以下为现场速记。

 

浪潮信息大企业部总经理 赵文慧

 

赵文慧：尊敬的各位领导、各位来宾、各位朋友，大家上午好!今天和各位领导一起分享《智领制造-浪潮助力企业信息化转型》。

 

在过去可能更多的是产品销量，我们发现在销量的背后，用户带来的流量也非常重要。我们生活在这样一个智能的时代，我们可以看到，很多企业是靠一项或几项技术。在这种背景下，像新的IT技术就让我们在思考，包括我们的生产模式都在发生变化，其中重要的变化是我们如何来实现以客户为中心，是一种按需的方式。

 

从互联网+来看，在过去的互联网方向更多的是消费互联网，现在产业互联网的空间更大。企业在信息化的过程中，我认为整个企业的智能化应该分几步走。第一步是内部整合，在内部整合的过程中，要进行全面的数字化改造、全面的数据中心整合、全面的业务整合。第二步是内外部整合，从供应链到销售体系到物流体系的全面整合。第三步是产业生态整合，包括产业数据整合和产业生态链整合。如果说放在一个城市当中，我们也需要思考通过智慧化能不能让我们的出行更加优化、更加高效，如果我们每天在路上的时间节省30%，一年下来会节省很多的时间。

 

这是浪潮智慧计算的框架图，我们做了三大支柱，以云计算作为基础平台，以大数据作为方法，以深度学习为工具。同时拥有开放与融合的两大理念，最后构建一个生态。在这三个理念的指导下，很多时候我们在考虑是建设私有云，还是公有云或者其它模式，我们更需要思考的是，能不能把云计算当作一种资源使用方式，跟我们的业务是怎样的一种关联关系。同时我们要思考，我们的业务怎么能够实现灵活性，最后让公有云上的技术实现业务和资源的解耦，让整个业务灵活性进一步提高。我们要思考的是围绕最核心的数据价值，来构建不同的云模式。企业未来面临的场景一定是混合云的模式，在这种环境下有私有的环境，也有很多外部的SaaS的服务，最终实现整合。

 

针对混合云的模式，对于浪潮来讲，首先我们提供的是全栈的云计算产品和结局方案，包括计算、存储、软件定义。在这里跟各位领导讲一下，实际上我们在做基础设施的过程当中，围绕着整体的云计算、大数据，智能优化，对产品做了大量的优化。这是我们可以看到的，同样是一个服务器的产品，实际上我们在云计算时代，更关心的是针对于不同场景，比如有很多场景像大数据可能是需要计算和存储同时具备的，还有需要存储的场景，我们在一个空间里面做更多的云化，关心均衡的，希望计算和存储能够达到一个平衡。关心存储的，希望能够提供更大的空间。通过这样一种设想，对我们的云计算建设来讲，可以提供一种更加优质的解决方案。

 

如果说我们的业务资源是更大的，我们就需要更多的资源，在这里我们提供了四类场景。第一类是业务相对比较复杂，需要有自己的专属平台。第二类是我们共同做一个行业云或者风险资源，第三类是用户方面的资源，第四类是公有云的资源。我们目前已经建成全国4个核心的数据中心、28个地市云计算数据中心，这些数据中心全国交付面积超过10万平米，可用机柜超过12000个以上。同时在这个云平台上面，能够为用户提供从专有云、私有云、公有云等服务。

 

在浪潮有一个专门的公司，我们过去更多的是构建私有云，去年以来有一些公有云的产品，对一些中小企业来说，如果需要一些会计或者税管或进销存的，我们会提供以上的服务，我们可以真正打造一个基于混合云的服务，真正能够做到低成本、高效率。

 

有了这样的资源以后，我们还需要思考一个问题，就是大数据。讲到大数据的时候，我们希望每个企业能够围绕企业的业务目标，明确大数据的应用方向。我们举个简单的例子，如果说我们看到小区里面有一个摄像头，这个摄像头基本上是24小时在工作。当这个摄像头在某一个时刻、某一个时段只有一个人经过的时候，我们从这个数据的本身来看，要存储几百兆的数据。如果说我们的摄像头是一个智能化的，当有一个人经过的时候，我们做数字化的描述，它就会很清楚。大家想一想，跟几百兆的数据相比哪个更大，可能我们只需要描述的是这里有没有人经过。我们在大数据的认知过程当中，要明确业务的场景。在这个过程当中，我们有三类场景，第一类场景是业务支持，在现有的业务上，用大数据技术支撑我们的业务，统称为业务支持类的大数据场景，主要是提升业务管理和预警水平，这里讲的更多的是在不影响正常业务的情况下，我们能更好更快的进行决策。第二个场景更多是业务优化场景，通过大数据分析技术，挖掘潜在业务，实现市场洞察、客户画像、产品管理等。第三类场景是业务创新，这里就需要我们思考，多轨数据整合，探索行业新业态模式。

 

围绕这样的一个场景，我们来看在一个企业里面是怎么做的。目前来看，我们在企业内部数据的挖掘，到底有多少，可能相对来讲还是比较低的状态。很多时候，很多企业自己有的数据里面，能够对业务支撑和决策带来价值的只有10%左右。当我们实现大数据的时候，需要思考的时候，在建模的过程当中，模型的完善度以及数据的支撑，就需要我们去考虑互联网的数据能够对我们的业务带来更好的支撑。我们要思考不同类型的数据，浪潮能够提供的是大数据平台。同时我们在容器架构方面的创新，把大数据跟服务器结合在一起，我们的目的是通过新的方式，帮助我们更多企业实现自己的大数据战略，能够达到有10%-80%的数据价值。

 

在智能化的过程中，我们把深度学习作为优化工具。我们不同的数据通过数据平台，加上深度学习的算法之后，我们进行可视化的分析。我们的机器能够自我学习，能够识别。像车辆在安全方面，GPS的控制，最终到无人驾驶，在这个过程当中，深度学习是一个过程。真正学会让机器自我学习，最终实现真正的智能化、自动化，服务于整个企业的业务。所以说，围绕着整个深度学习的智能化来看，浪潮构建了这样的一个深度学习的方向。在这里主要是四个层面，第一是AI产品研制，第二是AI软件实现，第三是AI框架优化，第四是AI应用加速。

 

我们现在很多时候需要的模型训练更多是在线下做的，我们今天面临最大的挑战实际上是训练的过程。针对这样的情况，像百度的无人驾驶90%都是浪潮提供的AI。另外从我们刚刚发布的GPU产品，我们可以看到可以达到300兆的能力。它可以集成2.5倍，对于不同的连接方式来看，就意味着我们整个线下可以大幅降低。同时我们提供了AIStation管理软件，希望我们的企业更多关注模型算法，包括业务创新。对于整个AI模型训练和算法来看，像AIStation管理软件，能够帮助用户事项管理，从而实现不同的模型虚拟调度。同时我们做了集群并行版Caffe深度学习计算框架--Caffe-MPI。我给各位领导举一个例子，在我们做机器学习的时候，我们加速可以做到35倍。像深度学习我们做到MPI+CUDA单GPU扩展到16GPU，性能提升13倍。我们可以让更小的设备、更小的投入，实现更快的模型训练。

 

从以上内容来看，我们从整个深度学习训练平台来看，能够为企业不同领域提供人工智能的场景和解决方案。从浪潮的智慧计算来看，我们围绕云计算、大数据、深度学习，希望我们的智慧计算能够真正推动各个行业的智能化转型。过去20多年我们的产品服务于中国的大多数企业客户，国资委企业38%，中国500强是26%。希望浪潮能够为各位企业在智能化的道路当中提供支撑，我今天的演讲就到这里，谢谢大家!