鱼还是恶意攻击者实现入侵的三大媒介之一，另外两个是程序下载和勒索软件。图片来源：《2022年Verizon数据泄露调查报告》其中，商业电子邮件泄露(BEC)攻击，通过让攻击者获得对合法电子邮件账户的访问权限并冒充其所有者发送邮件的方式来达到恶意目的。攻击者认为受害者不会质疑来自可信来源的电子邮件，事实上，他们所认为的并没有错，相比之下，BEC攻击的成功率的确更高。不过电子邮件并不是攻击者用来进行社会工程攻击的唯一有效手段，随着数字化转型的持续推进，当前企业对于数字应用的依赖也越来越重，无论是VPN、云服务、各类通信工具还是其他各种在线服务等。在实际场景中，这些数字应用、服务彼此之间并非是割裂的，而是相关联的，因而任何一个环节出现了问题，其他环节也难以保全。攻击者一旦对其中某一个应用或服务的攻击得手，势必会威胁到其他应用或服务。同时，组织也不能只关注网络钓鱼和BEC攻击，尤其是在商业应用程序入侵（BAC）呈现出上升趋势时。在防范网络钓鱼此类攻击方面，一些组织采用了浏览器隔离技术，把浏览器活动与本地硬件分隔开来，在用户的设备/网络与Web代码执行环境之间建立一个安全隔离带。主要有两种：一种是操作系统或应用程序级别的本地浏览器环境隔离；一种是在云端用容器化的实例来隔离，即远程浏览器。另外，使用者一定要检查你要输入登录信息的任何网站的URL（统一资源定位系统）；对从未知来源收到的URL持怀疑态度；为了增加保护，组织可以让使用者使用安全的办公空间，如数影，对网站进行分类分级管理，并强制在地址栏提示给使用者，帮助使用者识别钓鱼网站。安全企业亦未幸免勒索软件攻击事态恶化目前，世界上最流行的攻击类型之一除了网络钓鱼，就是勒索软件攻击。攻击者获得对信息或系统的未经授权访问，或完全剥夺用户对信息的访问权限，直到公司或用户向黑客支付一定金额的钱，才能恢复对数据的访问或解密。今年1月，美国新墨西哥州最大的县就受到勒索软件攻击的影响，导致多个公共事业部门和政府办公室系统下线，此次勒索软件攻击还致使监狱系统下线。今年2月底，全球芯片制造巨头英伟达被曝遭到勒索软件攻击，入侵者成功访问并在线泄露了员工私密信息及登录数据，黑客向英伟达索取100万美元的赎金和一定比例的未指明费用。除了广泛针对政府、教育、医疗、商业机构进行攻击，2022第三季度的勒索软件攻击还出现了新的情况。虽然一些科技巨鳄受到了勒索软件攻击，但鲜见的是，就算是网络安全企业，也没能在广泛威胁之下幸免于难。典型案例就是思科、Entrust、SHI

近日，生成式AI又火了！一个叫做「盗梦师」的微信小程序，上线一鸣惊人，达成了日增5万新用户的纪录。盗梦师是一个能根据输入文本生成图片的AI平台，属于AIGC（AI-Generated

自1950年阿兰·图灵在其开创性论文——《计算机器与智能》中首次提出“机器能思考吗？”这个问题以来，人工智能的发展并非一帆风顺，也尚未实现其“通用人工智能”的目标。然而，该领域仍然取得了令人难以置信的进步，例如：IBM深蓝机器人击败世界上最优秀的象棋手、自动驾驶汽车的诞生，以及谷歌DeepMind的AlphaGo击败世界最佳围棋手……目前的成就展示了过去超过65年来最优秀的研发成果。值得关注的是，在这段时间存在有详细记录的“人工智能的冬天（AI

1776年，工人瓦特发明蒸汽机，引发第一次工业革命，也开辟了人类利用能源的新时代。200多年后，麻省理工教授尼葛洛庞帝于1995年发表《数字化生存》，宣布以“Bit”驱动的数字化时代正式来临。又过了20多年，数字化风潮早已席卷各个行业，千行百业的数字化、智能化转型向纵深挺进，比特与瓦特穿越时空，在数字化的浪潮中不期而遇。在产业数字化与绿色节能两大浪潮的协同推动下，更加低碳的数字化转型明显进入了速度叠加的上升期。以数字化之钥打开低碳化机遇之门当下，云计算成为企业数字化转型的关键要素，随着节能减排工作的逐渐深入，云计算也正朝着低能耗方向发展。数据显示，2022年，中国算力总体规模达到170EFLOPS（每秒一万七千亿亿次浮点运算），我国数据中心规模已达500万标准机架。随着数字技术向经济社会各领域全面持续渗透，全社会对算力需求十分迫切，预计每年仍将以55%以上的速度快速增长，可见算力需求与数字经济的发展速度具有强关联性。伴随各行各业对算力的强烈需求，用云量增长迅速。但是当前有些地区迫于“碳达峰”、“碳中和”的能耗管控压力，将大于1万千瓦时的数据中心纳入高耗能管控限制其发展，在某种程度上限制了数字经济的发展，但也是无奈之举。在海外，云服务商已经开始尝试对云服务碳排放进行核算并为用户提供碳账单，但国内对云计算碳排放核算方法尚未有统一标准，仍面临一定挑战。挑战主要表现在三个方面：一是云服务供应链中包含的环节多且复杂，云服务商与用户间碳排放核算范围难以界定；二是我国云服务碳核算所需基础数据库仍不完善，存在数据相对陈旧等问题；三是目前国际上碳核算标准仅涉及传统高排放行业，对云服务等软件服务碳核算未有明确定义。此外，从云服务碳排放的核算范围看，应涵盖从建设、运营到回收整个生命周期中产生的所有碳排放进行核算。其中，建设过程主要涉及数据中心建设、IT设备采买等，核算节点应包括建筑材料、能源消耗、服务器、机柜、散热设备等。运营过程的碳排放核算应包含用户在使用私有云和公有云过程中所产生的碳排放，包括服务器、存储设备、网络设备、安全设备、散热设备、供电设备、照明设备、数据中心控制系统、发电机等节点，以及运营过程中的碳逸散，运维运营人员的碳足迹等维度。回收过程包含报废和碳回收两个环节的核算，涉及主要元件、辅助元件、热电联产、碳捕获等。绿色计算+数字减碳助力产业释放“零碳红利”如今，我国主要云服务提供商纷纷响应国家政策，均于2021年底公布了实现碳中和目标的时间以及相关的措施，大部分云服务商承诺了在不同的碳排放范围下于2030年前实现碳中和。具体的实践路径主要聚焦在提高绿色能源使用占比、提升云计算软硬件节能技术、探索高弹性下资源的高效利用等方面。云计算减碳并非对单一环节的改进创新，而是一个包括指定目标、确定实现路径、衡量是否产生效果、结合反馈进行纠正等在内的系统性治理体系，涉及到物理资源云化、云化资源编排以及云应用服务等关键环节，例如：在物理资源云化环节，利用虚拟化、云网等技术，将不同地域、不同规格的物理服务器集约化整合后以根据需求以不同粒度提供给用户。在通用的虚拟化架构基础上，对架构进一步优化开发，降低虚拟化组件的总资源需求并保证效率，从而提高物理服务器的云化资源/虚拟化系统比率，降低云资源的平均碳排放。云化资源编排环节，企业在建立云资源池后，根据工作负载动态分配与管理资源，提高物理服务器的资源利用率并将闲置资源降频、休眠或关停以降低能耗；且保证云服务的服务质量和性能，减少用户额外的资源消耗，从另一方面减排。云应用服务环节，针对云的优势，利用云原生架构对上层云服务进行开发或重构，对应用特性进行针对性开发适配，并对底层云资源进行精细化管理和动态分配，提升云环境下的能源利用效率和单位能源下的业务性能。海外云服务商在节能减碳方面较为领先，多数头部云服务商均已达成碳中和目标，下一步准备实现净零排放。比如早在2019年，亚马逊就联合发起《气候宣言》，目标是在2040年实现所有业务线零碳排放，相比《巴黎协定》的目标提前十年。作为全球最大的使用可再生能源的企业之一，亚马逊计划到2025年实现100%使用可再生能源支持企业运营。在可持续发展方面，亚马逊云科技作为探路者，提出云计算的可持续责任共担模型。亚马逊云科技负责云自身的可持续发展，如云数据中心的设计，机柜/服务器、建筑材料、可再生能源的采购，电力能源的使用效率、冷却过程中水的可持续性等等。客户负责云上自身应用的可持续发展，如软件架构，选择的云服务，及代码效率等。亚马逊通过为客户提供工具及最佳实践，帮助客户去实现云中应用的可持续性。“亚马逊云科技的职责，是与合作伙伴一起，在云上真正构建数字化解决方案，帮助客户在具体的业务场景里面实现双碳目标。企业需要利用将亚马逊云科技的技术与合作伙伴的数字化解决方案结合起来，快速试错，去试出一条路来”，亚马逊云科技大中华区战略业务发展部总经理顾凡表示。例如，金风零碳作为亚马逊云科技的双碳能源转型合作伙伴，借助其全面的技术支撑，构建了完善的现代化的“3减碳1平台零碳解决方案”，实现快速的开发、部署和迭代，不仅应用在自身业务中，更是在云中将适用于工商业企业的零碳解决方案交付给客户：一平台：α能源聚合平台，主要包含能源管理及碳排管理。

2022年，中国云计算行业正涌起一股前所未有的出海热潮。数据显示，截至9月底，中国移动互联网用户数达14.62亿户，基本实现了普遍的“上网自由”。这种自由背后，与移动互联网几乎同步发展的云计算居功至伟。但随着消费互联网增长空间见顶，用户规模、人均使用时长、流量消耗总量都进入低增长阶段，过去十年云计算赖以快速成长的环境发生变化。互联网行业是云计算的“龙兴之地”，也是云计算最早商用落地之处，它的触顶直接影响云计算未来十年的走向。