博客首页|TW首页| 同事录|业界社区
2019-10-14

中国企业的出海经历4个阶段。在2010年以前,中国就已有企业在海外从事互联网业务,成为第一波出海的先锋。到2010、2011年时,跨境电商与游戏成为新的出海先锋。2013年与2014年形成了以工具类软件为主的出海风潮。2014年和2015年之后主要是智能手机等高科技制造企业集中出海。第四波为短视频、直播等在内的泛娱乐出海。现在到了第五波浪潮,即国内的OTT视频巨头选择出海。

这是Akamai中国区媒体事业部总经理张轲在2019年9月19日的Akamai Edge Summit上海站上分享的中国企业出海趋势。OTT视频巨头爱奇艺从2014年以来一直就是Akamai的客户。爱奇艺在国内取得成功的同时,也积极尝试海外扩张,特别是热门国剧在东南亚市场备受欢迎。双方从2014年开始在出海方面合作,到今年已是第五个年头。

如今,创新正驱动着中国企业出海的第五波浪潮。Akamai亚太及日本地区移动产品战略总监Vijay Krishna Kolli在峰会上强调,创新正在让中国企业成为移动互联网时代的全球新领军者。例如在过去的两三年间,Akamai观察到印度产生的大量流量来自中国企业,且Akamai自身的很多流量也来自中国客户,创新的商业模式和技术能力正在让中国企业后来者居上。

随着中国从世界经济增长第一引擎向着世界娱乐与文化新引擎发展,中国泛娱乐互联网企业在出海时都有哪些坑儿?Akamai作为全球泛娱乐互联网企业最大的合作数字平台,为中国泛娱乐互联网企业和OTT巨头出海提供了深刻的思考和解决方案。

挑战网络复杂地区的高性能体验

作为亚洲及全球第二大人口国,印度被视为移动互联网的下一个“金矿”。《世界人口展望2019:发现提要》报告称,印度2027年将超过中国,成为全球人口最多的国家。报告称,2019年的中国人口为14.3亿、印度为13.7亿,分别占全球人口总数的19%和18%。毫无疑问,谁能攻占印度市场,谁就能站稳下一个全球性的互联网巨量市场。

然而,相比于中国,印度的互联网基础设施发展却比较落后。2018年年底,网络讯号监测公司OpenSignal对全球69个国家的移动视频用户体验进行了调查,其中东南亚和南亚国家整体落后,印度则排在倒数第三的位置;而在OpenSignal的近期4G网速调查中,印度在东南亚、中东等国家在内的20多个国家中排名倒数第二。

显然,在印度市场提升互联网用户体验,特别是移动互联网视频体验,面临着极大的挑战。2019年5月12日,第12届印度VIVO IPL板球超级联赛总决赛,当天印度最大的在线视频平台Hotstar采用了Akamai的智能边缘平台直播了比赛,并发观看量达到1860万人,其中91%是使用的是移动设备。而在其后的7月20日板球世界杯印度对新西兰的半决赛中,同时在线人数达到2530万,这也是印度今年最大规模在线观看人数。

在印度市场成功应对了当前最大规模在线直播的挑战,验证了Akamai作为互联网和移动互联网内容分发平台的技术可靠性。Akamai大中华区媒体事业部高级售前技术经理刘烨强调,对于中国泛娱乐企业出海,由于文化相近性而更关注东南亚、两印和南美市场。但这些市场普遍存在两方面挑战:一是当地网络基础设施环境较差且复杂,二是带来的用户体验不佳——网速慢就会导致用户的流失。而在网络环境较复杂的地区、用户对性能要求高的情况下,Akamai利用分布式架构和技术帮助企业解决相应挑战。

2019年8月,Akamai再次入选了IDC MarketScape的全球商用CDN 2019供应商评估并位列领导者象限。IDC评价道,主流CDN供应商都重新在边缘集中“火力”,以满足实时视频、安全和IOT等新需求和新挑战,而Akamai作为商用CDN领导者在网络性能、媒体内容交付、云安全和网络运营商等方面有着全球广泛客群和丰富的解决方案与服务。

“出海”的四大挑战

在中国泛娱乐互联网企业的出海过程中,Akamai扮演一个什么样的角色?张轲介绍说, Akamai是全球第一大CDN公司,每天交付的Web流量每秒超过50Tb,全球大多数运营非常成功的公司都是Akamai的客户,而Akamai也在与这些公司合作的过程中积累了不同市场的运营经验。当客户选择Akamai之后,Akamai可以分享给客户在不同地区的最佳实践,让客户在进入新市场的时候避开弯路、尽快拓展业务。

根据Akamai已有的全球最佳实践,张轲认为中国泛娱乐互联网企业出海时,将遇到四大挑战。首先是业务要快速拓展到全球。为了帮助客户业务快速而有效地跟随市场拓展,Akamai通过全球137个国家/地区1,600多个网络中的约25万台服务器部署了分布最广泛且高度分散的CDN内容交付网,可以快速将客户业务扩展到终端用户。

第二是性能。无论传统互联网业务还是传统企业转型到互联网的新业务,用户体验永远是当前在线业务的重中之重。用户体验的下降将会对企业的用户留存率及转化率产生直接影响。Akamai曾做过一项研究,发现网站加载时间每延迟100毫秒就会造成转化率降低7%。

第三是高可用性。从IT运维角度而言,一个系统的高可用性至关重要。任何业务的中断不仅会对业务本身造成直接影响,更是会对企业品牌、终端用户对企业的信任度造成深远影响,最终波及企业的用户留存率和转化率上。由于在业内拥有极好的高可用性平台,所以Akamai一直可以保证中国互联网企业在海外拥有非常高的稳定性。

第四是安全。近几年,网络攻击已从之前常见的DDoS攻击发展为应用层攻击,乃至撞库攻击、爬虫攻击等形式不一的攻击。此外,一些世界主要国家和经济体相继出台严格的信息安全和个人隐私法律法规,数据安全保护是出海企业绝不能忽视的地方。Akamai从2010年开始深耕云安全解决方案,到目前为止已经成为全球最大的云安全公司之一。在这期间,Akamai一直帮助中国出海企业保护他们的数据、基础架构乃至业务的可持续性发展。

除了从快速到达市场、高可用性、高性能和安全等四个角度帮助中国泛娱乐互联网企业出海,Vijay Krishna Kolli还强调,Akamai在全球拥有众多最佳实践,可以把这些实践应用到不同市场中去;而在不同市场进行市场推广的时候还需要很多本土知识和经验,这也是Akamai的优势;当企业在拓展新市场的时候,会涉及运营资本方面的细节,Akamai将帮助企业在进入市场之前做出提前计划,从而更好地运营本土市场。

分享全球最佳实践

在IDC的2019商用CDN供应商评估中,认为Akamai的技术平台具有5大优势,而这5大优势可为全球用户所分享:

首先是承载量、性能和可靠性保证,Akamai的网络承载量约为90-120 TBps,Akamai平均每日交付的Web流量超过50 TBps,并在2019年3月交付了超过83 TBps的峰值流量。其次是安全性:Akamai在提供强大边缘安全产品方面已有相当长的历史并且目标明确,即进一步扩展其云安全服务产品,凭借每日与130TB的数据量、超过10亿台设备和1亿多个IP地址进行交互,Akamai有着广泛的威胁情报和洞察力。第三是媒体交付:Akamai目前拥有一套全面的媒体交付服务,如大型活动直播交付、托管服务、性能和延迟改进。第四是创新:Akamai继续将其服务和能力扩展到CDN之外,并利用人工智能和机器学习等创新技术来应对物联网、DevOps和区块链等新领域的要求。

最后也是最重要的一点就是服务团队:Akamai以高素质服务团队及其对多个垂直行业的覆盖为依托,能够很好地指导其客户部署和充分利用CDN和边缘服务,以充分发挥潜力和获得业经验证的业务效益。张轲强调,Akamai对中国互联网企业十分了解,中国前四大互联网公司都是Akamai中国的客户,与此同时基本上所有的在线视频巨头或者短视频巨头,也在使用Akamai的服务。而Akamai在中国经过十几年的发展之后,在大中华区目前共有120多名员工,其中大多数是服务支持类员工,构成了在中国所有外资云计算企业里最大的售后服务团队之一,所以Akamai可以给中国客户提供十分本地化的服务。

此外,Akamai也会组织一个用户顾问委员会(Customers Advisory Board),定期邀请Akamai不同行业的重要客户加入委员会,为自身及其客户提供宝贵的反馈意见和建议。比如中国公司在印尼开展业务,发现产品设计或产品技术架构与印尼当地市场环境有差距,Akamai也会提供改善建议。所以,Akamai一直注重用户反馈,以帮助客户实现更好的产品稳定性。
总体而言,当前中国正在走向全球的文化自信,以泛娱乐互联网企业和OTT巨头出海为标志,中国对外输出正在进入新时代和新阶段,而在“新航海”时代结合Akamai这样的全球化数字平台,将是中国互联网企业快速全球化的重要策略和路径。全球化意味着进入全球的生态体系,而如何适应这一新的全球性角色,将是中国企业“出海”的重要课题。(文/宁川)

2019-10-11

几乎是25年前的1995年,MIT教授也是WWW万维网的发明者Tim Berners-Lee,他当时预见了后来的互联网流量拥塞问题而向MIT学者们提出了挑战:如何发明一个全新的更好的交付互联网内容的方式?当时的MIT应用数学教授、并行算法及架构专家Tom Leighton博士认为可以从应用数学和算法角度找到解决方法,这就是大型分布式服务器网络的智能路由及内容复制算法,也由此开创了互联网的CDN内容交付网络时代以及Akamai公司。

20多年过去了,CDN保证了互联网用户可以在世界的任何地方、任何时间都能快速获得高质量的内容与互动体验,特别是当今流行的各种视频内容。而20多年间,互联网和互联网用户不仅在规模上出现了爆炸式增长,新型内容和网络开始加入到互联网的架构中,这就是云计算时代的应用、数据和网络以及即将到来的物联网等。今天的互联网与云、各类数据中心以及CDN等形成了一个新型的复杂混合网络。

随着互联网向“云+互联网”以及未来“云+互联网+物联网”的数字化转型,Akamai也转型成为一家通过互联网交付、优化以及保障互联网内容与企业应用的解决方案提供商。今天,Akamai正处于用户、数字技术和交易、云计算与娱乐等交叉的数字商业前沿。Akamai的核心产品为全球化分布式智能边缘平台,连接全球企业数字化转型的前沿,推动全人类走向深度全面互联的数字大未来。

2019年9月19日的Akamai Edge Summit上海峰会上,Akamai企业事业部全球售前技术副总裁Maha Pula表示,Akamai的优势在于无论企业处于一个数据中心还是多个数据中心、一个云还是多个云中,Akamai都有一致性的解决方案向云端迁移。无论企业身处何处,Akamai都能提供安全可靠、可拓展的解决方案,而这一切都基于Akamai的智能边缘平台。

新的全球流量管理算法

经过20多年的积累,今天的Akamai已经在全球部署了25.3万台服务器,分布在130多个国家/地区的1600多个网络中,这些服务器通过复杂的软件和算法连接起来,成为了包围全球企业现有云基础设施的“边缘”,这就是Akamai智能边缘平台。通过在靠近终端用户的“边缘”集成和整合计算资源、数据、内容以及安全防护,Akamai成为了企业云的一部分。

随着云与互联网的结合,20多年前Akamai开创的CDN流量管理算法遇到了重大挑战,大家所熟知的数据中心全局负载均衡算法在混合云和边缘计算时代不再适用。传统的方法是创建全局服务器负载均衡器(GSLB),GSLB通常位于一个数据中心,并与其它数据中心一起监视工作负载,并将每个客户查询传递给最合适、最近和负载不饱合的数据中心。GSLB绕过失败或过载的数据中心,同时在不同的数据中心使用主GSLB和次GSLB以实现弹性。

然而,当今的IT团队必须在整个互联网上部署和维护应用程序。应用程序继续存在于数据中心,新应用程序被推入云端,许多应用程序分布在CDN上。在某些情况下,企业将使用多个云运营商,某些应用部署将混合使用数据中心和云,也可能使用多个CDN网络。这就是“现代互联网复杂性”,它仍然需要负载平衡、地理平衡和性能监控,但今天的要求更加复杂。因此,想与现代互联网的复杂性相匹配,企业就需要把GSLB从数据中心转移到云中。

云化的GSLB就形成了新的全球流量管理GSLM算法和方案。Akamai智能边缘平台提供了两种云化GSLM算法和产品,这就是全球流量管理GTM和应用程序负载均衡器ALB。其中,Akamai GTM是一项现代化、高可靠、针对DevOps优化的GSLB服务,可在网络的边缘跨各种分布式网络进行操作。GTM允许进行一系列的负载平衡、流量路由、性能监视、地理映射和故障监视,为企业和组织提供了将服务移至最优的地理位置,还允许在多个云上部署应用程序并将应用程序路由到地理上或拓扑上最近的边缘服务器。

值得一提的是Akamai最新的应用负载均衡器ALB。基于GTM的功能,ALB通过Akamai平台交付流量时引入了网络第7层(应用层)的可视性和控制,增强了初始流量的路由选项,可在预期中断发生时减少对用户体验影响的风险。ALB引入了互联网第7层应用层的路由,这样就可以基于URL、用户设备或内容特征等进行路由决策,例如把来自同一个电商应用的相关用户信息流量绑定在一起以提供更好的体验。ALB还提供了即时故障转移,在不中断用户体验的情况下将用户请求重新路由到备份流量源,从而不让用户体验中断。

而这一切都基于Akamai先进的信息安全方案——采用世界一流的控制和法规遵从进行管理,包括24/7不间断运行的网络运营指挥中心(NOCC)。ALB和GTM加在一起,为DevOps、网络架构师和系统工程师提供了最佳的云GSLB解决方案灵活性。

安全基础能力保障云迁移成功

在全球范围内,企业正向云端迁移,以尽快进行数字化转型,抓住数字经济的红利。但云可能有多种形式,包括托管、混合和多云。更多的公司会倾向于选择混合或多云方案,而不是依赖于单一的提供商。根据Gartner预测,到2019年,多云将成为70%企业的共同战略。

但应用多云架构也就意味着要保护多云架构。如果说迁移到一个云环境将导致攻击目标的拓展,那么多个云环境将使其进一步放大。此外,对于采用多云战略的企业机构而言,跨平台建立并实行一致的安全策略,也同样面临着严峻的挑战——这是Akamai在2019年年初发布的网络安全预测之一。实际上,对于企业或组织来说,很难真正建立跨平台的一致安全策略,因为安全风险每天都在变化,每天都会产生新的风险。

以如今非常典型的企业IT部署来看:企业IT团队被要求在欧洲、美国东部/西部、拉丁美洲和亚洲的7个数据中心/云提供全球覆盖,其中亚洲和拉丁美洲是云部署。这是一个典型的全球化业务的数据中心部署+云部署的模式,很多企业的互联网和数字化业务都需要对全球的用户提供服务。那么,如何能够保证位于不同国家和地区的数据中心/云的一致安全性?Akamai的方案就是智能边缘平台,也就是不同的数据中心和云都采用同一个边缘平台。

Akamai认为,无论通过哪种方式保护用户、应用程序和数据(无论是在colo还是IaaS环境中),最佳位置都在边缘,边缘安全性可帮助企业部署与基础架构无关的一致策略。当85%的企业将采用混合云或多云架构,而且云服务商的安全解决方案仅针对处于自身环境的应用程序和数据,那么边缘保护的重要性将横跨所有基础设施。

例如,对于最近很火的换明星脸应用,极易引发隐私保护的争议。Maha Pula强调,此类应用程序肯定不会就此终止,肯定会越来越火。而像Akamai这类公司能够做的就是进一步让自己的平台符合监管合规,比如GDPR。GDPR并不是一个仅限于欧洲的安全法规,而是跨越国界的,也就是企业在其它国家也要符合GDPR。所以,Akamai的承诺是在世界上任何一个地方的Akamai智能边缘平台都是合规的。

Akamai亚太及日本地区Web体验产品管理高级总监Jason Hatch强调,现在所有企业都在往云端迁移,但是云技术真正的不同之处在于如何完成云迁移以及如何管理自身安全性。很多云厂商已经把云安全视为公司业务中最重要部分,而且不仅仅是依赖于企业内部员工进行管理或是仅仅IT部门的事情。现在云端上的安全问题不再是一个安全问题,而是一个业务问题了。

此外,Akamai创新技术部门全球副总裁Lelah Manz认为企业向云端迁移的过程中,有很多的应用程序开发,Akamai客户中约有40%会基于代码开发,特别是基于开源API。API的介入又会让企业数字化转型变得更加复杂,但是API的安全性反而是客户最后才想到的——客户往往会为了整体解决方案的灵活性而牺牲掉安全性,但这并不可取。“这就是为什么Akamai的集成化解决方案能够满足客户的需求——无论是在做云迁移,还是在做数字化的转型;无论是多云还是混合云还是单一云,Akamai都是企业最好、最强有力的合作伙伴,帮助实现他们的愿景。”

总结而言,当今的数字化转型正在造就更多的数字平台,未来的数字经济将是由数字平台所组成的新世界。而Akamai智能边缘平台,结合了新的全球流量管理和安全保障于一体,为企业数字化转型提供了一个全球化的数字边缘平台,连接物联网、区块链、人工智能等创新前沿,将成为数字经济中不可或缺的一个数字平台。(文/宁川)

2019-10-08

“平衡计分卡”是一个绩效管理体系,体现在从战略管理到战略执行落地的路径上,所关注的四类指标是财务、客户、内部运营、个人学习和成长。与OKR、KPI,以及IBM和华为长期使用的PBC体系相比并没有本质差别,是战略到落地的一种绩效工具。但平衡计分卡会给各主题设定一些问题,然后用结构化的体系显示出目前处于的位置,未来如何做得更好,最后用打分的方式指导未来发展方向,并对当下的评估和对未来方向逐步清晰化,再设定中间的路径。钛资本管理合伙人李骅在钛资本新一代企业级科技投资人投研社第29期,套用“平衡计分卡”模式,详解如何理解和评估企业服务市场的资产(被投企业)。

李骅现为钛资本管理合伙人,全面负责早中期企业融资业务,并兼任企业级SaaS和产业互联网版块董事总经理。作为前IBM高级培训师、专业企业教练,他拥有19年民营中小企业、国内上市公司、全球五百强企业、创业企业等多元化的工作经历;曾先后担任北大纵横管理咨询师、Oracle公共事业行业合作伙伴营销总监、IBM资产管理高级业务经理、IBM咨询服务行业总监、IBM Sales Learning高级培训师,并有着两次创业经历,业务横跨咨询、营销、培训和资本运营四个领域。李骅曾长期为华为、百度、壳牌、爱慕、正和岛、天融信、欧司朗、首都机场、中煤集团、航天集团等多家知名企业提供培训和咨询服务,在创投行业和咨询领域有着丰富的经验及独立思考力,用扎实、体系化的根基构建了独立的理解和判断。

本次分享的观点和阶段性的“结论”未必完全正确,因为还需要更多的时间和案例进行不断地迭代,但确为来自第一线对资产的深入参与、跟踪和独立思考的结果,相信对投资人具有一定的参考价值。同时钛资本倡导“以终为始”“溯本逐源”,从结果反向分析资产,在不断迭代中总结规律,这可能对未来的投资是至关重要的。

企业服务市场资产

钛资本的主营业务为科技和企业服务领域的FA(投融资服务)。当前,钛资本对企业服务市场充满信心,认为现在企业服务市场的价值和空间还远远没有被挖掘出来,未来的十年应该是此领域的黄金十年。从2015年到2019年,以每两年为一个单位来看,都取得了长足的进步,从”小荷才露尖尖角”到初步绽放,在未来可能会迎来蓬勃发展和大面积的绽放——进一步判断,在未来十年可能会诞生数家千亿级企业。

为什么这么说呢?以下从具备千亿级企业特质的资产视角进行分析。

企业服务市场资产可以分成两大类:一类是SaaS和应用类软件,比如HR管理系统、财税管理系统、通用型的应用软件、SaaS化的ERP、PaaS平台等等;另一类是产业互联网和2B运营类,因为其核心竞争力可能不在于软件的高壁垒,而在于运营产生的高效能。当然,两类也在不断地融合。

【第一,    创始人的调性】

创始人的调性在根本上就决定了某个资产是不是有足够的成长空间,就像一粒种子决定了长出来的植物是什么,一粒灌木的种子永远不可能长成一棵大树。

SaaS和应用软件的资产创始人群体中,我们最关注“批判的继承派”。他们是从旧时代来,又能推翻旧时代一系列的不足和弊端,坚定地迈向新时代。美国SaaS类企业的创始人大多是从传统信息厂商的大厂里出来的,比如Oracle、IBM、SAP、惠普。这些人通过多年的沉淀,深知行业里的需求,同时又能推翻曾经的壁垒,建立一个新的认知体系、新的商业模式、新的市场拓展方式,从而变得更有效能。钛资本大多是IBM的基因,也很关注IBM背景的同事们(或者说OIE以及传统大厂里出来的人)到底能不能更好地拥抱新时代,事实上这些资产优良程度相当高,也有些非常有代表性的企业核心成员来自传统大厂,这代表一种批判的继承。

运营类的资产或者产业互联网的资产创始人调性是“地派”,后来居上。怎么理解“地派”呢?可以通过与“天派”对比的方式理解:

一,核心战略。经常有人会说,“天派”的核心竞争力是融资,这在一定意义上是事实,但绝不是贬义的描述。如果一个企业能持续不断地靠外部资本性现金流补充发展,会比靠经营性现金流不断成长的企业更具竞争力。如果能持续不断地为企业带来融资,确实也是健康的。“地派”的核心战略就是赚钱,自我不断地升级,变得更全面,但创始人在骨子里认同企业一定是要赚钱的,如果不能有效地获取高额利润,内心是很难坚持下去的。

二,执行模式。“天派”是PlanA、PlanA、PlanA,就是围绕一个方向契而不舍、勇往直前、夺命狂奔,但有可能中间会迂回,比如通过B或C达到A,或通过D和E达到A,但因为有大量的资金补充,可以不断地沿着既有方向坚持下去。所以这种资产往往受深美元基金青睐,只要笃定无限广阔的未来,就不断地大量投入,不关注短期和中期的回报。“地派”是planA、planB,还会有一个备用方案PlanZ,就是当市场发生变化时,可能会换一条路径,所以可能一开始做CRM,后来变成行业的供应链企业,就是“鱼逐水草而居”的一种状态,哪儿的水草富足、哪儿能更长期有效地活下来,就在哪儿沉积,但后来也会产生更高投资的空间,不断赚钱的过程中间也会发生模式的变化。

三,生存模式。“天派”因为有资本性现金流的补充,没有利润都能活下去,所以可能长期处于亏损的状态,但未来可期。“地派”可能有没有融资都能相对稳定的活下去,融资只是带来更宽裕的腾挪空间和更高发展的效能,而并非活下去或成长的一个基石,钛资本做的项目有百分之七八十属于这种类型。

“天派““地派”判定的方式也比较简单,“天派”通过大量的PR获得一定的市场认同,高举高打带来一些“高光”,通过光环效应产生一部分溢价,所以市场费用高,占年收入可能会从10%到20%甚至更高。对于“地派”来说,市场费用相对占年收入的比重低一些。

现在“地派”可能会迎来一个拐点,在一定时间点超过“天派”:首先,融资的难度随着资本寒冬到来逐步在加大;其次,ToB市场在广泛的意义上是慢市场,不怀疑有些资产是高速发展,甚至会达到ToC的速率,但整体相对ToC而言是慢市场。大额、高效、持续性的融资又要求快增长,这是一个巨大的落差,资产能否满足预期甚至超越预期,是一个核心命题;再次,“地派”脑子里可能都是利润、现金流,就是有“皮袄”和“脂肪”的存在,在“冬天”相对存活的能力更强;最后,做中美资产的对比会发现,中美无论是市场格局、竞争、赛道都有很大差异,这种差异让“天派”完全复制美国市场会有很大的不足。而且随着中美关系的紧张,“天派”的着陆,比如被海外资本市场充分认可的IPO,甚至IPO之后在二级市场的表现,可能都会面临越来越多的挑战。正如摩根士丹利首席美国股票策略师迈克-威尔逊(Mike Wilson)所说,WeWork首次公开募股的失败标志着一个时代的结束。投资者已经表明,他们不再愿意为过度投资买单。在此之前,美国股市一直在为没有实现盈利的“天派”资产的IPO支付令人瞠目的估值。

尤其是“地派”中运营类的资产,可能会后来居上。确实,比较好的“地派”运营类资产可能是“泥腿子”出身,但大多是已经在圈里摸爬滚打十几、二十年的行业“老炮”,非常关注健壮的现金流,在迎来比较好的市场机遇时,又勇于革新、勇于颠覆,代表了非常有竞争力的一类资产。

【第二,    发展趋势】

中国的SaaS在这些年发展得还是相当焦灼的,结果导向地检视财务以及客户情况,往往会发现并没有想像中那么健康,所以很多投资方会望而却步。从投资方角度来看,关键是能不能蜕变,以及蜕变何时发生。这是一个趋势性的问题。

举个例子,SaaS类最难的是获客,一旦获客后,要把客户留住,产生的是软件类收益、订阅费等等,但其收入不足以支撑起更高的成长和空间。比较好的一个“蜕变”路径是因为有了“应用基石”,可以由软件类收入延伸产生类似B2B的交易类收入,往往比直接切B2B效果更好;有了交易属性,又对“家里面”的方方面面了如指掌,就完全有可能朝着金融类收入迈进,每一类的收益属性都在提升,是由河到江、由江入海的变化,是健康的表现。

这可能是相对典型的蜕变路径,我们看到不少资产最近两三年就在逐步实现这种“健康的蜕变”,企业也不断进入快速成长期,但这路径也未必是唯一的。比如最近我们也看到一些资产显露的“苗头”,姑且称为从“IT向DT”的蜕变:为企业做私有化的云化系统,本质还是更有竞争力的IT系统,但一旦占据了大量行业头部数据,就积累了大量的私域数据,进而形成“多源私域数据池”,便有机会形成垂直行业数据对标平台,进而可以进一步推动“数据即服务”的行业数据驱动的决策系统,还可以利用这些数据运营能力进一步蜕变成行业科技金融平台。

再比如,有时SaaS会分成“轻薄”和“厚重”两类,厚重的获客难但是客单价高,轻薄的获客易但是客单价低。平时所说的“先做大再做强”还是“先做强再做大”,传统些的SaaS是先“做强”,后来我们看到很多从“做大”起的资产,有足够大的客群,在此基础上再深耕做厚重,可能也是一种蜕变的模式的探索。有很多资产在这条路上,发展的很迅猛,代表了另一种生存模式,所以能否感知到这种蜕变的效能和时间,是最重要的一点。

为了解读“蜕变”,套用麦肯锡比较经典的“三层面增长理论”。我们试着重绘这个曲线,发现非常简单。三个矩形的方块,从“宽边”的中点到“长边”的中点连接就变成三条弧线。但如果要把这个线作为“蜕变曲线”画精准,应该有几个变化:一,颜色的变化,厚重程度或复杂程度要逐步的提升,这样才能有更高的竞争力;二,斜率,把首尾相连可能会变成一个平均的斜率,一定是提升的(代表利润的提升);三,如果把矩形框当做一个利润区圈起来,利润区是要逐步增加的。

所以这可能才是真正有吸引力的一种增长理论:第一层面是核心业务,要先到市场拓展核心业务,让运作变得越来越有序、越来越稳健,保持高增长;第二层面,实现了第二次蜕变,发展了新业务,带来更高的增长空间,比如典型的云计算厂商的轨迹,一开始做云计算的基础设施销售和客户订阅业务,到了一定阶段要建立生态,生态再反哺根基,让核心业务变得更健壮,所以就变成了第二次增长;第三层面,也就是第三次增长可能面临更广阔的未来,这种未来放到当下的时点可能都很难清晰的定义到底是因为什么能够产生有效机会,可能是ToB到ToC的转化,也可能是某个复杂技术的充分民主化,但第二层面只要站稳脚不断向前发展,第三层面的蜕变终究会来临。

很多的项目在战略规划里就可以清晰的定义出第一层面、第二层面、第三层面,但一定意义上在执行过程中会面临很多挑战,往往会发生很多的变化,即便是目前看到的这些巨无霸企业,也是不断变更了多次才实现了这种蜕变。所以麦肯锡指出企业在这个过程中:一,要不断开展业务增长的各种活动;二,用对现有业务的同等专注来关心未来的方向,未雨绸缪;三,要研究当前业务、新建业务和未来业务之间保持协调平衡的方法,确定未来可来的方向。

那么,在这个增长里,投资人要做什么?怎样指导投资?

一,投资人要在现有业务的基础上预见新增长的可能性。图中可以看到三个橙色的箭头,从第一层面迈向第二层面的斜率发生了一次变化。当还处于第一层面时要认同未来可以发展更健康、更有序的新业务,需要一定的预见性,这是最需要功力的一部分,也是最难的。当企业还在初创期,就预见到成长期可能会有更多拓展空间,要主动或共同设计未来;

二,发现的能力。当新业务刚刚产生,图中这几个曲线是有交叠的,第二条曲线跨越了第一条曲线交叠的部分。已经发展了一段阶段后,发现第二阶段产生了一些收入但可能不高,要通过新业务的一两百万的财务增量变化,预见原来5000万业务可以变成五个亿或更大空间的能力,这很考验投资人功力;

三,在新业务基础上,如果有未来的事业机会时点,能共同成就企业的未来,这是最高的要求。比如项目到了成熟期,是否能持续不断地成就企业,就像当年投资女王徐新投资京东那样:跨越了第一层面的电商、第二层面的物流,到第三层面就代表京东在一个消费市场卡位的广阔未来,是有预见、有发现、有成就的增长,从而产生了高额的回报。

【第三,资产价值的延伸】

关于ToBToC类资产,钛资本曾专门撰文发表过相关看法(关注钛资本微信公号回复“2B2C”)。人口红利可能因为产业互联网的红利,再次获取。但是因为在ToB的领域,很多供应链的运转效率还是处于很低位的状态,没有被充分挖掘,而所有ToB最后服务的对象又都是C,如果这样的资产有继续向下穿透的能力,其实可以把资产的价值不断地往前推动、延伸,甚至未来某天ToB资产可能会整合ToC资产,甚至不会再有ToB、ToC的划分,而合二为一。这个观点得到了一些同行的认同或者部分认同,应该是代表未来的一个方向,也是审视这类资产有竞争力、有想象空间的基石。

【第四,商业模式和经营模式】

由于中美差异,很难有中国资产完全像美国资产一样蓬勃发展,ToC时代曾经有,ToB到目前为止确实还没有看到。所以要充分尊重本土特色,同时要做“混合模式”。什么叫混合模式?比如云市场,纯粹的公有云市场在中国大多数玩家都很难长期维持,基本上公有云、私有云会混合在一起做,甚至多种业态产品以产品矩阵形式不断地在经营、挖掘更多客户机会,以把财务发展得越来越健壮,这是一种本土特色的经营模式。产业互联网,其实在中场时分可能会遇到科技洗牌的变化,比如自动驾驶之于共享汽车的项目,即便都认同这个未来,还是很难理解自动驾驶给运营类资产所带来的变化到底是什么。当自动驾驶充分市场化的时点到了,可能会面临大洗牌,这种洗牌可能就带来更大的机会,其它的行业都会有这种情况。科技通过量变产生质变时,会对这类资产产生巨大的提升,可能这是未来第三增长的核心来源。
钛资本给投资圈尤其是ToB投资圈同仁的建议,概括起来就是16个字“十年一剑、积极布局、中西融合、整合发展”,希望能坚定这类资产,不断陪伴企业成长,这也是钛资本矢志不渝的一个方向。

SaaS/应用软件方向资产平衡计分卡

SaaS/应用软件方向资产平衡计分卡,我们大致的想法是,虽然财务是“面子”,但要想深入洞察资产特质,不妨先抛开“面子”看“里子”,看哪些内容更能说明问题,所以参照平衡计分卡把客户、运营、个人的学习和成长都放到这里来作为考量的指标。同时,对这些考量我们是“以终为始”的思路,事实上那些在我们通过深度经营,对“面子”和“里子”都很了解,同时回过头看成长性又很好的企业,在这几方面都具备哪些共性特征?

第一,先看客户需求。需求经常会说是偏刚性的还是偏非刚性需求,会用“雪中送炭”和“锦上添花”来体现这种需求的刚性程度,最后发现当下的需求越刚性、成长越健康。所以当下的需求和刚性程度是基石,决定了销售效率,这很容易理解。越是切入非常痛的痛点,越好卖也就越容易做大。图上列举了钛资本参与的四个比较有代表性的融资案子,差异性比较强,但从项目的结果反过来看,运营比较好且比较受资本青睐的这些资产,都反映出非常高的客户需求度。

第二,客户所处的市场类型,有增量市场、外资存量、本土存量三种类型。首先,之前AA投资创始合伙人王浩泽分享的一句话非常有说服力(参见钛资本微信公号文章《企业服务早期投资方法论》),就是被外资品牌教育过但因为国情没有做好的领域是非常值得投资的,其次是被本土的产品教育过的存量市场。增量市场因为有非常高的市场教育成本,难度会变大很多。

比如,某装备制造研发信息化项目,做高精尖航空航天领域,原来像GE这种大公司做得都非常好,但因为国情和自主可控的要求,为内资企业带来了一些机会。某自主可控国产ERP项目也比较有代表性,相当于中国版的SAP,也代表了当下一个比较好的时点,是一种外资存量转化的案例。本土存量的案例是上半年钛资本交付的某现金流管理SaaS项目,在2000年初国内已有软通动力等上市公司已经做到很大体量,因为是传统IT时代的产物,缺乏革命性,产品化、云化的程度不够高,市场拓展方式、产品架构等都比较落后,所以有了这类资产的生存空间,也代表了一种比较有竞争力的方向。

第三,按客群经常会分成所谓的大B、小B,就是Enterprise和SMB,甚至这两者的混合模式。从钛资本的案例统计反映出企业如果有做大B的能力,发展会比较快,因为大B的需求复杂程度高,变现能力又足够强,会带来比较好的财务回报,但同时产品的迭代能力也会很强,通过大B可以做出很专业的产品,通过小B的迭代周期要变得更长。同时有些资产可能通过复合模式来适配不同的市场,但初始状态要想让产品更有竞争力,还是以大B切入作为主要命题。

第四,按给客户带来的价值,分为开源和节流,或直接产生价值和不直接产生价值。在市场比较艰难的情况下,都比较倾向于开源,直接给企业带来收入增长,换句话说搞定客户的客户,可能会带来更高的价值,所以开源类的资产可能会直接受到市场的追捧,就是客户市场的追捧。其次才是节流类,很多ERP项目更多都属于节流领域,包括由此演变出来的很多的SaaS都是为了提高运营效率、降低企业运营成本,但如果有更好开源类的资产,会更倾向于看到这类资产,因为代表了市场持续不断的深耕力。市场模式有渠道、直销、生态,在初创期时最直接接触市场、需求最精准、迭代最高效的应该是直销,道理也很简单,产品可以第一时间实现迭代,市场变现可以更直接、更有效、范围更大。

第五,价值传导是ToB或ToBToC。比如某鞋服零售SaaS是给各个品牌的大B服务,同时又能为品牌里特殊C类群体即导购提供赋能,同时还继续向下游消费者C端传导,最后想象空间就变得非常丰富,所以从资产价值来看是不断延伸的,ToC二次红利是可以不断被挖掘的。当然如果最终只是ToB,但又相对比较健康的、不断通过B端变现,也是次优的选择。现在比较新型的像SaaS或产业互联网2B2C类很多,一定意义上都可以继续向下传导和延伸价值。

第六,创始人。SaaS和应用软件方向的创始人中,行业“老炮”居多,创始人要想把这个领域经营好,必须浸淫在其中,以十年为单位做大量的沉淀,真正地理解行业里的特质、需求痛点和运作规律。经常有人会问,这个行业未来何去何从,就是服务客户和决策机制是怎么建立起来的?未来的决策机制又是怎样变化的?如果没有长时间深耕,很难真正理解。以本人为例,做了近十年电力信息化,还觉得对整个电力行业的理解可能也就不到三成。所以要想真正“打蛇打七寸”的看到核心问题,通过核心痛点把资产增长拉起来,确实背后需要很强的功力。另一派是互联网派,这个创始人群体又可能会基于Elon Musk说的第一性创新思考能力,所谓的颠覆或再造一个领域,也有这样的资产,例如某鞋服零售SaaS一定意义上也是属于这种类型,从传统的行业里出来又做了很多颠覆性的创新,更代表互联网的一种模式。

第七,从业经历。这些资产不约而同的指向大B的背景,为什么?所谓的大B,可能是像IBM、Oracle、SAP的大乙方,或经营大甲方的小乙方,比如ISV里长期经营的某个中字头的行业或大型企业,可能理解的很深入,理解经营规律就可以为产品及销售,尤其是销售决策提供一个非常有力的支撑,所以资本还是蛮喜欢大B背景的创始人。当然像这一类资产核心是产品胜出,所以创始人如果是产品专家,将能够长期推动资产发展,可以更充分的理解到技术和市场应用结合。如果是销售专家或初期甚至就是资源导向型的人,如果学习能力够快的话也逐步可以转变成产品专家,也是次优的选择,至少初期的变现效率比产品专家更快,当然取决于后期个人的成长。

图中进行了连线,红线代表第一优先级,现在看到的一些融资顺畅进入到C、D轮的企业是具备这些特征的。或者虽然处于早期,但企业存续期间年度增长两三倍的企业是符合这种特征的。所以抽象来看,从结果反推客户、运营、个人的学习和成长、背景等要素就会有这种发现。

ToB运营类/产业互联网资产平衡计分

ToB运营类或产业互联网的平衡计分卡,也是从客户、运营、个人三方面来切入。

第一,需求切入点,切入点一定是刚需,特别是“小而刚需”的需求。就像一个锥子在非常小的点上产生巨大的压强刺破一个市场,后边会带出更广阔的空间。小而刚需的需求还较多,比如疯魔发展的校园贷可能就是从学生买iPhone这么一个又小而刚需的切入点介入,再比如某自营财税平台企业用互联网方式切入市场时把握住公司注册这第一步,在这个基础上不断地黏住客户做代帐、税务筹划、人力资源、品牌建设等等多SKU方式,SKU的增长和ARPU的增长基本上非常良性,这就代表一种小而刚需的切入。获客的效率和成本比较健康、效率够高、成本够低,这是一个比较好的切入点。如果是大而刚需,就好像是一个“钝角”入口进入到市场,当然会形成更强的压力,但压强又不够大,有壁垒但也会在获客上遇到很多不利的局面。这两种各有伯仲的方式,从投资的角度看还是小而刚需的方式切入效率更高。

第二,切入模式,分为京东模式、淘宝模式,还有混合模式。但凡是B2B类型的资产,可能都会遇到是自营还是渠道的话题。从目前运行的项目来看,京东模式更有利于运营效能的控制和服务质量,简单说不直接面对客户,很难得到客户真实的反馈,很难把客户的黏性转化成二次生产力,同时对运营的效能也不是特别直接有效。

有一个特别有意思的案例分析,是美国的两家企业Intuit、H&R Block,两家都是做财税信息化、财税运营类的资产,没有那么高的技术壁垒,就是靠运营的效率。一个是线上、一个是线下,Intuit成立大概是1983年,H&R Block成立于60年代,都经历了三五十年的发展。到2017年时,前者市值是51亿美金,后者市值是30多亿美金。市场占有率分别是20%、27%,两家合计大概占了全美市场的一半。Intuit代表“天派”互联网玩家,就是纯SaaS线上的方式,提供记帐或财务运营的工具,收订阅费,净利润率从运营起到现在大概是18%左右。H&R Block是纯线下,通过大量线下网点做代帐的方式,净利润率大概13%左右。这两家的净利润率相差也只有百分之三四十,这让大多数人会比较费解。因为在线上做轻资产运营,都是人力成本,又是同样的SaaS模式,利润率应该相差更高,最后发现这两家“曲风迥异”的公司却有“异曲同工”的地方。首先,都是直接获客,渠道占的比重非常少。Intuit大概百分之八九十,H&R Block大概百分之六七十,都是以直营为主。这种直营确实能更好控制产品的质量迭代,以及客户的反馈,不断经营客户,所以这两个资产的SKU、ARPU值都在不断的增长。但为什么利润率相差没有天上地下,或翻一番的增长?可能因为Intuit把很高的成本放到了品牌建设上,就是刚才说的“天派”销售费用,大概占到了30%,用这种方式不断占领客户的心智和认知,形成跟这个行业等同的一种效能。H&R Block是用线下的方式,一个个物理场所就变成了载体,让人认知,从而获客,这两种获客最后的效能相差其实不太大,所以是代表了两种资产不同的运营形式,难分伯仲的状态。

当然Intuit未来的发展空间可能更大,确实是代表了未来,但中间有一个现象挺有意思。当Intuit大局进攻,对H&R Block形成冲击时,H&R Block通过大量的缩减人员,降低成本、提高利润,人员缩减更多是通过自己建的SaaS产品为自己赋能提高效率,就有点像SaaS类资产装到运营类的资产通过二次赋能提升人效。Intuit则是通过产品的复用效率提高人效,也就是通过人均服务企业的数量提高人效,是两种不同的路径。但从这个案例来说,核心都是直客、直营方式。

第三,从客群分类,有Enterprise、SMB和混合模式,但比较健康的运营类资产多以SMB为主。为什么?因为必须有足够大的长尾市场,才能在有限的时间内、有限的投入下,把产出做得体量更大,放大的杠杆变得更高,代表未来更大的想象空间。如果还是用运营的方式做Enterprise,基本上是死路一条,因为成本太高、收益太低。所以SaaS或软件类的资产做SMB的,目前没有非常健康的,但是运营类资产做SMB都相对比较健康。

第四,获客效率。运营基本上是以三种效率作为主要的评判依据,运营类的资产就是“一头一尾,中间肚子”,即输入、输出和中间的运营。输入也就是获客效率是不是足够高,这当然是放到同行里做对比,而且获客的效率和成本要平衡在一起看。我们看到某“地派”的自营财税平台企业,获客效率是某“天派”的同赛道企业的8-10倍。具备了非常健康的“源头”。

第五,交付效率。在中间运转的效率越高,产出率越高,这也是很多资产都能体现出来的,比如举例的财税平台、支付科技、二手电脑租赁、汽配供应链这几个资产,都非常能够代表这个因素的表现。应该说大多数还都体现到获客效率足够高,交付效率处于中高的位置。

第六,资金的利用效率。与现金周转周期的道理一样,资金在多长时间内,能够产生多少的回报,利润率就有多高。从发展比较好的资产中能看到其资金利用率也是非常高的,资金利用效率高,意味着资本进入后变成了一种有益的补充,是时间缩短的一种积极方式,通过资本杠杆把赚钱的效率变得更快。比如前面提到的某财税平台,健壮的运营效率带来的资金的运转效率也比同行高数倍。因此不需要融资都能保持高增长和稳定的正向现金流,融资的主要价值在于进一步通过资金提升资产的扩张和运营效率。

但同样如果融资能力较强,可适度的降低资金利用效率,比如某支付科技头部企业,聚合支付领域原先的资金效率较低,但是融资能力比较强,可以进一步拉伸这个能力。

第七,创始人的背景,也是行业“老炮”居多。ToC类运营的这些次优选择叫互联网派,可能会把ToC的一些关键指标应用到这个领域,当蜕变来临时,会更积极、更主动,因为他们更偏向以用户为中心、以市场为导向。但是从钛资本适配的资产上,还有研究的基准上看,行业“老炮”占主要地位,同样对里边的运营规律,尤其是获客效率、交付效率、资金利用效率的能力很强。比如某头部设备租赁企业,不但资金的利用效率非常高,同时对资产的回收、处置、周转的效率也非常强,也是多年积累形成的一个壁垒,这其实不是像技术壁垒那样“平地起高楼”,但是涓涓溪流、不断汇成的感觉。

第八,从业经历。如果是产业背景,会比技术背景系统风险要更低,同时产业资源注入对预警也是有帮助的。比如做汽配,创始人原来就出身于汽配,甚至在一些上市公司或大的平台工作过,进入这个领域换了一种方式做了B2B,可能产业就变成第一步助推的推动力。所以产业背景的创业者,可能是投资人的第一优先。

第九,首要角色。SaaS和应用类的软件资产是产品专家在主导,因为说到底是一个产品形态。但运营类的资产,说到底还是一个运营形态,就是这个事好像谁都能做,但做出来又千差万别,能做得比别人更厉害十倍、百倍的也很正常,就是在同一事情上的运营效率千差万别,所以创始人要求擅长运营模型的建立和增长曲线的控制,同时不断迭代、优化,在每个增长曲线来临时,都会用新的形态适配,这也是非常难能可贵的。次优的是销售专家,获客能力强、生命力强、现金流稳健,源源不断地带来订单,但同样是殊途同归,最后可能还是需要学习如何更精细化的运营,这才是在竞争中处于不败之地的一种超强能力。

所以运营类的资产,通过展开的这些要素打分,衡量现在所处的位置,就代表未来要想做得更健康,可能有什么样的成长空间。

钛资本依旧会不断深入研究、追踪资产,通过更长的时间周期去验证这些规律,并不断将此应用到创投市场的服务中去。

2019-09-29

中台战略是阿里等互联网公司在自身的数字化转型过程中提炼出来的方法论,所谓“中台”即把企业可复用的共享IT模块和共享业务模块等集成到一个平台上,一方面拉通和强化共享模块之间的协同,另一方面为前端APP开发提供最大化可复用的共享企业资源。本质上,中台是对企业组织架构的重构,是对企业内部共享资源的重新利益分配,因此阿里中台战略之所以成功是因为阿里的共享业务事业部得以平等参与业务而掌握业务话语权。

对于其它进行数字化转型的企业而言,同样面临着企业组织架构重新调整的过程,一方面业务驱动而不得已为之,另一方面内部利益冲突而导致重复建设,造成中台拆了建、建了拆的局面。因此,成功的中台战略:一方面需要服务于业务前端的业务创新和营收创建,通过新业务和新营收而促成中台的发展;另一方面需要服务于内部组织的不断调整和反复过程,可以容纳各种变化而不必重复的拆建,还能不断提升内部管理效率。

自云徙科技公司于3年前创立以来,就以一年一个版本的速度推进中台产品化的进程。2018年云栖大会,云徙科技推出了包括业务中台和数据中台在内的数字双中台2.0以及前端数字营销应用;2019年云栖大会,云徙科技再次推出数字中台3.0版本,新版本强化了企业用户的直接使用体验,可以很容易地上手一个成熟的中台系统,同时强化的运营能力让企业业务前端可以更好的创新创收,而中台自身也可以不断适应新需求、新变化而无需重建。

云徙科技副总裁李楠表示,目前云徙科技有几十个中台项目在开发和交付中,集中了零售、地产和汽车等三大行业头部客户的主要需求。云徙科技相当于这三大行业的共享中台,因而能够不断把握用户需求而推出新版本。云徙数字中台3.0强化了前端运营能力、业务流程可配置能力以及研发数字化能力,为企业提供了一个高度产品化、可升级的数字化转型底座。

高度产品化的数字中台

云徙科技的中台技术最早脱胎于阿里的中间件技术EDAS。阿里企业级分布式应用服务EDAS以阿里中间件团队多款分布式产品作为核心基础组件,是阿里企业级互联网架构解决方案的核心产品。然而,EDAS是一个技术难度相当高的面向互联网技术团队的平台,对于企业IT团队来说不够易上手、易用、易管理,也缺乏面向业务使用者的可视化体验。

2016年创业开始,云徙科技就一年一个台阶的速度,在EDAS的基础上开发基于自己IP的产品化数字中台。李楠强调,云徙科技对企业级中台的产品化有着坚定的信念。这相当于当年的ERP开发,ERP在某种程度上是传统企业的数字化中台,而ERP开发经历了长时间对企业管理最佳实践的总结和沉淀,再落实到一个信息化系统中。ERP的产品化是以西方企业管理模式高度成熟和趋同为前提,但也是SAP等公司对ERP可产品化坚定信念的结果。

如今,中国企业的管理和组织模式经过了80-90年代的以制造业为主的发展固形后,正在经历新一轮的重组和再造——这就是面向“互联网+”和“智能+”数字商业战略的数字服务企业。据资料显示,2019年8月,上汽集团总投资20亿的云计算数据中心项目在郑州开工,这也是目前汽车行业最大、最先进的云数据中心,是上汽“电动化、网联化、智能化与共享化”战略以及“以创新的汽车产品和服务,引领智慧出行,成就美好生活”愿景的基石。

如果说上汽这样的传统汽车企业正在大规模面向“互联网+”数字服务转型,那么成立于2017年的爱驰汽车是一家用户深度参与的智能出行服务公司,成立一年内完成三轮融资且估值过百亿,2019年上半年爱驰汽车以50%入股江铃控股并整体运营陆风汽车。爱驰汽车的IT体系既包括面向制造汽车的稳态也有面向渠道和用户的敏态。爱驰汽车的IT要支持管理效能提升、产品创新和业务模式创新,也分为前台、中台和后台三大体系。

作为云徙科技的客户,爱驰汽车信息科技总监杭瑜峰在云徙科技数字中台3.0发布上表示,中台真正的策略是期望以不变应万变的状态,未来企业业务组织变化大、既有可预测性也有不可预测性,能否用最快的方式进行迭代,而不能把整个框架推倒重来,变化的是各种业务、组织、数据交换等,这是中台真正的意义所在。对于汽车制造企业来说,未来新业务的裂变,从制造商变成类似于滴滴的服务商,这种可能性也需要不变的中台的支撑。

李楠表示,企业IT团队不同于互联网公司技术团队,企业IT团队需要高度产品化的开发平台和工具,以及大量轻代码甚至零代码的用户体验。企业IT团队更关注的是业务架构和逻辑,让技术服务于业务是企业IT团队的强需求。而当前市场上有不少的所谓中台解决方案公司都是定制化的项目开发为主,很难提供高度产品化的中台软件系统,这一方面是缺乏对于中台作为企业软件的可产品化的信念,另一方面也缺乏足够的数字化转型企业样本而无法提炼共性需求从而形成产品化中台软件。

云徙科技CEO包志刚在数字中台3.0发布会上表示,云徙科技成立三年来已经与阿里云一起服务了40多家头部客户,目前公司85%都是属于技术人员,在为客户交付的数字平台上也实现了4000亿以上的企业交易数量。除了在汽车、零售和地产等行业聚集了足够的头部客户需求外,包志刚强调与当年的ERP产品开发相比,今天的数字中台软件开发有足够的数据支撑,可以极大加速软件的开发和产品化过程。例如云徙科技为上海一家快销企业交付的一个秒杀活动,2小时之内20万套商品销售一空,不仅销售额4个亿、占全年销售额的11%,关键的是近2万多直销会员全部上线,另有97万左右的消费者在线参与了这次秒杀,这些数据前所未有的改变了企业级软件产品的开发模式。

不过,更关键的还是云徙科技对于产品化中台软件的信念。李楠强调,过去一年来,云徙科技将几乎所有的收入和融资都投入到产品研发中,这才有了今天更加产品化、模块化、插件件、可轻松定制化、高可用、易管理的云徙数字中台3.0。

中台3.0:固化数字化转型的变与不变

云徙数字中台经过了早期版本、2.0和3.0的三代迭代。其中,早期版本是偏向于底层的技术版本,2.0版本则在总结企业数字化转型的变与不变并试图沉淀相应的模块,3.0则极大丰富了可沉淀的模块,面向企业用户,以可插拔模块选取和组合模块,而对经常变化的模块采用可变引擎以及研发底座予以承接,3.0版本还相应推出汽车、零售和地产三大行业版本。

数字中台3.0的核心组件依然是2.0的双中台:业务中台+数据中台。不同的是,3.0版本的业务中台总结11大业务域、105项商业能力以及6大通用能力支撑中心,是对2.0版本业务中台13个共享服务中心及10个基础组件的进一步丰富、规整和完善。11大业务域包括:用户域、会员域、营销域、结算域、商品域、店铺域、交易域、内容域、履约域、服务域和评价域;105项商业能力就十分细化了,例如有账号体系、会员成长、门店库存、盘点、三方物流、预售、秒杀、分佣等;6大能用能力支撑中心则包括:业务网关、调度中心、工单中心、通信中心、支付中心和流程中心。

3.0版本数据中台提供了7大主题数据服务、10大数据模型和3大数据服务工具,相比2.0的10大模型和8大数据服务则进一步细分和扩展了相应的模块。全新7大主题数据服务包括:商业企划助手、营销助手、智能配补货、运营雷达、老板看板、店铺健康助手、团队健康雷达;3大数据服务工具则包括智能标签平台、自助分析平台和智能开发平台;10大数据模型则有属于分析模型的用户主题、商品主题、交易主题、物流主题、营销主题、渠道主题、评价主题,以及属于算法模型的推荐模型、补货模型和预测模型。

可以看出,无论是3.0版本的业务中台还是数据中台,都是站在企业IT团队和业务团队的角度,进一步提炼和封装了相应的能力模块,让企业用户可以高效的设计和管理自己的中台体系,无论是企业老板还是团队普通成员或者具有一定开发能力的业务与技术人员,都可以找到自己所需要的组件并搭建起自己的策略。

在业务中台和数据中台之上,云徙数字中台3.0推出了面向前台运营的BOC和面向中台运营的MPC。BOC是面向平台/商家插件化的商业运营工具,在之前云徙前端应用的基础上按领域模型形成了i-CDP会员运营域、i-Marketing市场运营域、i-Commerce商业运营域和i-Service服务运营域,每个运营域里都有详细的开箱即用的工具,以辅助前端业务人员直接运营业务进行创收。

而MPC是中台的“控制台”,面向企业用户进一步提供对业务中台和数据中台的可变化的配置和管理,总体目标就是让中台也能“动”起来。中台对于企业来说是如此的重要,而一个标准化的中台显然不能满足所有企业的差异化需求,同样的一个流程有的公司可能包含5个步骤、有的公司可能是7步,而同一家企业的中台二期三期建设过程中也需要对中台的能力进行翻新,因此就有必要对中台进行可视化编排与管理。xConfig让商业能力可编排,业务规则可配置,而MPC的中台能力管理、业务应用管理和API管理则分别提供不同程度扩展、管理和调整中台的方法,此外还有xOpen中台能力开放生态让开发者和第三方参与中台能力的生态建设与运营。

在中台之下,就是此次全新发布的i-DP云原生研发管理平台。此前,2.0版本的数字中台之下就是纯技术的PaaS和IaaS,对于企业的IT团队和业务开发团队来说不够友好。一个企业往往有几十个、上百个项目在并行开发、发布、上线和下线,企业的开发团队要与业务部门进行紧密配合完成一次又一次的秒杀、限促、拼购等业务活动,因此i-DP的目标就是减少80%非业务开发时间,提高业务交付速度,提升系统的可靠性,降低90%以上人工失误操作,实现规模化作业、智能化监控、主动响应异常事件等。

i-DP云原生研发管理平台为企业开发团队提供了开发门户,在管理方面提供团队管理、平台管理和效率工具,可以定义团队成员权限、提供报表管理和代码生成工具等;通过规划与设计、业务管理、计划与跟踪、迭代开发、知识管理、持续交付等全流程满足企业开发团队的开发需求;而在运营管理和运维监控等方面,i-DP也提供了丰富的工具以提高企业开发团队的生产力。i-DP还提供了xMaker企业开发者工具,包括可视化的业务模板工具、基于元数据的实体模型管理、代码生产线可视化、零代码/低代码开发等,以提升企业开发者个体生产力;xConnector则通过配置化,可实现零代码与外部系统的对接;xRuntime是面向微服务、大数据平台和应用支撑的经验证的系统运行时工具,保障系统质量。

总体而言,云徙数字中台从最开始的一个纯技术平台,到跟随行业头部用户需求而不断提炼和沉淀企业数字化转型的共享能力与共享模块而形成了高度产品化的软件体系,对于可变化的能力则提供相应的编排、配置以及更底层的开发平台,同时能够引入第三方以丰富中台的生态,如今的云徙数字中台已经是数字化转型的重要软件品类代表。

同时,云徙数字中台3.0的出现,也意味着企业的数字化转型已经从早期的摸着石头过河到如今逐渐清晰的路径,未来数字服务企业的组织架构和管理模型也开始清晰化。数字化转型已经渐入深水区,新一代企业级数字化转型软件供应商由此浮出水面。(文/宁川)

2019-09-27

2019年,随着Kubernetes开源项目成立五周年,云原生计算开始进入了企业生产环境实践中。Kubernetes是谷歌于2014年开源并贡献给CNCF云原生计算基金会的容器集群管理系统,本质是向容器屏蔽了底层计算资源基础设施的软件平台。五年后,所有的云厂商和企业软件厂商都成为了CNCF的会员(超过400家)以及Kubernetes支持者。

在一份2019年5月由451 Research在巴塞罗那Kubecon&CloudNativeCon 2019上对7700与会者进行的调查显示,相比五年前的蹒跚起步,今天以容器、Kubernetes和微服务为代表的云原生计算正在进入企业级生产环境中。而当前业界所有云厂商和企业软件厂商都支持以Kubernetes为代表的云原生计算,说明双模IT正向云原生倾斜,数字化转型的拐点在即。

在2019杭州云栖大会上,已经十年的阿里云正从全面去IOE到今天的全部云原生。阿里云在2019杭州云栖大会上重点推出了容器服务ACK 2.0,以支持包括刚发布的阿里含光AI芯片在内的异构计算能力、全链路安全架构、沙箱容器等为特点。阿里容器服务研发总监易立在2019杭州云栖大会上表示,容器及云原生技术生态不断迭代更新,已经可以胜任企业级日常业务场景以及大规模、复杂度高的情景,云原生引领数字化转型的拐点已至。

入选CNCF 技术监督委员会9 人名单的阿里巴巴李响表示,阿里云原生技术的最大亮点就是经历过了阿里经济体的大规模实战检验,可以由浅入深的分享给处于不同阶段的数字化转型企业。

背靠阿里经济体的实践

阿里巴巴是国内最早布局云原生技术的公司,如今已经拥有最丰富的云原生产品家族。早在2011年11月,阿里巴巴就率先在国内布局容器技术;2015年12月,阿里云对外提供容器服务和容器镜像服务。2016年,阿里同时实现了对内和对外的容器大规模应用;2016年11月, 双11核心应用容器化,支撑交易峰值17.5万笔/秒。

李响强调,阿里云的容器和云原生技术首先经历了双十一的极限考验,例如阿里云的容器镜像服务可以在10分钟内拉起10000台节点全球镜像,目前每月镜像下载超过3亿次,支撑了全球的云原生应用交付。而阿里经济体也有最大规模的Kubernetes生产集群,在阿里集团内部经历了2018年双十一和618大促等验证,是经过打磨的企业级技术。

微博基于阿里云容器和Flink产品构建在线机器学习平台,每天处理百亿级实时样本,整体计算性能较开源提升2.4倍;饿了么迁移到阿里云之后,利用容器平台应对早餐、午餐和晚餐的日常高峰,通过容器编排调度处理峰值流量。阿里云ACK服务具备四种弹性模式:弹性资源池模式、定时弹性模式、竞价实例弹性模式、停机回收模式,可以选择组合搭配为带来不同业务场景极致弹性,如应对突发流量、规律或可预测的任务处理、使用竞价实例严格把控成本等等。

经过不断打磨,阿里经济体在Kubernetes规模与性能上取得了显著成果:将存储object的数量提升50倍,支持的节点数从5000提升到上万,在端到端调度延迟从5s变为100ms等等。其中有不少工作在阿里巴巴和社区共同开展,而这些研发成果都已经贡献给社区,让其它企业及开发者也可以享受阿里巴巴规模所带来的技术红利。

ACK 2.0:突破数字化转型拐点

所谓拐点,即从传统模式到新模式的转折点,对于企业数字化转型来说,这尤其意味着关键应用向云迁移以及基于云原生开发全新的数字服务。而要突破新旧转换的拐点,一个承前启后的技术平台不可或缺。阿里巴巴集团CTO兼阿里云智能总裁张建锋在2019杭州云栖大会上表示,阿里和阿里云的使命就是支撑数字经济的伟大进程。而此前张建锋在2019阿里云峰会·上海表示,“今年是一个突破性的时刻,云计算全面替代传统IT的拐点已经到来。”

易立介绍,阿里云容器服务ACK从2016年5月开始正式商业化,在这个过程中沉淀出核心竞争优势。在产品方面,阿里云ACK同时支持公共云、专有云和混合云模式,优化整合阿里云基础能力,使得容器应用轻松地利用底层强大的计算、存储、网络等能力。例如,面向追求极致效率的深度学习、高性能计算场景:可以调度ECS弹性虚拟机,神龙弹性裸金属服务器,GPU、FPGA实例和含光AI芯片等异构计算能力;配合阿里云Terway网络驱动可以无损地利用阿里云网络,与开源VXLAN方案相比,性能提升20%;阿里云CSI存储驱动,全面支撑阿里云存储产品,比如ESSD可以支持数百万IOPS,CPFS提供数十GB的吞吐能力。此外容器团队与操作系统团队联手,提升容器I/O隔离性;与存储团队合作,提供透明的多级缓存解决方案提升存储访问效率、降低成本。

易立特别强调了阿里云容器服务与神龙弹性裸金属服务器相结合的特色。2017年10月,阿里云首发了神龙云服务器,神龙云服务器是一种弹性高性能计算服务,兼有普通云服务器的弹性和物理机的高性能,同时秒级交付的特性可更好地满足大中型企业对高性能弹性计算的需求。

简单理解,神龙云服务器就是一个服务器上既跑虚拟机、云主机也跑物理主机,这样就可以更好地实现传统应用与云应用之间更好的切换和数据交换。而为了阿里云容器服务与神龙服务器结合,阿里的容器团队与阿里的操作系统团队之间进行了紧密合作“榨干”了神龙的性能,让容器达到了100%的物理机性能,容器与容器之间还可以进行物理隔离以满足安全合规的要求。

而新发布的ACK 2.0除了大幅提升ACK1.0的性能和效率外,还提供了更多的双模IT选择,让企业更容易地在一个平台上完成向云原生的过渡。ACK 2.0体现了向云原生的进化,为企业上云奠定了新基石:实现单集群上万节点规模、云边端一体且边缘节点网络访问延时降低75%、混合云2.0架构把交付效率提升三倍,最重要的是全链路安全架构,可以对安全风险进行实时监控。在算力方面,ACK2.0提供了:极致的云弹性,分钟级千节点伸缩能力;对异构算力的支持,特别是GPU的5 倍利用率提升;沙箱容器,通过强隔离达到90%原生性能,让企业把特殊应用放到“沙箱”中运行,神龙服务器还提供了沙箱容器与其它容器的混合部署,让企业可以同时管理受控容器与非受控容器。此外,ACK2.0还发布了新的合作伙伴计划以及容器云应用市场,方便企业开发者寻找适合企业环境的稳定可靠容器应用。

值得一提的是,阿里云ACK容器服务还可与其它阿里云产品配合,满足企业不同场景的极致需求。例如电商大促就可以采用ACK容器+PolarDB的方案,可满足大促短时间内海量并发、峰值计算能力需要弹性伸缩快速、整个期间通过自动化方式快速扩容和缩容。其中,ACK容器实现应用层面快速弹性,PolarDB实现数据层面快速弹性。

除了ACK外,阿里云还推出了Serverless Kubernetes,即无服务器化的Kubernetes。希望彻底解决Kubernetes运维复杂性。用户只要关注Kubernetes部署应用,为应用消耗的资源付费而不用关心整个的集群的维护、容量规划;这就是Serverless Kubernetes的意义。此外,阿里云很多产品包括实时计算Flink、区块链、IoT等云产品都已经基于Kubernetes。

张建锋强调,未来的十年是整个数字经济转型的关键时期,也是阿里云智能成为数字经济基础设施关键的十年。而阿里经济体和阿里云的全面容器化和全部云原生化,将引领经济数字化转型的关键技术平台,并将阿里自身的数字化和云原生化经验与企业和组织分享,打通数字化转型拐点、让数字化经济爆发。(文/宁川)

2019-09-26

最近,SD-WAN在融资领域是一个比较热的话题。国外几家SD-WAN的头部企业不断地获得融资,也包括被思科、VMware等巨头收购和兼并,国内创业公司推出了各种SD-WAN产品和解决方案。不得不说,目前SD-WAN在国内存在着不同的定义,从产品模式、业务模式以及产业规模角度来说,给投资人带来不少困惑。在钛资本新一代企业级科技投资人投研社第28期,凌锐蓝信创始人顾玮分享了对SD-WAN领域的独特看法。

凌锐蓝信是国内最早从事SD-WAN相关业务的公司,创始人顾玮曾任职于中国网通、IBM、Red Hat、Citrix、Pactera、华为(美国)等公司,有近20年工作经验,熟悉ICT 全架构,专长于ToB(大B)的企业级应用,熟知垂直行业的业务场景和应用场景。顾玮是中国大数据产业生态协会理事会员、认证专家,中国开源云联盟理事会员,美国Leaders Excellence(Harvard Square) 终生理事会员。

虚拟网络技术的发展

说到虚拟网络技术的发展,就必须要提到SDN(Software Defined Networking,软件定义网络),这是因为IT的虚拟化给网络带来了很多挑战。从2008年开始,云计算不仅在北美,也在中国市场开始兴起,整个系统可在数周内就完成部署。2012年的虚拟化技术,可以实现数天、数小时完成系统部署,而未来可能变得更快。

IT体系部署加快,给企业带来的优势是业务的敏捷性,但这会对网络提出一个挑战。因为网络是最底层的基础设施,再上层是服务器、操作系统、数据库、中间件。在SDN和SD-WAN出现之前,从服务器往上一层的发展都很快,只有网络是落后的,所以VMware等主张完全虚拟化的公司就提出了SDN。SDN与最开始服务器的虚拟化到云化的时间期基本是同时形成的,因为它需要底层网络对上层非常准确、有力的支撑,让业务敏捷性带来更好的盈利。

SDN虚拟网络技术,其设计理念是把网络的控制平台和数据转发平台进行分离,并实现可编程的集中化管理。传统网络是紧耦合的一个状态,就是网络和设备紧密相连、不可拆分。而把控制平面和数据平台拆分后,会发现对上层的支撑更加迅速、敏捷、灵活,在管理时也更加有效,这是网络虚拟化带来的优势,在当时也对数据中心和大规模云计算部署提供了很好的支撑。

SDN和SD-WAN的区别在哪里?

首先是应用场景。虚拟化和云计算以及其它软硬件的性能不断增强后,企业就需要一个更有力的IT工具来面对业务场景。反过来,现代企业为了适应复杂的业务场景,运行了很多复杂的应用,比如2000年初时出现的ERP、CRM都一直在不断地使用、升级,特别是ERP系统里有很多模块。一家大型企业或一个集团,在业务运作过程中,少则几十种应用,多则几百、上千种应用,每种应用都有特定的业务场景,而且在整个业务场景运作过程中,要面对合作伙伴、客户、供应商进行数据的传输,场景非常复杂。

SDN出现时,恰逢数据中心大规模出现。SDN对数据中心之间大带宽的管理非常好,发展到现在的一个升级版为DCI方案。与SDN DCI有关联,但SD-WAN是完全面对企业的广域网。一个垂直行业的企业,可能不会拥有大量的数据中心,只不过租一些数据中心的机柜,还有很多的分支机构、团队或合作伙伴在外地,场景可能使用互联网或3G、4G,所以广域网的场景已经存在于其中——数据中心连分支公司、分支公司互连、分支公司上云等场景涉及SaaS、PaaS和IaaS;而分支公司连接个人、个人再上云连到数据中心等,比如涉及到在分支公司使用本地网、在外面用4G连网处理临时工作等。SD-WAN是面对企业的实际业务场景,面对广域网比较复杂的场景,都能灵活接入云端。

其次是指令推送特性。SDN的指令推送状态是一个紧耦合的控制和推送,数据和控制平面是分开的。SD-WAN是根据一个中央策略,在特定场景下进行推送,比如很多广域网复杂的场景,每一个都算特定场景。

第三是灵敏性。SDN是快速应用程序的迭代,SD-WAN的灵敏性首先是基于实时传输的质量进行策略的调整,其次是识别应用软件并可以进行独立传输。因为大中型的企业,包括部分小企业的应用软件都很多,网络的资源经常不太够用,这种情况下要确保所有软件数据都传输好,就需要通过软件识别进行优先级区分,把最重要的数据先传,不重要的数据后传,这是SD-WAN应该具备的一个特点。

第四是集中化管理。SDN主要是统一集中管控,但是SD-WAN因为要面对企业的边缘场景,所以除了有集中管控之外还有边缘管控,即在总部进行管控时可以针对边缘节点进行特殊的管控。SD-WAN是集中管控和边缘管控相结合,与边缘计算的相似度非常高,除了在边缘没有存储缓存外。

第五是可编程的设备。SDN最早是控制器代理模式,现在也开始有API的模式了,SD-WAN从一开始就是API模式,因为要与很多应用软件对接。

第六是开源软件。SDN是以OpenFlow为主,在SD-WAN里则有很多成熟的商用软件模块组合,为高精度集成。SD-WAN是一个高精度集成的解决方案,由很多种成熟模块集成在一起,形成的一个新解决方案,而且是商业化、产品化、插即用型;很多时候SDN面对广域网时,还要做大量现场的开发和定制化的开发后才能使用,但是SD-WAN并不需要,因为已经有一定的标准化和商业化。

SD-WAN的价值

SD-WAN的企业价值体现,根据Value Research发布的2014年和2015年IT主要的受益部门,其中销售市场、客户管理、财务提升非常快,这说明企业面对业务场景时要把大部分资源放在前线部门,应用有CRM、ERP、OA、Email、财务管理、HRM、Https、Http、Cloud、SaaS、实时的音视频、VR、AR、在线订单、大数据传输以及企业特殊软件如投资集团的投资管理类软件等,还有逐渐出现的人工智能、工业互联网、产业互联网、物联网等等。

这么多复杂的应用在运行时,需要对海量大数据进行传输,其数据传输特点是:第一,动态数据比较多;第二,实时性要求比较高,特别是工业4.0、工业互联网、物联网、车联网等对实时性要求都非常高;第三,是高并发状态,几十、上百种应用同时上传数据;第四,是OLTP、OLAP的数据模式。

ONUG(Open Network Users Group,开放网络用户组织)是由北美的垂直行业企业的CTO、CIO,包括北美银行VISA等大牌金融机构的一个协会,该组织总结或提出的需求是:企业迫切需要一种新型网络方案,配套上层越来越复杂的业务与应用场景。有两个点值得注意,首先是“新型网络方案”,指的就是“七层网络方案”,现在经常使用的网络主要是三层网,包括MPLS、Internet专线和物理专线,那IEPL就是二层网;其次“配套上层越来越复杂的业务与应用场景”,这应该是ICT领域发展到现在第一次出现要求网络配套上层的应用和业务,而SD-WAN可以满足这一需求。

企业面临的网络层挑战,相当混乱。上图是现实中一个典型的大集团广域网部署,真实情况可能更杂乱、更复杂,不仅分支机构、总部、数据中心要连接云,还有分支与数据中心之间、云与云之间、人与人之间的各种连接,另外再经过多家运营商、多条物理专线,涉及MPLS、Internet、4G等多种技术,所以整体网络复杂、不易管理、性能良莠不齐。企业面临网络层的挑战主要是不支持业务层、应用层,不易管理、灵活性差、没有业务敏捷性、性能和安全可靠性良莠不齐等。

SD-WAN怎么来解决呢?SD-WAN分为三层:第一层是业务和应用层,SD-WAN可以面对业务层、应用层进行一个优先级的策略梳理、流程梳理,现在可以做到模块的定制化以及网络性能的控制、虚拟化、实时分析、智能识别等;第二层是网络服务提供层,当第一层梳理好后再调动网络的功能层,比如动态智能路由、QOS、安全管控、性能监控、VPN等;第三层是云网络,也就是SD-WAN的终端,可以接入MPLS、3G、4G、PPPOE、ADSL、NEPL专线、SDH,之后依靠软件的能力把不同的线路绑定在一起,形成一个虚拟的逻辑带宽资源池,也就意味着网络线路可以随时调动、实时使用,形成双活或者多活的状态。所以SD-WAN适合企业用户,可以帮企业从业务层和应用层解决网络的问题。

SD-WAN是一个新理念、新架构的成熟技术。核心特点是:第一,以软件和虚拟化为核心能力;第二,有七层架构,直接面对业务层和应用层;第三,是中央总控到端;第四,适配企业广域网的全场景,端到端的解决问题;第五,是overlay链路层之上,对链路层是一种使用、支持、管理的状态,而无需特别绑定供应商的链路、线路等等;第六,具备一种精细化的管控能力,在面对业务层时可以对业务层优先级梳理后,再调动不同其它的模块进行传输优化;第七,给企业带来的价值是敏捷、灵活、高效、低成本。

SD-WAN的典型应用场景

第一个场景是典型低成本的Internet+4G组网。现在大集团的很多呼叫中心,其业务挑战是:首先要尽可能快的建立呼叫组网,快速把团队建起来提供服务,建得慢就会被竞争对手抢先提供服务;其次呼叫组网都放在四五线的城市,因为当地的人工成本低。而每个呼组网可能有几十、上百人的规模,如果为了呼叫组网与主数据中心通讯而建个数据中心或租数据中心专线,不仅没有业务敏捷力而且成本也是问题。因此,使用SD-WAN加载Internet的部署模式就非常快速,因为SD-WAN本身包含了优化的软件模块,加载普通的Internet之后可提升Internet的性能、保证输出。SD-WAN是一个即插即用的产品,不用再做部署或慢慢调参数,几个小时就可以部署好,第二天就可以用。

第二个场景是现有资源高可用。SD-WAN不仅是一个组网的工具和方案,还有其它的应用场景。很多企业在现有的状态下,已经有MPLS、Internet组网,而且可能不想再换供应商,因为换一条线很复杂、转换成本不算低、也很耗费人力。但是这种传统的MPLS+Internet一组一备的组网,对企业现在和未来的业务场景则不太适应,将受到很多的挑战。企业就要寻求一种高效的办法,能够利用现有资源提升整体效能,SD-WAN就可以达成。

比如利用企业现有的线路资源,SD-WAN可以让多条线路变成一个高可用的逻辑带宽资源池,把多条线路绑定在一起,等于让企业有了一个大带宽。场景中的100兆MPLS、100兆Internet,一主一备必须一致,很多时候Internet带宽更大一些;采用SD-WAN做高可用,相当于有200兆带宽同时使用这两条线,两条线不分主备,再加上对应用层梳理后,在200兆带宽里可以由SD-WAN对几十上百种不同的应用数据进行优先级排序,保证每一个应用的传输质量都非常高,提升了整体性能,而且是端到端管控,可以随时调整策略、随时控制每一个节点。所以对于企业来说,SD-WAN是一个省钱又能提升整体效率的方案。SD-WAN已经不是一个简单的组网工具,更像一种网络资源的管控、高效利用的工具,可以称为网络中台。

第三个场景是云迁移。从数据中心连接云或多云、跨云,在不同的云上需要把数据、应用从数据中心或者A云上传到B云,整个状态需要网络而且是高性能网络的支持。因为在迁移的过程中,企业业务不能因为云迁移而中断,数据在使用的同时还要迁移到别处,也就是实时灾备的状态,这对网络的要求非常高。

除了网络带宽外,人为的流程也是挑战。因为数据中心上云或A云到B云迁移时,中间可能涉及多家线路商及利益相关方,所以需要商讨利益的重新分配,商讨过程可能出现扯皮甚至拖黄了的情况。SD-WAN能避开复杂的流程,因为SD-WAN部署非常快、企业有控制权,可以部署在数据中心或云上的VCPE(虚拟终端),之后线路相当于变成了SD-WAN管控,可以调动SD-WAN的各种优化能力进行数据迁移,同时确保业务的连续性。

第四个场景是国际化组网。中国现在有“一带一路”,很多的国内企业都要冲到海外,在欧洲、北美、日本、南非等各种地方都需要全球组网,SD-WAN可以非常快速的实现这一点。国际上拉一条线,快则四五个月慢则半年,比如一家企业在国内外有22个分支机构,如果要拉22条线,基本上要一年以后了,但一年后商机是否还在则是个大问题;SD-WAN可以帮企业在一个月内全部搞掂,快速抢占市场并确保安全性和可靠性,因为SD-WAN就是即插即用。

第五个场景,云节点组网和动态加速同时进行。现在很多企业要用海外云,主要是AWS、Office 365,用传统的方案拉条线做云节点组网会很麻烦,因为微软基本不允许其它专线进入微软的数据中心,这时组网就得走流程,但SD-WAN可以解决这一问题。

第六个场景,动态数据加速,主要指实时音视频会议和在线交易。比如在国航订机票,可以用手机App或在国航网站上直接录入信息后,用信用卡等支付方式线上买单订票;在线交易都是实时的动态数据,而CDN可以处理静态数据却无法处理实时数据,加之现在数据泄露事件频发,很多企业都会担心数据泄露的危险。而SD-WAN没有缓存,依靠直接回原站访问等技术,对动态数据处理进行加速,所以是组网和动态加速同时进行的场景。

总结一下SD-WAN都有哪些场景?第一,低成本的组网,用Internet、4G加上SD-WAN就可以组网,不用花钱买专线,网络快速且有性能保障;第二,企业已有线路的组网,SD-WAN可以提升整体的性能,做到高精度或者精细化的管控,提升整体的效率;第三,云迁移,包括数据中心迁移到云、跨云的迁移、多云的迁移等,SD-WAN都可实现,且可以避开人为的复杂流程;第四,全球组网;第五,云节点和物理节点组网;第六,在线动态数据的加速传输。

SD-WAN现在的技术流派

SD-WAN对应用层除了能进行排序梳理,对业务也有梳理的功能及以数据优化的功能,主要实现广域网优化。广域网优化的三个主要功能是:数据压缩、重复数据的删除(去重)、TCP协议优化。上图中黑色框代表的是有网络资产精细化管理的能力,即在面对应用层进行优先级梳理后,还能对底层的线路进行高可用、变大带宽资源池、实时利用不同链路等,这都是面对网络资产的精细化管控,其中智能路由、LSA设置负载均衡的功能在起作用。

SD-WAN现在的技术流派按国内厂家和国际厂家分为三大流派、两大阵营:

一,软件主导。国内企业有:凌锐蓝信,拳头产品为Iconnect(睿智通),主要是软件为核心的产品;大地云网,主要是SDN的软件能力;华夏创新,特别是在早期有TCP优化的软件能力。国际上主要是Versa和VMware,VMware就是被收购的VeloCloud。

二,线路主导。国际组网与国际动态传输、动态加速,都属于线路主导,因为相隔上千公里而没有专线,用Internet又不够。国际企业有Aryaka,在国内有凌锐蓝信,阿里云、青云主要是用SDN的能力加上底层的线路,华夏创新主要是TCP+广域网线路、深圳的欧深网络是SDN+线路主导,上海缔安主要是线路+IPsec VPN,观脉在后台主要是CDN的改良。

三,设备主导。国内是设备商华为、深信服、Algoblu等,国际是Riverbed、思科和Citrix。凌锐蓝信可以兼容Riverbed软模块,Riverbed是广域网优化做得最好的一个厂家,但现在已经退出中国了,因为他们退出了15个国家的分支机构而只保留了软模块,对现有客户进行远程服务,凌锐蓝信的软件界面里可以控制、兼容其软模块,这是凌锐蓝信一个特别的优势。

就全球范围来说,传统广域网优化出来的SD-WAN公司:一是Riverbed,但Riverbed已经明确表示,SD-WAN是OEM Versa公司的,不再出自己的SD-WAN;二,Silver Peak,类似北美深信服,因为深信服最早是瞄着Riverbed,Silver Peak在北美区也是瞄着Riverbed做传统的广域网优化;三,Citrix,因为做传统的广域网优化,早几年还是有市场的,对SD-WAN的起步比较晚。

SD-WAN创新企业有Aryaka、凌锐蓝信,大河云联被收购了,Viptela被思科收购了,Versa、Velocloud被VMware收购。

传统的硬件商变革做SD-WAN有思科、Jupiter、华为,Nuage,思路还停留在卖硬件,其SD-WAN与硬件紧耦合,提供的SD-WAN和硬件完全绑定。
运营商转型做SD-WAN,涉及的都是各国比较著名的运营商,其实运营商本身是没有能力研发SD-WAN的,主要是与创新的公司合作。

SD-WAN的未来发展

SD-WAN的未来发展是怎么样的?

首先,5G的出现带来一个非常好的前景和期望。5G的网络切片是一种粗切片,而SD-WAN能帮企业做更细致的业务层和应用层梳理,之后调动5G高性能链路,让每个应用都用上5G的高速率。当然前提在于SD-WAN厂家的软件能力,特别是面对企业的业务层和应用层的软件能力要非常强,而不是网络能力,这可能要颠覆传统的看法和思路。因为很多人都会觉得SD-WAN就是一个网络方案,网络技术越强SD-WAN越好,其实不然。如果不懂企业的业务层和应用层,没有能力对接的话,到5G时代就会被淘汰。到现在很多SD-WAN国内的厂家,活得不是很好,都与不懂业务层和应用层有很大的关系。

此外,5G网络仍有拥塞点。首先三大运营商互相竞争、互不相通,二三四级的代理运营商的运作在很多时候也不规范,所以无论什么新型网络都会出现拥塞点,而且也难以确认拥塞点在哪里。所以对于企业来讲,不可能完全靠着一张5G大网,必须要有精炼的工具来使用5G,所以SD-WAN可以配套5G为企业提供高性能的服务。

其次是工业4.0。一个制造企业特别是大型制造企业,工业网分企业网和工业控制网两部分,上层企业网运行ERP、MES、大数据以及其它的应用管理和数据等,与底层的工业控制网对接,底层的工业控制网就是设备的信号监控、收集、运行、协调等等,包括对传感器的控制。如果SD-WAN能够在企业网里做好梳理的工作,然后对接给工业控制网,运行起来的效率就会非常高,所以存在一个很强接驳的要求是实时性,而且是高可用、高可靠、高安全性,最好是简单易部署。

工业互联网的中间是智慧工厂,智慧工厂里有ERP、PLM、Big Data、APS、MES等系统,客户通过SaaS或者PaaS连入智能工厂,同时连接上游的供货商、连接物料,在工厂里完成制造后连接仓库、出货、快递等,形成一整套的流程。现在的智能制造都讲究定制化,几十万、上百万的消费者可能对冰箱、洗衣机的要求都不完全一致,但工厂的生产线就一条,就要不断地调整生产线,还要确保每个产品的工期。调整的依据就是在网络上传输的数据,如果没有高可靠性、高可用、实时的网络,那么数据就不知道传到了哪里,生产线没法再往下进行,后面的订单与流程就全部都耽误了,这时SD-WAN就是非常强有力的网络工具,能把企业网和工业控制网结合在一起。因此,智能工业网的核心是数据一层层及时传递而产生的价值,而高效传递数据、无缝接驳工业网是SD-WAN的一个优势。

钛资本研究院观察

在2019年9月举办的“SD-WAN产业发展论文2019”上,SDN/NFV/AI标准与产业推进委员会(以下简称:委员会)发布了《SD-WAN技术白皮书》。为了推动业界各方尽快落实和发布相关评测的技术标准,委员会牵头组织了《SD-WAN关键指标体系》、《软件定义广域网络(SD-WAN)测试方法》等系列标准。

SD-WAN被认为是多云时代之后的企业刚需,SD-WAN极大促进云网融合,在成本上、灵活性上、可用性、可靠性等方面都有极大的提升。为了推动SD-WAN产业的发展,中国通信标准化协会副秘书长潘峰认为要做好三方面工作:推动相关领域关键技术研究和标准规范的形成;关注SD-WAN网络安全方面的研究;重建生态,集合所有设备厂商、解决方案厂商、服务提供商及基础网络运营商的合力,创造一个共赢生态。

《SD-WAN技术白皮书》包括了5个SD-WAN的功能模块、十大关键技术、三大典型应用场景。值得一提的是安全服务和敏捷运维。在安全服务方面,由于网络的多元化和IT的去中心化,给企业及用户的信息及数据安全带来了新挑战。SD-WAN技术供应商不仅需要懂得网络技术、企业业务与应用软件,还要懂得安全技术,需要在SD-WAN组网中最大程度保护信息与数据安全。安全技术能力,将成为SD-WAN发展的关键能力。而在运维方面,SD-WAN在很大程度上将与云管平台融合而形成统一的品牌,实际上SD-WAN的服务能力也是其落地的重要条件。

相信随着SD-WAN技术标准及测试标准的出台和完善,将极大促进中国SD-WAN产业的发展,推动企业上市进程。而这些技术标准和测试标准,也为投资机构评估相关标的提供了基准。总体来看,SD-WAN方兴未艾,无论是产品型还是服务型,都有着较大的发展空间,未来也有较大的收购或兼并可能性,存在较为清晰的资本退出渠道;而产品+服务型,特别是集成安全服务,将有可能出现黑马,因为网络安全是一个更大的市场空间。

2019-09-25

“很显然,企业客户仍然喜欢拥有集中控制、可预测、可靠的计算系统——这正是IBM专门研究的那种系统。”这是曾在1991年预言IBM大型主机之死的技术专家Stewart Alsop在2002年2月时发表的观点。IBM曾在1960年代初,投入了50亿美元开发大型主机,这相当于今天接近400亿美元的投资。1969年,人类第一位宇航员登陆月球,而在阿波罗登月项目中,IBM的大型主机System360做出了重要贡献。

如果你认为源自1960年的大型主机已经成为老古董,那你就跟Stewart Alsop一样要推翻自己了。2019年初,市场咨询公司IDC与来自IBM系统部门的高管进行了交流,了解到:IBM通常以相当稳定的节奏投资于IBM Z系统的未来两代,一旦推出新一代产品,就意味着已经在下一代产品和下下代产品上投入了至少一年的时间;IBM拥有一个先进的设计团队致力于三到五年之后的技术,以及一个致力于两到三年之后技术的近端设计交付团队;这些技术将包含在下一代处理器、硬件、软件、网络选择、I/O选择和关键功能等选择中。

在另一份2019年8月的IDC白皮书中,指出IBM大型主机经历了从孤岛型到互联型再到今天的变革型主机(transformative mainframe),IBM主机技术一直在与时俱进。2015年初,IBM推出了耗资10亿美元、耗时五年、涵盖超过500项新专利的z13,IBM大型主机在现代IT中再次扮演举足轻重的角色;2017年4月,IBM z14横空出世,其R1版本可实现一台主机即一个云数据中心;2019年9月,IBM再次推出历时四年研发、共产生3000多项已发布或正在申请的IBM Z专利的z15。IDC认为,今天企业基于大型主机的平台,完全参与其数字化转型,因此可以称为“数字化转型主机”。

一家北美金融机构负责人在今年接受IDC关于变革型主机商业价值的访问时表示,由于IBM大型主机在机器学习和模型分析方面具备的强大能力,该公司的主机管理团队能够更快地获取和分析数据,避免了额外再聘用250-300员工的需要。是的,今天的IBM大型主机,已经是数字化变革先锋。

安全混合云

安全一直是IBM大型主机的技术主线。IBM Z系统的核心价值,在于构建市场上最受信任、高性能、高规模和高I/O传输和数据库平台,IBM在继续增加这一核心价值的基础上用新技术支持企业的数字化转型需求。

从IBM z13开始,IBM就为其主机大幅增强了安全能力。z13是业界首款能够单日处理25亿笔交易的系统,z13为日益增长的移动交易提供了保证,由z13处理的交易从始至终都是稳定的、端到端安全且可审计。z13还是业界首款实现了针对所有规模移动交易的实时加密的系统,通过提高移动交易的实时加密速度。z13交易引擎能够近乎实时地分析交易,防止正在发生的欺诈,帮助金融机构在欺诈波及到消费者之前中断交易。

而在 z14 发布前五年,IBM Z研究了计算环境,认为网络战将变得越来越普遍,而唯一有效并且可以快速上马的防御将是加密一切。因此,IBM设计团队开始致力于下一代z14微处理器的加密引擎,在z14中实现了普遍加密。IBM z14每个处理器的核心部分之外有一个专用的加密引擎,可提供足够带宽进行加密,z14核心的加密引擎提供了传统上4倍的晶体管,性能和容量提高了4到7倍。由于处于CPU之外,因此整体性能不会受到影响却成功提高了加密能力。相比于z13,z14每天可以进行120亿次加密交易。

到了z15,IBM进一步提升主机的安全能力。在已有的普遍加密技术基础上,IBM又推出全新的数据隐私护照(Data Privacy Passports)技术,可实现对数据存储与共享的控制。借助这项技术,在包括z15在内的混合多云环境中,企业可以随时保护数据或撤销数据访问权,也就是说z15可以把自身的安全能力扩展到与之相连的整个混合云环境中。有了z15,可以将普遍加密功能扩展至整个企业,即便离开IBM Z平台也可以确保数据隐私保护。当然,相比于z14,z15每天可以进行190亿次加密交易!

仅仅从安全这条主线看z13、z14、z15的技术进展,就可以看到IBM对于大型主机的前沿性投入。z14引入普遍加密技术,加密了IBM Z上的所有内容以及IBM客户生产环境中的内容;而z15则可以做到当Z数据脱离Z主机传输时,Z的安全性也随着该数据在混合云环境中传播。IBM对Z系统的未来,是期望可以完全免受任何网络威胁。

而在多云这条技术线上,IBM相信动态的多云最终将成为所有工作负载的部署平台。由于IBM Z是一个功能强大的记录系统(SOR),因此IBM致力于将这个记录系统扩展到多云基础设施上,通过开源和业界标准实现跨云平台的无缝互操作性。IBM将继续推动本地部署的IBM Z向云化道路前进,并为私有和公共云创建无缝、安全的交互环境。

云原生敏捷开发

早在2016年的时候,IDC调查就确认企业已经开始把大型主机纳入对数据中心的重新规划和思考中,包括开始利用新的硬件和软件功能对主机平台实现现代化,将主机平台与数据中心的分布式架构以及云端集成。IDC调查认为主机现代化举措包括:在主机上运行 Java、使用API连接到外部网络、支持移动应用程序访问以及支持web等。同时,企业也在利用Linux将主机集成到DevOps流程中以支持敏捷应用开发,实现了大型主机即服务。

随后,IBM主机上的DevOps和敏捷开发从2016年的早期采用阶段跃升为常规阶段。2016年仅在主机运营中作为创新实践的混合云,到后来就成为了常规操作,主机平台充当与其它私有云交互并越来越多地与公共云交互的私有云平台。企业还在主机上开发了重要的附加功能,例如利用微服务以及执行分析。今天,创新者已经开始在主机上构建物联网功能,也已在主机上运行机器学习和区块链应用程序了,由此开启了数字化转型主机阶段。

z13发布的时候,其理想是作为私有云和混合云架构将具备“传奇般”的可扩展性,并能安全可靠地处理多个工作负载。在scale-out模型中,z13最多可以运行8000个虚拟服务器,每个核承载至少50个虚拟服务器,从而节约软件、能耗和设备上的成本。而到了z15,单台z15系统中横向扩展至240万个Linux容器——与裸机x86平台相比,运行相同的网络服务器负载,每个z15 LPAR(逻辑分区)上的Linux容器,最多可以多出2.3倍。

在IDC的变革型主机商业价值调研中,所有接受研究访谈的企业都表示,他们了解敏捷开发的重要性,并且已经在自己的主机平台上实施了敏捷流程,或者正在这样做。一个受访企业在谈到其主机运营时表示,敏捷非常重要,因为必须能够非常迅速地响应需求,该企业已经在主机平台上实施了敏捷开发,好处是更快的周期和更高的质量。另一个受访企业的一位主机工作人员表示,该企业对所有开发都使用敏捷流程并严格遵守敏捷原则。

当然,IBM主机也在提高自身的敏捷开发能力。z15的一大特色就是引入了云原生开发,以帮助企业和组织将现有应用现代化、构建新的云原生应用,以及安全地跨云集成最重要工作负载。上个月,IBM宣布将在IBM Z和LinuxONE上支持红帽OpenShift平台,借助Linux支持云原生开发的集成工具和功能丰富的生态系统,这项服务将加快实现更高的可移植性和灵活性。云开发人员可以在OpenShift上部署z/OS应用程序,而不需要特殊的z/OS技能。

而在今年四季度,IBM也会把IBM Cloud Pak解决方案引入基于IBM Z和LinuxONE的Linux中,这些产品和服务旨在加快丰富IBM软件生态系统。通过将这些产品和服务与IBM的企业平台IBM Z和LinuxONE结合,就可以打造安全开放的混合多云平台,将进一步增强IBM帮助企业和组织释放业务价值和推动业务增长的能力。

值得一提的是,IBM、Broadcom(原CA技术公司)和Rocket Software于2018年推出了名为“开放主机项目(Open mainframe Project)”的主机社区并开发了Zowe,Zowe 1.0于2019年2月发布。通过Zowe,应用程序开发人员就可以在主机上使用 Kubernetes、Docker和其它流行的云原生编排工具,以及包括Jenkins和SonarQube等在内的云原生开发工具,以用于持续集成和持续交付 (CI/CD)。

通过投资现代化大型主机和工具,采用 API、分析、混合云、微服务和容器等技术,以及利用DevOps和敏捷方法等措施,企业和组织可确保其主机能够高效、有力地满足业务需求,同时还能吸引年轻人才的加入。

下一个前沿

安全混合云以及云原生敏捷开发,是当前企业数字化转型的主要诉求,也是IBM主机全力满足用户需求的出发点。当然,IBM主机并没有止步于此,而是在算力、人工智能、区块链等前沿不断拓展。

在计算方面,IBM将继续在两个领域开展工作:核心密度和整体性能。整体性能不仅与处理器速度和反馈速度有关,而且与工作负载特定加速,如压缩和加密加速等有关。IBM总是以保护现有投资的方式完成这些创新,也就是说这些创新总是向后兼容,因此无需使用新技术堆栈即可加速,也无需更改现有应用程序。一个典型的例子是普遍加密技术,它总是能适用于现有的、已投资的主机技术堆栈。

此外,在讨论加速器时,业界倾向于考虑通用GPU或FPGA。然而,主机搭载嵌入式加速器已经有几十年的历史,例如z14中嵌入微处理器的加密引擎。IBM一直在研究在未来的主机微处理器中嵌入什么加速器或决定在微处理器附近放置什么加速器。IBM正在研究一系列加速器的层次结构,用于安全、数据挖掘、深度学习、更好的运营管理以及新的、更快的计算和数据传输方式。

当然,如无必要,IBM Z也不会尝试重新发明轮子,包括考虑类似IBM Power Systems利用OpenPOWER实现加速器策略以及周边软硬件生态。IBM Z追求与Power System类似的“协同效应”,而不是试图在Z系统中重建所有内容。这样,任务就变成了确定如何最好地集成现有技术,并使其对客户的工作负载透明。

在更远的未来,IBM希望将未来的量子计算服务与IBM Z紧密无缝地集成,以便利用和扩展企业的记录系统,用于动态风险建模或客户画像分析等用例,这些问题类型是量子计算尤其擅长的。IBM也是少数坚决而重资投入量子计算的企业。

在人工智能方面,2017年底IBM为大型主机推出了人工智能计划,通过z14以“Z / OS机器学习”的形式进一步扩展。存在于Z平台上的数据在AI应用程序中具有重要价值,并且在无需迁移数据的情况下,在SOR记录系统上使用数据构建AI模型具有天然优势。IBM计划扩展大型主机的AI功能,这可能包括投资用于深度学习的加速器,以及集成适合于人工智能处理的技术。

在区块链方面,IBM将IBM Z作为区块链的云平台,该服务运行在LinuxONE上。借助IBM Z加密技术,提升区块链云服务安全性,因而IBM区块链取得巨大成功。区块链在所有行业的使用,从高等教育到全球贸易物流再到安全结算,将极大地改变这些行业。区块链将带来一个更加数字化的世界,缩短周期和业务流程,消除或降低中间商的成本。 区块链在IBM的投资领域列表中名列前茅,IBM认为当前的区块链服务只是冰山一角。在区块链的发展过程中,可以看到将一些功能转移到硬件中是有意义的,但考虑到技术变化的速度之快,现在还为时过早。在微处理器内部实现区块链功能还需要几年的成熟时间,与此同时IBM预计将在硬件上投入更多,以协助加速区块链发展。

此外,在主机运维方面,IBM将更多依赖人工智能,因为自动化、自修复和不断提高的自治级别将使主机系统更容易操作和维护,预计IBM Z将变得越来越不需要特殊技能,而主机的人机界面也将大为精简。

总结来说,可以看到IBM为大型主机焕新而采取的大量努力,而IBM大型主机的研发也是IBM与众多客户合作完成的,代表了对于主流客户需求的把握。在今天数字化转型的关键时期,IBM主机还具有一个“意外”的吸引力,这就是一台或几台主机可以代替成百上千台PC服务,相应节约了巨大的电能及其成本。今年年初开始,从国家相关部委到以北京、上海、深圳为代表的地方政府部门都相继出台政策,要求新建乃至改扩建大型、超大型数据中心的PUE值需达到1.4以下。以x86分布式服务器建设数据中心的模式已“难以为继”,IBM LinuxONE在大幅度提升性能和容量的同时,可以进一步降低空间和能源消耗,最大化推动数据中心绿色创新的发展。

可以预见,在未来的数字化转型过程中,集中控制、可预测、可靠的计算系统,不仅是企业的选择也将是社会的选择。大型数字化转型主机来了,你做好了准备么?(文/宁川)

2019-09-24

如今,经过了9年的发展,OpenStack已经成为了私有云事实上的标准。在开源云计算领域,OpenStack作为IaaS层的开源技术标准,已经广泛覆盖服务器、网络、虚拟化、操作系统等各个方面。同时,OpenStack市场规模不断扩大,截止2019年5月, OpenStack为超过75个公共云数据中心和数千个私有云提供支持,其规模超过1000万个计算核心,在电信、金融、政府等行业得到广泛应用。

2018年8月,OpenStack第18个版本Rocky发布。2019年9月,浪潮宣布完成已知的OpenStack Rocky版本全球最大规模单一集群测试,本次测试基于500节点规模,突破2000台虚拟机高并发,实现20000台虚拟机高密管理,10万级监控项秒级监控,整机柜分钟级高可用迁移,云平台部署交付效率达到单日500节点以上。

Rocky版本强调了对企业数据中心基础设施新需求的支持,以及对裸机和版本升级的支持和改进,加上已有对容器的支持,Rocky版本可以说是双模IT和企业数字化转型的理想数据中心基础设施软件之选。而浪潮对Rocky版本的500节点单一集群测试,意味着可复制的OpenStack Rocky商用部署规模进一步扩大,为企业大规模上云扫除了障碍。

产品化:从“小云”到“大云”

早在2015年的时候,Forrester就发布过一份调研报告,认为当时的OpenStack已经初具商用的能力,当时的Nova计算项目、Swift对象存储项目、Keystone身份管理项目、Cinder块存储项目、Neutron网络项目等已经在财富500强中进入生产环境。虽然在当时供应50个虚机需要耗费12个小时,但仍有其他方式补救。

到了目前,OpenStack的子项目已经基本成熟了,涉及计算、硬件生命周期、存储、网络、共享服务、编排、负载供应、应用生命周期、API代理以及面向Web的面板等。计算项目中除了Nova还有容器项目ZUN、无服务器项目QINLING,硬件生命周期项目中有祼机供应项目Ironic、GPU和FPGA等加速硬件管理项目Cyborg等。作为开放基础设施,OpenStack已经具备了足够的能力。

在OpenStack的部署规模方面,不少OpenStack超级用户都已经达到上千节点的部署规模。浪潮集团副总裁张东就本次Rocky版集群测试表示,OpenStack正从产品化走向规模化,这次测试是真正意义上走向大规模商用过程中的实践。之前,浪潮已经为包括广电、金融在内的客户搭建上千节点的部署,而本次浪潮对Rocky版本的集群测试,其意义在于产品化部署的规模,也就是可复制的商用产品。

浪潮云计算与大数据产品部副总经理刘晓欣则把本次测试的意义比喻为:从“小云”到“大云”。也就是过去可以产品化部署的OpenStack单一集群规模在200-300节点,因为集群规模扩大之后,管理性、部署性、功能性等等都会面临挑战。而200-300部署节点的单一集群可以说是“小云”或形象理解为“小机”,500部署节点的单一集群相应可以理解为“大云”或“大机”。随着单一集群的规模扩大,私有云的规模效益越高、边际成本越低。

据了解,更大规模的单一集群有利于实现超配和提升集群管理能力。所谓超配,简单理解就是体现出计算资源的复用能力,即让更多的工作负载共享计算资源,从而体现出云计算的本质优势。对于小规模的单一集群,往往只能承载单一应用,无法体现云计算的好处;而只有大规模的单一集群,才能容纳更多的应用,不同应用之间才能共享计算资源。例如当集群规模足够大,如果应用的实际内存利用率在70%,那么超配比就可以设置为1/0.7即1.4,相当于少买了40%的内存。而且当大企业进入到云化业务阶段,有很多需要互联互通互操作的大规模应用,这就需要以大集群为单位进行横向扩展。

而从集群管理能力来说,大规模单一集群也更节约管理成本和资源。本次浪潮测试的单一集群管理节点在20个左右,但随着集群规模的扩大,管理节点数却是保持不变。也就是OpenStack单一集群规模可以从500个扩展到1000个甚至1500个,但管理节点数却不变,极大节约了集群的管理成本以及人力资源。

参与本次测试的中国信通院云大所云计算部副主任陈屹力表示,双方经历近一个月的时间,完成了本次测试,其间的难度相当大。信通院认为,本次测试体现出浪潮的快速交付能力,以及在产品优化方面做的大量的工作——最初是按照500个节点规模设计的,实际上调度了将近1000个节点,“这是一个了不起的尝试”。

企业上云进入升级阶段

为什么选在当前这个时间进行500节点单一集群测试?陈屹力介绍说,早在两年前就已经有智慧城市的用户找到信通院,要求类似规模的验证,但当时受限于物理条件——用户不可能拿出500台服务器做测试,而当时在公有云上搭建上百个节点——100个节点的交付需要两周约40万元的成本,不仅交付时间长而且成本相当高,因此也就没有推进。

这两年随着“互联网+”、“智能+”的发展,智慧城市、互联网金融、高性能计算等都需要大规模的OpenStack集群,而企业级客户不可能像电信运营商或大型互联网公司那样具备一个庞大的运维团队,因此广大的企业都需要可快速复制的产品化OpenStack集群。我们了解到,传统部署是以周或月计,本次500点的参考基准是三天,其中还包括从南方调过来100个节点的物流时间以及安装操作系统的时间。其中有很多难点是开源社区没有解决的,浪潮本次采用并行化分布式操作系统安装技术,也是对于开源技术的贡献。

刘晓欣强调,浪潮云海InCloud OpenStack是基于容器化部署,交付相比传统模式来说效率更高,特别体现在升级和回滚等动作方面,在大规模集群里的性能表现更加明显。在测试交付500个节点过程中,一直在跟踪不同时间点的成果,例如扩容100个节点耗时一个小时等。陈屹力补充,本次测试是参照严格的生产环境,在节点扩展的时候,如果创建资源的时间过长则对业务来说就不可用。如何在10分钟甚至更短时间内创建2000个虚机,也是很大的挑战。

本次测试的侧重点在于高可用、高效率、高性能,也就是对企业级产品的要求,这是本次测试与之前业界已进行其他测试的不同之处。张东表示,本次测试的高压力环境是之前没有达到过的,2000个并发的高性能测试也是之前没有见过的,高可用测试更是真实地把一机柜机器全部掉电。

本次测试实现了10小时完成500台服务器节点系统部署;5小时部署323个OpenStack节点;3个小时部署77个分布式存储节点;1小时完成100个计算节点扩容改配。此外,测试结果显示,在高密度、高并发环境测试中,在系统已有20000虚拟机负载情况下,成功完成2000并发虚拟机创建;当负载60%环境下完成1000并发虚拟机创建。同时,本次测试验证了大规模集群在极端情况下的高可用,模拟了整机柜断电这种现实场景中较为严重的情况,在单个机柜负载180虚拟机环境下,实现了5分钟内疏散完毕,访问恢复正常。在高性能方面,本次测试结合客户实际应用场景中反馈的对网络低延迟、低抖动的要求,专门做了全栈的优化,能够满足对实时通信有苛刻要求的用户需求。

中国信通院全程见证了本次测试,陈屹力认为本次测试代表了浪潮能够驾驭开源软件在商用上的实践,验证了国内技术厂商在500节点或1000节点下的OpenStack技术成熟度和驾驭能力。而这种大规模商用产品化的技术能力,也正迎合了当前企业加速上云的态势——近几年,工信部推出了企业上云政策,各地都在推智慧城市、城市大脑、工业互联网等新应用,这些都极大拉动了企业上云的速度和规模。

如今,浪潮云海InCloud OpenStack已经升级到5.6版,即基于Rocky的版本。随着本次测试的完成,ICOS 5.6版本在稳定性、功能和性能等方面都迈上了一个新的台阶,产品化能力达到了新高。此前,浪潮已经有了广电行业客户两地三中心总规模1500+节点的部署经验,承载了BOSS系统、数字转码、数字媒体、云存储、CDN等多种业务;在金融行业,浪潮成功实施了国内最大金融生产云,某银行通过InCloud OpenStack搭建了1000+节点的云平台环境,承载手机银行、智能ATM、分行前置系统等业务系统环境,日交易峰值超过6千多万笔,交易峰值同比增长42%。

当然,除了大型客户外,浪潮云海也在中小企业市场斩获颇丰。刘晓欣介绍,2019年上半年已经通过超融合一体机等形式,满足了中小型用户快速上云和快速业务资源池化的需求,浪潮云海超融合业务实现了翻番,客户基数增长也很快。

展望2020年,中国和全球数字经济浪潮将推向新高,更多的企业将走向上云的阶段,已经上云的企业将进一步扩大上云的规模,而OpenStack Rocky版的双模IT能力以及浪潮已经验证的大规模单一集群能力,将为中国企业上云带来新速度,这就是OpenStack的中国速度!(文/宁川)

2019-09-23

如果说今天的中国是世界第二大经济体,那么今天的中国数字化转型则是世界第一大转型体。

早在2017年12月的麦肯锡一份《数字中国:带动中国经济的全球竞争力》报告就指出,十年前中国还仅占全球电子商务交易的1%,而2017年就已经提升到40%,比当时的英国、美国、法国、德国和日本等国的电子商务交易总量还要高;而2016年与个人消费相关的移动支付,中国是美国的11倍;中国占据当时全球262个独角兽企业的三成之多。

根据市场调查公司IDC的2018年下半年《全球半年度数字化转型支出指南》,指出美国和中国将是数字化转型支出的两个大地域市场,占2019年全球支出的一半以上。相比于其它国家地区市场,中国政府尤其重视发展数字经济,自2012年以来出台了大量数字经济政策,“云计算”“大数据”“人工智能”“智能制造”“数字经济”等词汇多次进入政府工作报告,IDC预测2021年数字经济将占中国GDP的55%。

在2019年9月17日“微软企业出海峰会”上,华创资本企业服务投资负责人王罕与才云科技创始人张鑫、PingCAP联合创始人黄东旭、光启元科技VP王常乐、钛资本管理合伙人周鹤鸣等,围绕互联网和科技出海展开了一场圆桌对话。

华创资本王罕引用葡萄牙诗人卡蒙斯的诗-“陆止于此,海始于斯”作为论坛主题,致敬大航海时代勇于探索的探险家,以及在壮阔新时代中勇于创新的创业者。王罕提到:快速发展的中国市场蕴含着巨大的机遇,是现代创业者奋斗的乐土。近几年投资的一些企业已经初步具备在世界舞台竞争的能力,也相信在将持续数十年的企业数字化转型浪潮中,中国会涌现出更多世界一流的企业和创业者,资本愿意去支持这样的初创,也有耐心陪这样的创业者一起长跑。

国内新型分布式数据库公司PingCAP联合创始人、CTO黄东旭表示:中国对于早期项目来说,是一个很好的练兵场和产品打磨之地。中国企业增速非常快、场景非常多,最近这几年黄东旭在美国时间比较多,发现基本每次去美国都是差不多的状态,美国已经是一个很成熟的市场,但中国市场基本上三个月一变。对于产品开发来说,可以在中国更好的打磨产品和技术,再去美国市场拓展。

光启元是一家创新型的大数据可视化技术供应商,自成立以来一直致力于专业大数据图形化呈现与交互体验的开拓与创新,专注于云数据与物联数据实时可视化开发与研究,颠覆了传统数据呈现方式。光启元的产品已经应用于智慧城市/政务/能源/建筑/园区/文旅/金融/出行/医疗等领域,在全国27个省市自治区73个城市落地。光启元VP王常乐在座谈会上表示,光启元的产品基于国内的土壤,而且只有中国的政策才可以创造出这样好的产品,然后再向海外进行推广。

光启元的发展离不开智慧政府、数字政府项目的支持。光启元协助广东省人民政府建设的“数字广东”政务管理平台等政务大数据交互管理系统,在2019年5月的第二届数字中国峰会上备受瞩目。如今,“数字广东”正在成为全国领先的省级数字政府样板。在数字广东的建设过程中,光启元针对数字广东核心需求,量身打造政务管理平台交互管理系统、安全态势感知管理系统与电子证照,辅助运营中心实时掌握政务云的状态,构建“互联网+政务服务”的统一管理平台。

基于容器技术和人工智能的新一代智能云计算平台和AI服务创业公司才云科技(Caicloud),其研发成果已在国内多家500 强企业落地,在金融、制造、零售、能源等行业均有成熟解决方案。才云科技创始人张鑫表示,在数字化转型大背景下,今天中国的外资企业、国企和政府机构,转型的力度属于全球领先,转型的场景更为丰富。例如某知名咖啡连锁品牌作为一家美国公司反而先在中国开展新零售创新业务,包括与才云科技合作的AI及敏捷应用管理平台等,然后再推广到美国去复制。

作为专注科技和企业服务的投行/管理咨询复合服务机构,钛资本创始人、管理合伙人周鹤鸣表示:对技术出海持乐观谨慎的态度,方向是一定会出海的,节奏上不宜太仓促,为了出海而出海。作为中国企业技术及服务“大航海”时代的基础市场,中国的高铁、电力、运营商、银行等领域已经可以说全球领先,有些则是全球最大的业务场景,足够创业者打磨技术和产品再向全球复制推广,可借鉴参考消费/移动互联网的发展历程,2025年之后相信会有越来越多的中国技术企业成功出海。

尽管从体量看,当前中国仍是世界第二大数字经济市场,但中国的数字化转型场景之丰富,堪称全球之最。从电子商务交易规模、移动支付数量、网民数量等网络经济指标来看,中国已经是世界第一;从消费者数量和规模来看,中国是世界人口第一大国,中国有着新崛起的最大规模中等消费群体;而从实体经济规模及变化速度来看,中国已经是全球货物贸易第一大国、世界制造第一大国,中国是全世界唯一拥有联合国产业分类中所列全部工业门类的国家,工业增加值从1952年到2018年,按不变价计算增长约971倍。

值得一提的是,中国还即将成为5G网络第一大国。中国的移动通信产业历经了“2G跟随、3G突破”,实现了“4G同步”、“5G引领”的历史性跨越,5G标准必要专利数量全球第一。在近期,国家统计局还测算了2015~2018年我国经济发展新动能指数,2015~2018年我国经济发展新动能指数分别比上年增长23.5%、26.9%、34.1%和28.7%。其中,2018年,网络经济指数比上年增长67.2%,创新驱动指数比上年增长21.8%。

中国政府大力推进经济结构转型升级以及发展数字经济、中国具备诸多世界第一的数字化转型和数字经济必要要素、中国从消费互联网向产业互联网的历史性过渡以及中国丰富的企业和实体经济场景,这些都创造了中国企业级技术的建立世界影响力以及出海的历史性机遇。过去,美国的企业和实体经济场景造就了微软、IBM、甲骨文、EMC等企业级硬件与软件领域的世界顶级技术供应商,未来将是中国技术供应商的重大机遇期。

2019-09-21

随着阿尔法围棋(AlphaGo)击败人类职业围棋世界冠军李世石,人工智能或将取代人类的讨论不绝于耳。但从业内或研究的角度来看,以目前的技术水平,要想实现能取代人类的人工智能系统,还非常困难。在这点上,美军的做法比较有借鉴意义,他们的思路不是希望系统取代人,而是用人工智能在感知和认知层面上增强人的能力,实现人机协作。由人进行最终的判断和决策,机器完成相关的细节收集、整理等方面的工作。

在钛资本新一代企业级科技投资人投研社第27期,中国科学院软件研究所研究员、数据地平线(广州)科技有限公司首席科学家薛云志博士分享了知识图谱的创业及投资机会,以及从实体相关性跨越到事件逻辑关系后事理图谱的价值、创业投资机会。薛云志为中科院软件所博士、清华大学MBA,ISO/IEC SC42(人工智能国际标准化)专家、人工智能国家重大专项专家组成员、某专家组首席科学家,主要研究方向集中在自然语言处理和知识图谱。

知识图谱技术的创业投资机会

所谓事理图谱,是一个特殊品类的知识图谱。知识图谱的创业机会可以分成四个层次:

第一个层次的创业机会是关键技术,涉及到数据的清洗、ETL等操作,还有非结构化文本抽取、OCR(尤其是面对一些复杂单据的OCR)、实体链接、图数据库等关键技术。

这个层次的创业,对于创业者而言很容易切入,因为相关的关键技术,在过去各个学术机构、研究机构里完成得非常多,很适合技术出身的创业者。此外,现在大多数相关的知识数据都是以非结构化的文档形式存在,相关需求非常大。

但也有劣势:第一,面向客户的技术部门,在大多数企业里是成本中心,所以投入不会特别高;第二,以目前AI技术的发展水平,要想在关键技术层面做到非常高的准确率,难度很高;第三,在关键技术层面上,不管是做非结构化的抽取还是做单据的处理,每一个场景、客户的数据,以及对数据后续处理需求都不一样,所以特别容易陷入定制化的泥潭。

第二个层次的创业机会是数据,除了基本面数据之外,也包括行情数据、另类数据、舆情数据等等。

在这个层次的创业,需求比较广泛,也比较持续。假如今年采购的技术满足了需求,明年就一定会按这个需求进行采购。此外,相对容易标准化。再次,一般都是业务部门使用数据,所以也会有一个附带的优势,即用户黏性相对较高。

但也存在劣势:一个是数据采集时,往往边际成本不太容易降低,因为每一个数据采集时都需要有基本同样的投入。比如另类数据里比较典型的电商数据处理,几乎处理每个新类型数据或新数据源时,要花费的成本相对都比较高;而数据采集的技术门槛相对比较低,竞争者也比较容易进入。

第三个层次的创业机会是知识图谱产品,包括工商知识图谱、产业链知识图谱等,现在市面上有不少供应商在提供这样的产品和服务。

其优势是相当多的知识图谱都可以标准化,类似于天眼查的工商数据就是一个很标准化的知识图谱,而且门槛还挺高。要想再做一个新的,达到现的高度还不那么容易;另一个就是可以嵌入到用户的工作流程当中,用户一旦采用后的再更换成本相对较高。

劣势首先就在于这不是一个特别直接的业务场景,一般都需要经由某个应用产品来体现。其次是以目前的技术发展水平而言,要保证高度的覆盖率、准确率,成本就会快速上升。

第四个层次的创业机会是应用场景类产品或服务,包括两类:旧场景的优化,以及知识图谱所能赋能的新场景。

这四个层次的创业机会,从价值上来讲,是从下往上逐步提升的:关键技术虽然说很重要,但它的价值溢价最低;应用场景类相对较难,但如果能寻找到一个新场景,它的价值溢价应该最高。当然从适合的玩家来讲,越往下的技术越适合大玩家大平台,比如阿里云、腾讯云都部署了很多类似的服务,做非结构化文本提取且应用的比较成功;初创企业当然也可以做这类应用,但往往比较困难。对于小企业、小玩家而言,最合适的切入点应该是场景类,场景一般都直接面向业务,所以技术价值可以充分体现,而且这些场景业务更换成本相对比较高,用户黏性也高。只是要寻找到合适的场景,需要对业务有更深刻的理解。

从以上的几个层面来分析,数据和应用场景类创业最容易,当然在关键技术和知识图谱产品领域创业或投资未尝不是一个好选择。在场景方面,可以做哪些事?

上图列了17个场景,涵盖了现在知识图谱在泛金融领域大多数的应用。其中旧场景优化包括传统数据终端的增强、知识库以及搜索、问答,还有信贷的很多操作。之所以说是旧场景的优化,是因为过去采用关系数据库一直在做相关工作,只不过没有知识图谱的大规模数据关联能力强。

新场景是从2015年开始才逐步发展起来,甚至绝大多数场景现在还处在相对较早期阶段。现在已经有很多公司在做自动化的审核、合规性的审查等工作,但是针对金融文档的复杂性还是起步阶段。此外,金融文档包括生成、监管、风控等都有很多探索性的工作,远没有到能够出现垄断性的产品或者一系列产品的出现。而恰恰在这些新场景里,有泛金融应用领域相对比较核心的业务,所以如果能有效解决这些场景中的需求,应用场景价值就相对较高。

将知识图谱技术应用于金融场景时需要考虑哪些问题?一个是有很多人会把知识图谱的“图”用于讲故事,但用户其实并不需要了解知识图谱本身,也不会在实际使用时对着“图”查、拽、看,需要的是知识图谱所能带来的能力。所以设计一个场景或产品时,并不需要把知识图谱本身显示出来,而是要看知识图谱能给产品赋予何种能力。另一个是以目前的技术发展水平而言,知识图谱准确率无法达到100%,也就是知识图谱数据抽取的准确率、实体链接的准确率、推理的准确率等都无法达到100%。如果场景对准确率有非常高的要求,可能就很难推进下去。所以设计的应用场景或者产品,需要对知识图谱的准确率有一定的容忍性。

知识图谱与事理图谱

在这几年知识图谱又开始火热起来,大多人认为知识图谱是解决从感知智能到认知智能的一个基础性工具,到最后是否能够落到实处,还是要看研究的进展。那么什么是知识图谱?知识图谱是由本体(Ontology)作为Schema层,与RDF数据模型兼容的结构化数据集。简单理解就是把各个知识点串联起来的一张图。知识图谱不是一个新概念,从上世纪70年代开始,经过语义网及网络等等一系列的概念,在2012年5月由Google引入的,主要目标是为解决搜索关联性的问题。

上图是典型基于RDF的知识图谱表示,所描述的是关于美国建国时的知识点,比如美国的首都在哪里、有哪几位总统、总统有哪些特征等。这张图有一个非常明显的特征,就是每个节点都是一个名词,名词和名词之间是线上写的关系,这是到目前为止所有主流的知识图谱非常显著的一个特征。

DARPA(Defense Advanced Research Projects Agency,美国国防高级研究计划局)把一般理解的数据、智囊等等从下到上分五个层面:第一个层面是数据,原始的信号或激励;第二个层面是信息,就是事实类的问题,如什么、谁等等;第三个层面是知识,相关性和组合性,回答How的问题;第四个层面是理解,回答为什么的问题;第五个层面是智慧,主要是人做的判断和决策,机器主要做下面四个层面。

从学术角度或数据理解的角度来讲,知识图谱解决了全部信息类的问题,就是那些事实类的问题。另外知识点之间的关联,名词之间的关联可以解决一部分组合性和相关性的问题,比如从图上可以推理出来林肯和霍金维尔市关系等。过去可能有一些知识没有直接表达,但是可以借助一些网络之间的推理关系、连接关系推理得出,所以知识图谱从信息的角度来讲,是全部的信息加上一部分的知识。

知识图谱的主要应用体现在几个方面:第一,推荐任务,像经常使用的搜索引擎及类似于今日头条内容性的搜索都是推荐类的任务;第二,风控任务,包括金融授信模型、反恐还有情报领域的危险识别,比如美国的Palantir公司用知识图谱识别本拉登的线索,都属于风控任务;第三,知识管理类的任务,如问答、客服等等;第四,知识发现类任务。

知识图谱没能解决什么问题呢?其实在很多领域都会看到与逻辑有关的问题,比如在金融投资领域对事件的逻辑关系进行推理、推演、预测等需求,同时在军事、反恐、情报、舆情领域也都有相关需求。也就是说,从DARPA的五个层次来分,主要是知识类和理解类的问题没有解决。在人思考问题时,会看到各种“如果”“因为”,在研究问题或表达想法时用的也都是各种逻辑,这些逻辑基于名词的知识图谱是非常难以表达的。再回到看17个场景中,有大量“如果…”“就…”,即使用大量逻辑来表达知识库,例如金融产品、精准营销以及新场景中的自动化审核、审查、审计、风控、监管、投资研究等都与逻辑密切相关。

事理图谱试图刻画原来知识图谱没有办法解决的这些逻辑。从技术角度,希望能够从实体的相关性跨越到事件逻辑关系上。上图左侧就是知识图谱,右侧是完全不同的一张图,就是事理图谱,两者之间非常显著的区别表现在两点:第一,各个节点不再是名词而是一个事件;第二,每个边上都是事件之间的逻辑关系。

举个例子,上图左侧是关于降准事件的因果子图,右侧是关于出行事件顺承的子图,所谓顺承就是有先后顺序,从出行开始都会有哪些可能的动作,每个动作接下来的动作会用图谱完整的刻画出来,这两张图谱都是用自然语言处理技术从文本当中自动抽取出来的。

事理图谱表达的是事件和事件之间的关系。首先定义一下事件是什么。这里采用ACE的定义,事件是发生在某个特定时间点或时间段、某个特定地域范围内,由一个或者多个角色参与的一个或者多个动作组成的事情或者状态的改变。

根据事件之间的关系划分,可以把事理划分为几类。一类是因果事理,占据了描述逻辑的80%左右,形式都是A导致B。除此之外,还包括条件、反转、顺承、上下位等类事理,每种都是人经常会使用的逻辑模式。

事例图谱怎么构建出来呢?从总体大的流程可以分两大类:一类是手工构建,好处是相对比较准确,但是坏处也是显而易见的;另一类是用自动化的方式构建。

上图是流程示意图。从各种研究报告、财务报告、公告、新闻资讯中提取出来语料,经过一定的数据清洗、预处理后做事件识别,再做相关关系的属性抽取。还要做融合与对齐,就是一个事件不同的人会有不同的表达方式,要找出这些不同的表达方式,再融合成同一个表达方式。结果还要做分层泛化和存储,分层主要指的是要把事件逐层的做抽象,比如范冰冰阴阳合同事件,如果直接存储将导致后续难以使用,但是泛化分层可以把相关的主体、客体和相关的主要要素分层,可以把范冰冰泛化成明星、再泛化成名人,而对于阴阳合同可以逐层泛化成偷税漏税、负面事件等等,最后再做成一个比较完整的事理图谱。

上图是整个过程,左上角是起点,就是范冰冰阴阳合同事件发生时的一个新闻,先识别出主要句子,再把主要句子经过一系列技术流程,逐步转变成右上角一系列结构化的数据,这就是事件抽取的过程。当然在事件抽取出来后,还会再形成很大的一张网络。

在之前的工作当中,已经做出一个面向二级市场的金融领域事理图谱,现在这个事件数量接近一千万而且每天都在增长,在国内算是规模最大的一个金融事理图谱结构。

事理图谱对应用场景赋能的基础,从技术上提供了可供检索、推理、推演、预测的事件上下文。在过去没有事件上下文进行推理时,带入了很多先入为主的处理,难以规模化也无法自动化,所以事理图谱能够提供一个让逻辑能表达出来的基础,从而让很多依赖逻辑的事件可自动化、智能化。像银行降准因果图谱和出行的顺承图谱,可以很自然的做事件之间的逻辑关系,比如银行进行降准可能会有什么后果,直接从降准图谱中查找即可,对推测事件之间的影响会比基于知识图谱方式来要直接、自然。基于此图,还可以做原因的查找,比如发现贴现率下行的可能原因。也可以试图确定两个事件之间是不是有关系,比如降准和乘车费用增加之间的关系。从直观来看,事理图谱能提供一个逻辑推理的框架和基础,这是过去其它的技术所不具备的能力。

金融事理图谱的应用方向

第一,研究逻辑的智能管理。主要指的是把研究员和分析师头脑当中的分析逻辑表达出来。解决了研究机构现在的一大痛点,就是研究员、分析师走了,形成的研究逻辑就会被带走,所以一大诉求就是要把研究员、分析师的知识能够积累下来。对研究员而言,也会涉及到用自己的分析逻辑做验证、更新,同时还要以自己的视角对海量的数据和资讯做智能的组织和分析,把现在每天看各种各样研究报告或数据的现状变成行为自动化。

研究逻辑智能管理工具是根据金融事理图谱开发的,上图是基本形态。它主要是以人为主,不是试图从几千万的研究报告、公告或者新闻资讯里完全构建一个准确的逻辑,其设计目标就是研究员做验证或更新的分析逻辑过程中,如何自动化的提供各种辅助。当研究员指定一个事件或逻辑时,能在整个图谱里查找指定的前因后果,同时也对整个历史性数据做实证、验证,当然还会把相关的资讯和数据都链接在一起,为研究员提供预警和实时监控的功能。

第二,面向金融文档的深度智能核查和智能审计。现在很多券商、投行都已经在做完整的智能核查,比如IPO的招股说明书,就有券商、初创公司在做,但是整个核查的逻辑都是相对比较浅层和表面的,如果这个逻辑需要比较深入且相对比较多,那怎么才能把这些逻辑表达给机器呢?由程序员一个个都编码出来很不现实。如果能够让负责核查、审计的人,像研究逻辑的智能管理一样,能够把自己的核查逻辑表达出来,实现到自动化的核查和审计工具中,就是一个非常好的深度核查、审计能力。

第三,公司债券风险的自动梳理。假如可以把公司债券都有哪些风险自动梳理出来,基于这些逻辑、风险的表现,就可以进一步的组织对各个公司的债券做风险管控。

第四,行业经营风险点的自动梳理。每个行业的经营风险都是各种各样的,究竟行业有哪些风险,只有在行业内摸爬滚打多年的资深从业人士可能才能摸得清楚,但也未必全面;所以在没有完整的行业风险表现时,要对行业的经营状况做评估、风险管控时,就比较麻烦,无法自动化而只能依赖人。所以如果能够用事理图谱把相关的风险梳理出来,也会对这类应用提供一个基础的数据能力。

第五,企业风险的智能化监控。现在也有风控类的产品,只能在实际导致风险的事件发生后才能监控到。如果能够借助风险事理图谱做推理,就可以在导致风险直接原因发生时或之前去看,可以更早、更快发现风险,挖掘的也更深入,这是与现有风控产品最大的不同。

第六,事件演化追踪与分析。像川煤债券的违约事件,前后过程都可以用事理图谱的技术梳理出来,而且是梳理所有相关的事件,而人在关注时只能关注很有限的层面。

第七,智能问答。这是相对比较通用的场景,但基于事理图谱可以实现更直接、更高效率和质量的回答。比如看到环保督查时要关注的点,因为环保督查这类事情已经被分析得很透彻了,能把逻辑整理出来,基于事理图谱做一个顺承关系,就可以为更广泛的用户区提供服务。

第八,服务或产品的预测性推荐,与精准营销相关。到现在为止的推荐基本上都是基于相关性,比如在搜索引擎或电商看到的推荐,买了一个商品后被推送类似商品,今日头条被诟病的信息茧房——看过信息被推送同类型信息。那有没有可能在用户做了一个动作时,就预测未来还会做哪些动作呢?相应的提供预测性推荐。比如用户说“丽江是个好地方,我想去看看”,如果基于相关性,推荐的一定是与丽江本身相关,但基于事理图谱就可以从去丽江这个事件节点出发,可以看到可能的操作,比如买去丽江的卧铺票、提供逛昆明的出行指南,类似很多这些事情都可以从这句话开始做推荐。很多相关的金融服务跟产品都可以基于事理图谱做预测性推荐,进一步实现更精准的营销。

总之,现在面向金融行业的事理图谱是所有逻辑类应用场景能落地的一个场景。知识图谱描述的这些知识是一个本质的外围实体,研究对象是彼此之间的属性关系,事理图谱描述的更像是一个逻辑社会,研究的对象更多是这些事件及内在外在的联系。简单来说在应用上知识图谱可以回答When、Who、What、Where等等常识的问题,事理图谱就可以回答Why、How等动态的问题。

事理图谱可以承载很多:一,可以承载金融产品或服务内在的逻辑表达,不仅是名词的罗列,可以把内在的逻辑关系用事理图谱表达出来;二,可以把金融机构内部的运作知识进行提炼和存储,类似于研究员、分析师的研究逻辑或审计、合规逻辑,都可以提炼存储;三,对金融事件的抽取和影响进行自动化监测分析,像利润的增长有哪些原因构成等微观经济规律,都可以可视化、形式化组织出来;四,还可以承载海量数据和资讯的逻辑化组织与分析。到今天为止,研究员、分析师、一线经理、风控人员,都是直接面对各种数据、研究报告、行业新闻和政策、公司公告等,这些如果能够用事理图谱按人的逻辑组织起来,将具有非常大的好处。在一些对逻辑要求非常高的金融新场景以及旧场景的优化上,能够对逻辑类的应用场景产生比较关键的价值,而恰恰这些场景是现在金融机构的核心业务之一。

在金融AI领域投资要注意几点:

一,赛道与团队。金融机构内部人员出来创业的团队大多是销售牵引型团队,更多表现是市场能力比较强;另一类是技术引导型的团队。两者并没有好坏之分,而是要根据每个团队所面向的市场基础、产业规模及市场成长性来看,有些新场景在过去根本没有出现过,又或者现在整个市场都没有特别好的供应商,这时的销售能力是否一定就非常重要?这可能也是因时因地而异,所以还是要看每个团队所面向的赛道。

二,是市场型创业团队还是技术型创业团队。它们之间巨大的区别就是市场型团队知道需求,技术型创业团队往往对业务理解的没那么深刻。所以要在Fintech做一个好的投资或创业,不但技术要强,还要能满足眼下和未来长期的需求,具备不断演化的能力,同时还得对客户的业务非常理解才能促进落地,否则就会变成技术型创业团队搞定制化、市场型创业团队搞项目,意义都不大,最好做综合型、既有技术又能又理解业务需求的标准化产品。

三,情怀和价值。在现在整个经济的情况下,究竟是要做一个事业还是要挣钱?能否持续的运转下去,不仅要关注短期的项目落地,还要关注短期的业务需求是否能对接成功,产品是否可以标准化;同时还要关注业务和技术的长期发展,能够为原有的场景带来什么机会,能否开创出更加不同的新场景,变成另一个事业,所以应该是长短期并重的态度。

当然最后投与不投,还是每个投资机构要根据自身的团队,进行思考和决策。

未来三到五年,在NLP、知识图谱或者事理图谱的领域,仍然是一个发展的黄金期,结合行业的研究与应用的落地,应该会比较偏向以下几方面:第一,将知识与常识引入目前用技术构建的数据学习系统中;第二,在上下文建模、多轮语义理解中,更多的引入事理图谱的衍生场景应用;第三,常见知识和常识之间的逻辑事理关系的延伸,也会被应用在未来的NLP或者知识图谱、事理图谱技术支撑当中。

钛资本研究院观察

事理图谱(Event Evolution Graph或Event Logic Graph)是近年来兴起的一个知识图谱新方向。事理图谱是在知识图谱的基础上,对知识和信息之间的逻辑进行深刻的刻画。事理图谱又与时间和空间相关,事件随时空不断演化的规模和模式,对人类社会来说具有重大价值。事理图谱更能刻画人类行为逻辑,深层次揭示社会发展变化的规模。作为下一代知识图谱,或是知识图谱的重要分支,事理图谱对于强人工智能具有着重要的意义。

事理图谱是事理逻辑知识库,描述了事件之间的顺承、因果、条件和上下文等事理逻辑关系,事理图谱中的事件是具有一定程度抽象的泛化事件。事理图谱的研究,主要从大规模无结构化文本数据中自动抽取逻辑知识并组成一定结构的图形,用以描述事件之间的深化规模和模式。相对知识图谱,事理图谱更突出“意图”。特别是在搜索等任务中,知识图谱往往难以体现搜索者对搜索方向的意图,而无法实现精准搜索;而基于事理图谱的搜索,就能极大提高搜索的效率和准确性。

当前,随着人工智能和机器学习技术的发展,知识图谱及其应用已经进入商用规模化发展阶段,对事理图谱的研究和应用则呼之欲出。显然,事理图谱是对知识图谱的增强和改进。当然,事理图谱的刻画更为不易,不仅要刻画事件本身还要找到事件之间的逻辑关系,以及随时间和空间演进的变化关系,如何让机器可以自动抽取出好而实用的事理图谱,是下一步研究和创业的重要方向,也值得创业投资机构密切关注。