博客首页|TW首页| 同事录|业界社区
2019-08-20

《经济学人》杂志早在2017年5月刊就发表文章指出:数据对于本世纪的重要意义,就像石油对于上世纪那样——数据是发展和改变的动力。数据产生了一种新经济,数据信息不像过去的其它资源,而是采用不同的方式提取、加工、估值和交易,它改变了市场规则,要求新的管理方式。

从2017年到2019年,全球数字经济高速增长。根据中国信息通信研究院(简称:中国信通院)的数据,2018年我国数字经济规模达到31.3万亿元,按可比口径计算,名义增长20.9%,占GDP比重为34.8%。进入2019年,随着5G的启动和工业互联网的高速发展,中国数字经济和数据总量规模都面临着再上台阶甚至跨越式发展的挑战。

根据全球第一大数据库厂商甲骨文公司近日发布的《重塑数据信心》调查报告,亚太地区仅有五成受访企业有信心掌控数据,超过半数受访企业还没有制定数据管理策略。而2019年6月中国信通院发布的《数据资产管理实践白皮书(4.0版)》也指出,数据是资产的概念已经成为行业共识,然而现实中对数据资产的管理和应用往往还处于摸索阶段,数据资产管理面临诸多挑战。

2019年8月8日的甲骨文数据库云大会介绍了刚推出的新一代数据库一体机Oracle Exadata X8以及其引入的最新Oracle数据库19c和自治数据库技术。负责欧洲、中东、非洲及亚太区系统事业部的甲骨文公司高级副总裁韩忠恒表示,甲骨文公司集合40余年数据库技术和数据资产管理实践,于2018年推出基于人工智能和机器学习的自治数据库技术,现在通过Exadata集成系统为企业落地了下一代企业架构,将彻底改变企业数据管理的现状。

下一代企业架构

(甲骨文公司高级副总裁韩忠恒)

企业架构(Enterprise Architecture)理论起源于20世纪80年代,当时为了把信息技术应用于企业管理而提供了对企业进行建模的思想,用信息架构来反应企业的运营管理架构。1996年的美国信息技术管理改革法案首次提出了“IT架构”一词,要求政府机构的CIO提出、开发、建设和管理一个合理和集成的IT架构,以解决企事业单位管理和治理的通用问题。

企业架构通常有两种建设模式:一种是自上而下,从业务驱动出发的IT架构设计与建设模式;一种是自下而上,从IT资源和基础设施出发的IT架构设计与建设模式。这两种建设模式的结果,通常是能够反应企业组织与管理方面,连接和协调各业务单元,同时能够对市场、供应商和合作伙伴进行响应的IT系统和业务。

自进入海量数据时代,在上层业务与下层IT基础设施中间的数据管理层,日益成为企业架构的挑战。韩忠恒介绍,在《重塑数据信心》调研中,受访企业普遍表示卓越的数据掌控力能够带来众多优势,其中最明显三项分别是提高客户忠诚度、提升品牌价值和改善运营效率。然而,目前来看,很多企业在管理海量数据时仍然面临挑战,特别是超过60%的受访者希望加强数据管理能力,以获得有意义的业务洞察。

韩忠恒强调,今天的企业数字化转型,核心技术在于数据管理和治理。以智慧城市建设为例,智慧城市是一个高度复杂的多业务、多任务、多主体的体系,必须在智慧城市建设一开始就设计和预置数据DNA,融合结构化数据和非结构化数据的融合数据平台将成为智慧城市的关键性平台。而甲骨文公司在亚太区的很多智慧城市方案,都是从数据库和数据管理平台开始创建的。

在下一代企业架构中,数据管理和治理是关键性的技术平台,而基于人工智能和机器学习的自治数据库技术和平台,将是下一代企业架构的核心技术。

下一代企业计算平台

(融合企业架构)

在下一代企业架构概念的引领下,甲骨文一直在研究和开发下一代企业计算平台。特别是在2006年云计算和公有云时代开启后,新型的云计算模型与传统企业IT计算模型相结合和融合,为企业提供统一而一致的数据管理和治理能力,成为了下一代企业计算平台的差异化竞争技术。

Oracle Exadata是为运行Oracle数据库而专门优化的一体化软硬件集成平台,可运行所有类型的数据库负载,包括联机事务处理(OLTP)、数据仓库(DW)、内存分析以及混合负载整合等。在甲骨文 2018 财年,Oracle Exadata在多负载领域(如 OLTP、Analytics 和 IoT),获得了包括金融、零售、电子制造和电信等多行业客户的广泛采用,创下甲骨文公司产品销售的新纪录。

韩忠恒强调,每一代Exadata产品都致力于提高性能和自动化的期望标准,减少数据库管理员(DBA)的专业知识、技能、知识和经验要求,从根本上减少DBA和用户的时间浪费并不断降低总体拥有成本(TCO)。每一代Exadata产品都成功地提高了这一标准,极大拉开了Exadata与其它所有数据库系统或白盒之间的距离。2019年是Oracle数据库一体机Exadata推向市场十周年,新一代Exadata X8也是第九代Exadata产品,带来了突破性的软硬件性能提升和机器学习功能。

Oracle Exadata X8 引入了多种独创的机器学习功能,例如自动索引能够随着使用模式的改变而不断学习和调优数据库。采用了与 Oracle 自治数据库相同的技术,Exadata X8实现整个机器学习流程的自动化,用户不需要手动调优便可大大提高数据库性能。此外,Exadata X8 还新增了自动化性能监控功能,该功能集合了人工智能和甲骨文多年来的性能诊断实战经验,可自动检测性能问题,无需人工干预即可找出问题根源。

韩忠恒表示,Exadata X8 所引入的Oracle自治数据库技术,采用突破性的机器学习技术,以更低成本提供前所未有的可用性、高性能和安全性。Oracle自治数据库是一款集自治驾驶、自治安全和自治修复功能的数据库,包括自动打补丁、调优和升级,确保关键基础设施的自动化运行,带来现代化的云端体验,特别是支持运行时同步扫描安全威胁及更新,从而有效防范网络攻击和数据失窃。

作为已经具有十年历史的融合一体机产品,如今的Oracle Exadata已经可以在企业内部数据中心以企业IT和私有云的形式落地,也可以在Oracle云基础设施以公有云方式对外服务,或是以Exadata公有云本地部署的方式架设到企业内部数据中心但仍由甲骨文负责管理。最新的一种方式,则是把Exadata一体机置于第三方云IDC的园区内部,与多种公有云的IaaS区域接壤而临,形成Co-location混部方式,这样能极大降低Oracle Exadata与其它公有云之间的时延,特别适合对数据处理时延要求高的应用场景。

著名的市场咨询公司WIKIBON认为,整合了AI能力的Oracle数据库19c以及Exadata平台将成为“游戏的改变者”。WIKIBON推荐Exadata X8作为使用Oracle数据库的关键任务工作负载的缺省x86平台。当前有众多新兴的开源数据库技术,但WIKIBON认为它们都无法取代传统SOR(System of Record)记录型系统的工作负载和数据库,而现有的公有云数据库也不能像Oracle数据库那样能够很好的处理SOR型工作负载,加上转换和迁移的风险及成本巨高,WIKIBON也不建议企业进行这样的迁移和替换。

把Oracle数据库应用部署在Oracle Exadata平台上,从Exadata X8和Oracle自治数据库开始,代表了下一代企业计算平台的发展趋势。集甲骨文40多年引领企业级数据技术的创新与经验,Oracle自治数据库和Exadata数据库一体机正在帮助企业发展数据资产,在数字化转型和数字经济大潮中胜出。(文/宁川)

2019-08-18

2019年,工业互联网首次进入政府工作报告,2019政府工作报告专门提及“打造工业互联网平台,拓展‘智能+’,为制造业转型升级赋能”。最近工业互联网非常热,一是“智能+”对工业转型升级的重要性,二是在科创板开市之后,与工业互联网、产业互联网相关的科创企业在不断进入科创板上市的行列中。此前对工业互联网有大量讨论,但还有很多困惑和发展不清晰之处。在钛资本新一代企业级科技投资人投研社第24期,寄云科技创始人&总裁时培昕分享了工业互联网如何赋能高端制造,释放机器潜力。

时培昕博士毕业于北京邮电大学信号与信息处理专业,是国内早期从事云计算、大数据和工业互联网相关领域研究推广与应用的专家。2013年创建了工业互联网公司寄云科技,帮助石油能源、电力能源、轨道交通和高端制造等领域企业实现数字化转型,包括故障诊断、故障分析预测、可靠性分析、产线优化、产能提升等工业互联网解决方案。时培昕对工业互联网领域的前沿技术、行业动态、客户需求有独到的见解,开发了国内领先的工业互联网平台——NeuSeer平台。

工业互联网两大典型玩家

工业互联网主要由网络、平台、安全三大部分组成,其中网络是基础,特别是5G低时延网络是保证工业互联网的基础,而数据和平台是工业互联网的核心,安全是保障。

工业互联网厂商非常多,从最基本的连接端到云服务端,从IaaS端到PaaS端再到工业数据分析展示和可视化平台再到具体应用场景,设计仿真、生产优化、运营管理、资产运维、能耗管理、采购优化等,都是在工业里利用物联网的数据采集和大数据分析后才能创造出的应用场景。

两个比较典型的工业互联网玩家:

第一个是提出工业互联网概念的GE旗下Digital部门,提出“通过发掘数据的价值实现高效的产出”。不幸的是GE已经在2018年开始出售Predix,主要原因有几个:一,GE Digital受到燃机、油气、电力等系列主营业务的市场疲软影响;二,低估了工业企业数字化进程的难度;三,过于强调云平台和IT能力,忽视了客户对应用的需求,盈利模式不清晰;四,进行的并购和整合并没有达到通过一个平台统一不同的应用软件和交付能力的有效目的。GE Digital的规划目标,是希望通过Predix平台结合应用Operation Performance Management(运营绩效管理)和Asset Performance Management(设备性能管理),通过设备的健康和可靠性管理、合规性管理、资产优化、策略优化,以达到运营性能的管理,包括提升运营效率、实现过程优化等。

第二个玩家是Uptake,是公认的工业互联网领域的标杆创业公司。创立于2012年,Uptake做的很多事都在模仿GE Digital,包括招募了很多GE Digital的原班人马。其主张也是通过工业物联网的数据分析,实现高效的资产性能和运营效率的提升,提供的方案也是平台加应用。在平台层,不仅提供相应工业的基础能力,也提供AI和机器学习引擎,把算法变成目录和订阅的方式以快速实现数据分析,并在上面实现快速应用编译和部署,最后形成应用和行业解决方案。应用主要有两类,一类是通过数据科学、人工智能的方式实现资产性能的提升,另一个是通过提升资产性能提升运营效率,都与GE非常像。

Uptake在2018年11月份收购了一家APT(Asset Performance Technology)公司,这家企业提供了800多种类型的设备、1000多万种不同部件的失效模式。FMEA失效模式分析有什么用呢?可以非常清楚地定位出设备有多少种故障现象,每种故障现象应该采取的应对措施和寻找相应根因形成维护策略。还有Uptake另外一个应用,通过AI实现销售线索、服务需求、工作流效率的优化,主要是针对设备制造商提供一整套业务流程优化引擎、提高销售业绩和客户满意度。

比较典型的案例:第一个是为卡特彼勒开发一套设备联网和分析系统,采集设备的各类数据信息,联网监控的同时分析预测设备可能会发生的故障,以提前应对;美国一家Class1的火车公司,在美国有大约一万四千个火车头,Uptake帮助其通过人工智能预测性维护,每年节省4700万美金;AMEREN是美国一家发电厂,每年用了Uptake的人工智能应用平台帮公司节省990万美金;PaloVerde是一家核电厂,每年Uptake帮其节省1000万美金;Uptake还帮助某个重型机械经销商每年提高850万美金的收入。

这几个案例是工业互联网里比较典型的应用场景,围绕大型设备的资产性能,利用数据分析实现设备可靠性的提升,进而提升整个过程的运营效率,创造更多的价值和利润。

工业互联网的核心技术有四个:一,边缘计算是有强刚需的工业应用场景,通过边缘端的实时数据采集、云端的数据分析和应用开发以实现高效协同,是云端应用对边缘端实时数据采集的响应和控制过程;二,大数据平台也非常关键,以前的工业数据都是小数据,很多数据处理都在边缘完成,并没有汇总起来进行相关性分析和统一趋势分析,因此实现应用和数据解耦的大数据平台也很关键;三,数字孪生,即通过数据化方式为工业设备定义数据结构,结合数据分析对设备的过去、当前和未来进行深入的洞悉,完成设备从物理向虚拟环境映射的最关键描述;四,通过专家经验+人工智能的方式,基于专家经验指导的大数据样本标注,通过人工智能算法训练开发相应的故障诊断和预测模型,实现精准判决。

工业互联网三大高端制造应用场景

什么是高端制造?高端制造与中高端制造、中低端制造不一样之处在于:一,生产过程基本上都是连续的,比如流程制造;二,需要众多不同大型设备的高效协同,属于复杂工艺。像石油、电力、石化、光电、半导体等高端制造的可能有几百个不同的子生产过程, 需要保证每个生产过程都得到严格的管控,才能完成最终预期的产出;三,高度自动化的生产过程,可以根据实时采集的各种工况参数,对控制过程进行自动化的实时响应;四,对质量、产能、风险、成本等的精细化管理要求极高,需要非常精准的过程控制和结果检验机制。

工业互联网在高端制造里应用场景很多,而当前的高端制造普遍呈现资产密集、资产性能优化空间大,数字化程度高但数据利用率低,经验驱动、缺少科学决策能力的局面。通过结合工业互联网的赋能,即资产性能管理、运营效率提升、能源管理优化、安全生产环保、工业控制安全,可达到:一,提高资产运营的效率,降低非计划停机带来的风险影响;二,提高资产利用的效率,降低排放、降低能耗、提高安全生产、实现环保,构建产业生态。正是因为高端制造普遍的体量都比较大,所以哪怕提高1%,都能创造巨大的价值。

高端制造的工业互联网的核心不是数据采集,而是一层一层传递的数据的价值。工业互联网平台,能够起到加速整个价值传递过程的作用,一方面能够汇聚来自不同设备和业务系统的数据,构建数据中台,对数据进行规范和治理,以及针对离散化、场景化的数据分析;另一方面,它也提供了大量的跨应用系统的能力重用模块,让应用的交付、数据的分析变得更便捷和更简单。

相对于传统的PLC、DCS、MES或ERP这些传统的IT和OT系统,工业互联网应用着眼点放在了新技术解决老问题上,它通过运用物联网、大数据、云计算和人工智能等先进的IT技术,去解决原先由于数据量、数据处理能力、实时性等限制而不能得到很好解决的设备可靠性、工艺质量以及企业经营决策等方面问题,可以说是原有IT和OT系统的升级和重构。

高端制造的工业互联网应用非常离散化,应用场景主要是三类,设备资产管理、运营性能管理和生产经营决策。资产性能管理的目标是提高资产(也就是设备)的可靠性,避免非计划停机;只有保证了设备的可靠性,才能保证运营过程中的产能、质量、成本的有效提升,才能优化运营指标;而只有保证了运营效率的提升,才能实现企业经营利润的提升和经营风险的规避,所以这三层是通过数据的价值环环相扣的。

应用场景1:资产性能管理。大型高端制造都有关键的大型设备,这些设备在连续生产过程中的停机风险,会造成很大影响。普遍来说,进行有效设备维护的策略有:一是被动式维护,就是坏了再修,这种维护成本最高;二是预防性维修,为了避免被动维修引起的设备停机停产,现阶段采用较多的是预防性维修,也就是定期保养;三是视情况维修或基于状态维修,因为前两种的成本相对比较高,因此采用振动分析、红外、超声等检测仪器,对关键设备进行相应的判决和检测,基于检测的结果决定是否要维修,提前修还是推后修;四是预测维修,基于海量数据分析对设备的实时状态做评估,再决定是否要维修;第五,RCM或基于风险评估,结合实时数据对设备保养策略的一系列计算,得到基于风险管控的维护策略,实现更精准的维护。目前GE和Uptake已经做到了基于可靠性的维修或基于风险维护的完整策略。

现在的问题是:一,无法实现实时的判决和诊断,无法根据动态的工况进行调整;二,无法实现精确的故障定位,无法实现精确的指标计算;三,无法实现精确的寿命预测,无法实现预测性维护;四,无法积累、优化和复制专家经验,无法实现知识的自我学习和进化。

资产性能管理系统主要涉及三方面:一是数据,即机器的实时数据、历史维护记录、失效记录、产品手册等;二是机理,像FMEA、控制理论等基本的工业模型;三是数据分析,变点检测、时序预测、聚类回归、机器学习、神经网络等结合在一起,才能产生一个相对完整的设备资产管理系统,实现实时监测、故障诊断预测、可靠性管理等一系列功能,最终目标是降低停机概率、降低运营风险、实现更快的响应能力。

怎么利用数据分析实现资产的高效性能分析呢?主要还是利用机器的数据。基于机器的历史数据可以构建不同状态下的历史数据样本,开发各类故障的特征模型,与当前传感器数据进行对比,从而对当前的设备进行实时的健康评估。基于历史数据也可以构建性能预测指标,通过对比指标就可以知道设备未来在什么时间可能会出问题,可以计算剩余寿命以优化维护策略。

应用场景2:运营性能管理。在工业生产过程中有很多设备都产生数据,像工艺数据、质量数据、维护数据等,都可以通过工业互联网平台采集出来,做工艺参数优化、良率优化、虚拟量测、关键指标建模、燃烧环保优化、能源管理等一系列分析。通过实时采集生产过程中设备、工艺、质检、环保、环节数据,结合数据挖掘和人工智能分析,可以实现生产工艺、品质还有运营效率全方面的优化。

举几个简单例子:

一,工作模式自动识别。在运营中对设备的工作状态进行识别,只有识别了不同的工作状态才能区别出在不同工作状态下的工作效率和关键KPI指标,这种识别原来全是手动识别或是专家经验识别,现在完全可以通过机器学习再结合专家经验的方式提取规则,创造自动识别的过程。

二,异常检测。由于能够区分不同的工作状态,才能对不同的工作状态设一个稳定值,这叫SPEC值。一个设备可能工作在不同的SPEC和不同的工艺过程下,所以每个工艺过程要区分不同的工作状态,才能知道应该改进哪些关键工艺参数。

三,根因分析。根因分析就是有多少种原因会导致最终的不良或排放、燃烧等关键指标低下。这种根因分析往往是在不同时间维度上产生的,可能几个小时之前的一个工艺参数会导致最后生产结果的质量、品质或关键指标的劣化。数据分析需要把不同时间维度的海量数据结合在一起,通过相关性分析、相似度搜索等数据分析的方式,匹配到最有可能产生问题的一个匹配关系上。

四,SPEC的快速确定。在不同工艺上,比方说85%、70%、65%的良率情况下对应不同的工艺参数范围,很多时候都需要从历史数据中找出相应特定条件下相关信号的工作范围,进而确定相应的SPEC值,这有助于帮助一个企业快速投产、快速从小批量生产进入到大批量生产的加速过程。

五,稳定性控制和评估。在关键的生产过程中,有一些海量产出关键指标,比如半导体生产过程中的CD值,即关键的线宽要保证在一定的范围内抖动。利用数据分析,通过SPC进行稳定性控制,实现相应的过程控制,以保证关键过程产出的稳定性。

六,工艺仿真。在确定了输入和输出之间的关系后,能否通过回归或者神经网络找到一个线性、非线性的模型,当最终检验结果的良率从85%掉到70%时,调整输入到某个关键值就能把良率从70%再拉回到85%?这些都可以通过海量的工业数据分析实现。

以上这些都是围绕着实时工艺的数据采集、分析、建模的过程。通过运营效率的提升、数据分析、高效的运营规划,尽最大可能的提高工厂的产能和利润,包括结合财务指标、价格曲线、降成本等都能实现完整的分析。只要利用好数据分析,就可以产生极大的提升,很多时候创造的效能远远不止1%。

应用场景3:安全生产管控。这部分主要针对能源化工等高端流程制造企业,通过采集设备端DCS的实时数据,结合检测系统、业务系统和外部数据,通过大数据、人工智能、机器学习等先进的信息技术,实现包括危险源在线监测、工艺参数实时告警、危险场景态势感知、重大风险预警预测在内的全面的安全生产管控,达到企业经营风险和经营利润的最优平衡。

对于一个大型的发电厂或者大型化工企业,实时数据可以达到每秒钟几万到几百万万数据点。一方面,很多关键设备的关键工艺参数、环境参数以及外部的危险源,仅靠人工巡检、实时监控和专家经验判断,是根本无法全面、实时的企业级别的安全管控要求。通过大数据的方式,进行采集海量的实时数据并汇总、分析,基于历史数据构建起预测和风险模型,不仅能构建起全面的防范体系,还能对关键的监控参数以及风险事件进行预测。

另一方面,通过将不同发电厂、化工企业的实时数据汇总到集团的工业互联网平台,不仅能实现对关键工艺参数、关键风险源、风险事件的管控和指挥,也有助于集团层面实现跨企业的对标分析和优化,并实现对下属单位生产、耗能、排放等数据的实时采集,降低数据失真带来的经营风险,从行政管控转向数据驱动的智能决策。

总的来说,高端制造行业工业互联网的核心,在于工业数据的分析,而不在于工业数据的采集。虽然国内有很多的工业互联网厂商,但大多都在做基础数据采集和展示。数据采集固然很重要,但在面对不同类型的企业时,优先级有很大区分。中小企业可能要看关键的几个指标做一些告警就够了,但高端制造客户还要实现对设备状态的可靠性分析、运营效率的分析、性能和良率预测等复杂的数据分析。

钛资本研究院观察

工业互联网领域将出现新的“BAT”,但这将是一个长期的过程而不会一蹴而就。众所周知,工业是一个高度复杂和碎片化的产业,每一个细分领域都需要专门的工业知识与实践积累。长期以来,BAT虽然一直想进入工业互联网领域,但由于难以形成一个大而全覆盖的平台,因此很难像主导消费互联网那样主导工业互联网的发展。

而在另一方面,工业是中国的立国之本,是实体经济的主战场。现在的中国工业大而不强,自主创新能力不强,产品还处在中低端,供给能力明显不足。我国工业还存在着被空心化、边缘化等问题,亟待转型升级。而中国工业门类齐全,有41个大类、191个中类、525个小类;体量巨大,年增加值30万亿元,世界第一。无疑,中国工业的数字化转型是一个巨大的ICT市场,存在着巨大的机会。

工业数字化转型包括智能制造和工业互联网两大战场。其中,智能制造主要是为制造设备和工厂等实现智能化、数字化和自动化,主要是将信息技术(IT)、数字技术(DT)与生产制造操作技术(OT)相结合。由于不同工业领域的特殊性,智能制造更多是面向细分工业领域的技术和解决方案,难以形成较大的创业机会。而工业互联网则是一个巨大的平台性机遇。不过需要注意的是工业互联网是互联网与物联网相结合的产物,同时融入了云平台、大数据分析和人工智能等新兴科技,是工业环境下人、机、物、企业、生态等的全面互联,而不是简单的互联网模式,也缺乏相关的标准。

值得一提的是,2019年6月28号,国际电信联盟未来网络与云计算工作组(ITU-T SG13)会议在瑞士日内瓦召开,由工业互联网产业联盟(简称“联盟/AII”)理事长单位中国信息通信研究院主导的国际标准《工业互联网网络架构与技术要求(基于未来包交换网络演进)》在会议上成功立项,这是包括ITU、ISO、IEC在内的国际标准化组织启动的第一个工业互联网国际标准项目。

随着5G的商用和第一个工业互联网国际标准项目的立项,2019年有望成为工业互联网启动之年,从前几年的概念热炒进入到了逐步落地的阶段。而在工业互联网领域各自为战的信息化企业和创业公司也在充分利用并购整合的策略快速成长占领市场,力争成为中国版的Uptake——工业互联网标杆企业。从现在开始关注工业互联网的创业公司和创业项目,不失为进入工业互联网赛道的最佳时机。

2019-08-17

众所周知,Surface是微软开创的一个PC/笔记本电脑/平板电脑的高级硬件品类,是微软自行设计和研发的软硬结合的Windows硬件。Surface、Surface Book、Surface Pro、Surface Laptop、Surface Go等,都以微软官方产品的形象,向业界传递了Windows硬件的发展方向。自从Surface问世以来,联想、Dell、HP等第三方厂商纷纷跟进推出了类似的产品,由此开创了一个新的机型方向。

如今,在人工智能领域,微软也采用了类似的方式。自2014年由微软(亚洲)互联网工程院推出的人工智能技术——基于情感计算框架的微软小冰,至今已经发展了5年的时代,经历了六代技术的更迭。2019年8月15日,微软又推出了第七代微软小冰。如果说直到第六代小冰都是微软摸索情感计算类人工智能技术方向所推出的自有技术,那么从第七代微软小冰开始就试图吸引第三方厂商的跟进——推出类似的情感计算类人工智能产品。

在第七代微软小冰发布会上,微软推出了名为“Avatar Framework”的开发工具包版。简单理解,这个开发包是一个类似SaaS的开发平台,让第三方开发者通过简单的配置就可以开发出自己的“小冰”。据介绍,该工具包与微软小冰框架同源,可轻松构建具有完整情感计算能力的人工智能助手、社交对话机器人、人工智能内容创作和IP人物角色等;该工具包还包含对话、声音、视觉、观点、技能、知识及创造力等丰富工具,并可驱动兼容的3D人物模型进行实时交互。

在本次发布前,微软已通过Avatar Framework框架,赋能软银Pepper等数十个第三方客户AI以及微软小冰自身,第七代微软小冰发布会上还宣布了微软与阅文集团针对100部小说主人公IP的合作。微软(亚洲)互联网工程院副院长、小冰团队总负责人李笛在会后接受采访时表示,希望3年到5年后,业界开发人工智能产品都绕不过今天小冰提出的Avatar Framework。李笛认为,除非遇到竞争,否则Avatar Framework将出现在未来绝大多数成功的人工智能产品上。

Avatar Framework框架类似于一个在线的开发平台,主要包括四大部分:Profile人格设定;对话、声音和视觉能力设定;三观、创造力、技术与知识设定;三维形象建模等。首先是Profile工具,即为第三方“小冰”进行画像建模或人格设定。开发者只需要通过点选的方式就可以从IQ和EQ两个方向为第三方“小冰”完成人格设定,目前支持76项基本信息和27项性格特征指标,通过参数调节可以打造出各种各样、形形色色的人格,甚至可以塑造社交恐惧症人格。

在对第三方“小冰”完成人格设定的基础上,Avatar Framework提供调节核心对话引擎、计算机语音、计算机视觉等能力,让第三方“小冰”具备对话、声音和视觉等能力。其中,对话是开放式的对话能力,而业界到目前为止的人工智能商用框架则是提供基于问答的闭环式对话,也就是给定问题和答案的相对固定式对话类型。而微软则通过生成模型、共感模型等让第三方“小冰”具备开放式对话能力,可以与人类用户进行开放式探讨、调侃等对话。而在声音的训练方面,Avatar Framework让第三方“小冰”可以具备与人格设定相对应的声音,而不是业界现在通用的呆板的电脑合成声音。

为了让第三方“小冰”能够具备高级人类智商和情商,Avatar Framework还提供了“三观”设定工具,可以设置第三方“小冰”对大千世界的三观。例如,Avatar Framework提供了10个问题的设置,开发者只需提供相应的答案,就可以让第三方“小冰”具备自己的爱情观。而在创造力方面,此前微软与中央美院合作,虚构了7个人工智能画家,彼此有着截然不同的人格设定,例如其中一位叫艾德玛·莫里索的“女画家”就有着北非的生活经历,其作品体现出了非常明显的北非印象派风格。

而在三维建模方面,Avatar Framework同样提供了丰富的选择,甚至可以细致到第三方“小冰”在生气时候究竟是淡淡的愤怒还是愤怒到爆炸的感觉,还可以选择习惯性动作、标志性动作等。当然,第三方“小冰”的三维形象建模,也是与其人格设定相一致。

此前,微软小冰作为官方品牌已经在全球多个国家,覆盖6.6亿在线用户、4.5亿台第三方智能设备和9亿内容观众;在交互场景大幅度拓宽的情况下,微软小冰与用户的单次平均对话轮数(CPS)仍保持在23轮。微软小冰已经与华为、腾讯、小米、今日头条、vivo和OPPO等合作伙伴展开共同项目,把微软小冰引入多个智能硬件、互联网和社交网络平台。微软小冰还于2017、2018年分别上线了全双工语音交互感官的传统电话及智能音箱设备落地,此次新增了车载场景,极大丰富了车载人工智能助理的情商、智商与互动能力。

与Surface不同,微软宣布小冰将继续坚持“第三方平台”发展策略,而不推出独立的第一方产品形态。如今,微软与第三方软件、硬件和互联网平台等合作中获取的经验与实践,都将通过Avatar Framework赋能给第三方厂商。本次Avatar Framework发布的面向合作伙伴及客户的版本,预计将于2020年春季发布面向个人使用者的版本。

Avatar Framework能否开创人工智能产业的商用情感计算高级品类?能否像Windows那样成为人工智能产业的“操作系统”?或者像Visual Studio那样成为人工智能产品的通用型开发平台?至少在情感计算这个人工智能研究和研发的高级方向上,微软已经遥遥领先。(文/宁川)

2019-08-14

(江苏交通控股信息中心副主任周宏在CIC 2018云计算峰会上)

“原来你是这样的国资企业!”江苏交通控股集团(以下简称:江苏交控)从2012年开始上云,2016年10月成立信息中心后开始大规模上云,信息中心成立后没有采购过任何硬件而且信息中心只有6个人,却能管理整个江苏省内高速公路的运营系统,其中只有一人兼职管理基础设施。2018年9月,江苏交控进入了IDC的2018中国数字化转型大奖名单,凭借协同指挥调度云平台获得信息与数据转型领军者奖。

江苏交控从上云伊始,就经过慎重选择与青云QingCloud公有云合作。江苏交控主要负责江苏省高速公路、铁路、机场、港口、码头等重点交通基础设施建设的投融资以及江苏省高速公路、过江桥梁的运营和管理等,目前管理全省87%的高速公路,下辖33家单位;至2018年底公司全口径利润总额约占江苏省属国有企业40%以上,公司资产总额4700亿元、净资产2000亿元、利润总额159.4亿元,净资产在省属企业中名列第一。

而江苏交控背后的公有云合作伙伴——青云QingCloud成立于2012 年4月,自成立伊始就专注于企业级市场,以专业的服务、产品和技术等推动企业上云和数字化转型。2019年7月17日,青云QingCloud推出升级版MySQL Plus云数据库,满足不同企业对关系型数据库的需求;7月25日,在一年一度的Cloud Insight Conference(CIC)2019云计算峰会上,进一步推出ChronusDB时序数据库、PolonDB分布式数据库、QingCloud统一运维运营平台、SDN 4.0、QingCloud IoT平台与EdgeWize边缘计算、QingStor融合存储、超级混合云解决方案等在内的多款新品及重大产品升级。

青云QingCloud CEO黄允松在CIC 2019上强调,青云QingCloud是“公、私、混、托”一体化云平台,以丰富而高度产品化的技术和服务而成为企业数字化的“小能手”和“百宝箱”。

“小能手”:专业的企业级服务

青云QingCloud致力于好用不贵的“云”,降低企业上云的门槛,同时以专业服务推动各类型企业数字化转型。青云的专业服务体系针对公有云客户和“私有云、混合云、托管云”两类客户群体所组织,针对不同客户的需求特点设计了不同的专业服务类别,特别是帮助企业在“公、私、混、托”之间无缝切换的“小能手”。

针对公有云客户,青云专门设立了工单系统,不论是什么规模的公有云用户,都有青云QingCloud工程师的专业而迅速的工单支持。也就是说,青云QingCloud公有云为企业客户服务保障了工程师工单支持的专业资源,所提供的标准产品支持服务,无论是呼叫中心、远程支持还是开发支持,都由青云QingCloud工程师直接提供支持。

对于青云QingCloud来说,公有云工单系统是互联网企业上云和传统企业数字化转型的重要保障之一,为此青云QingCloud公司管理层会直接督导工单的响应和质量。而对于企业客户来说,运维硬件基础设施已经不再是必须做的事情,因为公有云提供的是计算能力而不是计算机、提供的服务能力而不是服务器。因此,专业服务、技术能力和用户体验是企业级专业度的重要组成部分。例如,截止2018年,在与青云QingCloud公有云合作的5年多时间里,江苏交控总共提交了700多各类型的工单,其中包括200多条建议类工单,绝大多数都被青云QingCloud采纳并实现了。

而对于私有云、混合云和托管云服务的客户来说,青云QingCloud则提供售前咨询、产品购买、项目实施与验收、产品维保、驻场服务和驻场支持等专业服务。在售前的解决方案设计及咨询方面,青云QingCloud可以为客户进行云计算平台规划及方案、行业云整体规划及运营运维方案、企业应用云化及迁移方案、企业PaaS服务建设方案、企业灾备云建设方案和企业桌面云建设方案等设计;在项目实施阶段,则提供软件实施服务、咨询服务、定制开发服务和技术培训服务。

作为专业的私有云项目实施方,青云QingCloud为客户提供了标准交付物,以确保整个交付过程的顺畅与便捷,而标准交付物就包括了项目计划、系统实施方案、用户手册/管理员手册、功能测试报告/性能测试报告和验收报告等。通过这些规范化的文档,青云QingCloud确保企业级客户可以顺利完成Day 1部署以及快速展开Day 2运营。

对于企业客户来说,上云和熟悉青云QingCloud产品还需要一个过程。为了加快进程,青云QingCloud完善了各种培训,包括售前的青云QingCloud产品认证培训、合作伙伴青云QingCloud解决方案培训、企业应用上云实践培训等,以及实施阶段的青云QingCloud平台用户培训服务、青云QingCloud平台管理员培训服务以青云QingCloud架构师培训服务等。

专业服务是互联网企业和传统企业上好云、用好云的基础,也是青云QingCloud“小能手”的重要能力体现。对于企业上云和发展数字业务所需要的“公、私、混、托”每种能力,青云QingCloud都提供了相应的专业服务,并通过全栈、全维的专业服务赋能企业的数字业务。如今,专业服务和全栈全维能力已经深入青云QingCloud每一位员工的观念中,成为青云QingCloud的企业文化和价值观。

“百宝箱”:专业的企业级产品

专业的企业服务能保障企业客户更好地使用云产品和技术,而专业的企业级产品则是企业数字化转型和成功上云的基石。在互联网企业和传统企业上云过程中,如何满足各种企业级要求就体现了产品的专业性。

在计算产品方面,青云QingCloud陆续推出了基础型、企业型、专业增强型三大品类云主机,覆盖了主流的企业云计算应用场景。特别是青云QingCloud专业增强型主机被设计为满足企业的高等级安全等要求——面向企业级用户全新升级的vCPU独享型虚拟主机,满足企业用户对CPU主频及网络吞吐性能有极高要求且需要独享vCPU资源的应用系统,特别适用于企业核心数据库、线上关键业务等应用场景。

在存储产品方面,青云QingCloud对象存储同时支持公有云和私有云交付,具有企业级的高可靠、高可用及高性能等特性,可支撑丰富的业务应用和大数据分析系统,自上线以来为数万家企业提供可无限扩展、安全可靠、低成本的通用数据存储服务。而QingStor NeonSAN块存储,能够满足企业核心数据库集群OLTP/OLAP、虚拟化、大数据分析计算等应用的存储需求。NeonSAN通过多副本实时同步写入技术实现了强一致性和高可靠性,高度保障数据的存储安全。CIC 2019上新推出的QingStor融合存储,能够同时提供专业级块存储、文件存储、对象存储,实现存储资源池统一、在线灵活调配容量和统一管理与运维,进一步满足了企业各类存储需求。

在网络产品方面,SDN软件定义网络是企业上云中管理多云环境的最新趋势,特别是加快企业引入新业务的速度、降低企业灾备成本等。青云QingCloud于2013年7月推出SDN 1.0,是第一家将SDN商用的云服务商,而刚推出的SDN 4.0则进一步在技术上追求极致。青云QingCloud的“公私混托”云是一套架构,协调性工作将由软件定义完成,而把重复性工作卸载给硬件,SDN 4.0即为这一理念下的产物,可实现VPC+SD-WAN灵活组网,还支持跨数据中心组网和IPv6。值得一提的是,青云QingCloud的SDN特别增加了硬件路由器的对接,可以通过专线直接连到用户机房,满足混合云的极致需求。

在数据库产品方面,QingCloud MySQL Plus的升级版推出了三个版本,满足不同用户对数据库的需求:基础版是面向个人用户或中小型团队用户推出的单节点数据库版本,以极高性价比适用于个人学习、小型网站、开发测试等场景;高可用版适用于大中型企业生产库、互联网、电商零售、物流、游戏等行业应用;金融版则适用于对数据安全性要求非常高的金融、证券、保险等行业的核心数据库。同时,QingCloud MySQL Plus 还增加了预留资源计费方式,支持1个月到3年的预留资源,用户根据自身IT需求进行合理规划,预留时间越长QingCloud也会相应的提供更高的折扣优惠,最低达4.5折。

而在CIC 2019上推出的 ChronusDB时序数据库,是青云QingCloud自研的一款高效、安全、易用,具备强大分析能力的时序数据库产品,具备超强的查询分析功能、高性能并发读写、低成本存储、丰富的时序数据处理能力、稳定可扩展等特性; PolonDB分布式数据库,是一款基于开源数据库Citus构建,兼容PostgreSQL生态,同时支持OLTP和OLAP(HTAP)的分布式关系型数据库。

除了计算、存储、网络和数据库等企业上云和数字化转型的必备组件外,青云QingCloud广泛的云产品“百宝箱”让企业客户“Wow”感觉不停:CIC 2019上推出QingCloud IoT平台,是青云QingCloud全新推出的一站式、全托管的物联网云服务,能够针对边缘场景配置,实现边缘节点的定义与统一管控,结合 QingCloud 云平台服务,对设备生成的数据进行收集、处理、分析和操作,帮助企业轻松构建 IoT 应用程序;EdgeWize边缘计算,能够将QingCloud云平台能力扩展至用户侧,以安全的方式在边缘设备上运行本地计算、消息收发、数据缓存与同步等功能,提供安全、低延时、低成本的本地计算服务,结合QingCloud云平台、光格网络SD-WAN,实现云边协同,构建“云、网、边、端”一体化平台。

青云QingCloud从一开始就是“公私混托”一套架构、一体化设计,在过去7年的产品进化过程中,不断把公有云的运营经验引入私有云,同时把企业私有云和企业IT的需求与公有云衔接和打通,让企业能够在公有云、私有云、混合IT和托管环境中无缝切换应用。例如QingStor NeonSAN采用全分布式架构设计,具备极强的扩展能力,无需中断业务就能支持容量和性能在线水平扩展,而NeonSAN在公有云以“企业级分布式SAN”的形式交付,因此NeonSAN的推出标志着企业的所有核心业务都能彻底云化。而刚推出的QingCloud统一运维运营平台,对应于QingCloud控制台的管理平台,可提供云平台整体运行情况的运维监控,帮助企业管理层、运维者和运营者进行高效的运维与运营管理。

面向企业客户的研发

青云QingCloud成立时的初心是:云计算从来不是“为云而云”,而是围绕企业需求解决实际问题。青云QingCloud CTO甘泉表示,通过私有云项目落地以及公有云的工单系统获得大量的实际用户需求,为青云QingCloud产品和技术研发提供了方向,再加上具备企业IT经验的青云QingCloud研发团队,形成了面向企业客户的专业研发体系。

Kubernetes 是业界公认的容器调度和编排标准工具,也是PaaS层的标准“底座”,但其学习曲线陡峭、安装部署复杂,在性能、安全、稳健性等层面存在诸多问题。作为重要的PaaS能力,早在2016年11月青云QingCloud的技术架构就可以支持容器技术,用户可快速部署和管理Kubernetes集群;2017年7月,推出基于Kubernetes的容器集群管理与编排应用,打造一站式容器服务平台;2018年7月,推出KubeSphere容器平台,降低用户使用容器调度平台学习成本,极大减轻开发、测试、运维等日常工作的复杂度;2019年4月,发布KubeSphere容器平台高级版2.0,提供全栈云能力;2019年6月24日,再次推出KubeSphere(QingCloud Kubernetes Engine,QKE)容器云,在 QingCloud 公有云上交付 KubeSphere容器平台全能力;在7月25日的CIC 2019上又推出KubeSphere高级版3.0。

青云QingCloud 应用及容器平台研发总监周小四表示,KubeSphere 是以Kubernetes为内核的企业级再造的商业容器平台,是企业需求与技术趋势结合的产物。KubeSphere 一方面具有 Kubernetes 集群管理的所有基本功能,提供多种经过社区众多开发者和厂商验证过的开源插件,支持多款存储和网络插件,以极简的使用体验满足用户日常使用;另一方面依托青云QingCloud 全栈云产品体系和生态实现性能最优,向下兼容青云QingCloud存储、网络以及负载均衡等产品,向上赋能客户 DevOps、微服务治理和应用管理的能力。

青云QingCloud 的产品研发特别是满足了江苏交控的一个潜在要求:一个功能齐全、灵活的云平台,公有云与私有云的架构须是同一套底层架构,两者的所有资源镜像与备份要能通用,例如KubeSphere/QKE就是一个平台打通“公私混托”环境。Forrester Research于2019年4月发布了《Now Tech:Enterprise Container Platforms in China,Q2 2019》,青云QingCloud旗下企业级容器平台——KubeSphere获评“全栈容器平台”。此外,KubeShpere还在“2019可信云大会上”通过了可信云认证。

进入2019年,青云QingCloud就进入了第7个年头,以青云QingCloud为代表的企业云创业公司正随着中国云计算市场的发展而渐入佳境——很多外省兄弟单位到江苏交控参观时想要看看机房,结果江苏交控说“对不起,我们一无所有。但是有了云,让我们无所不有,我们的所有系统都在云端”。这样一个创意并不是凭空想出来的,而是从实践中来——只有整体上云,才有机会抓住!

展望未来七年,青云QingCloud仍将坚守企业云市场、把云计算进行到底。青云QingCloud不想成为独角兽,青云QingCloud的目标是通过云计算让客户都成为独角兽、成为世界500强、成为全球顶尖的企业!(文/宁川)

2019-08-10

马克思主义经济学中有一条最根本的论述,生产力决定生产关系。就是说每一次技术的创新会带来生产力的变化,生产力变化会带来生产关系的变化,其中包括商业模式和组织机构的变化。这些变化同时映射到创新创业中,将形成新的创业和投资机会。

从人类发展角度来说,人类从最早的狩猎经济,发展到农耕经济,再到三次工业革命,以及整个社会从工业经济走向数字经济和互联网经济。随着AlphaGo战胜李世石,人工智能、大数据、云计算、区块链等技术进入到大众视野中,这时又提出了一个新的经济范式叫智能经济。智能经济是面向未来的预测或推测,是在互联网经济和数字经济基础上进行的演进,将带来很大的范式变革,其中孕育着很多创业和投资的机会。

在钛资本“新一代企业级科技投资人投研社”在线研讨会第25期,知名数字经济学家刘志毅分享了智能经济范式的变革。刘志毅,目前是中科院浙江数字内容研究院研究员、同济大学人工智能和区块链智能实验室(AIBI)研究员,曾担任百度搜索研究规划部高级战略规划经理、工信部华信研究院研究总监等职务。

智能经济技术范式

中国与世界

从麦肯锡发布的《中国与世界——理解变化中的经济联系》报告中的数据可以看出,到现在为止,中国在融入世界经济的历程中已经取得了巨大的进步,并且已经是具备全球影响力的贸易大国。然而在金融、贸易、文化等子领域的发展,除了体量的增长外,质量、内在结构还有一定的欠缺。目前中国与世界的经济联系正在发生一些改变,这个联系的增强和减弱都可能引起巨大的经济价值波动。

这种波动下,中国的新经济和传统经济的变化趋势是怎样的?从新经济的角度来说,高新技术产业、互联网产业等已经逐渐成熟,并且进入互联网的下半场后,市场总量天花板已经显现。以百度为例,整体战略从用户增长调整为关注用户使用百度系列产品的时间,可以看出新兴产业的天花板和发展瓶颈随着用户红利逐渐消失逐步显现,在消费互联网端更注重精细化的消费存量用户的运营,战略重心逐步向产业互联网端赋能的过程过渡。

从传统产业的角度来说,传统产业的效率瓶颈是非常明显的。以制造业来说,在过去40年,中国的制造业所形成的制造业网络,已经完成了从西方向发展中国家输出资本和技术的双层结构,过渡到西方提供技术和创新资本、中国提供制造和其它发展中国家提供原料和市场的双循环结构。在这个基础上,中国的制造业的效率需要有质的跃升,这是传统产业面临的问题。

在这种情况下,八组数据反映出,需要一种新的经济模式,一方面解决新兴产业天花板瓶颈以及不确定性市场的问题等,另一方面解决传统产业的效能问题。“智能经济”概念的提出可能是帮助中国经济转型的非常重要的一个切入点。

智能经济的生态系统

智能经济概念可以从两个角度来看待:

第一,从技术角度来说,过去十几年的互联网发展,在推动用户从传统的经济形态向新经济形态转移的过程中,构建了一个以数据、算力、算法为基础的新经济生态,这是过去数十年间互联网增长的一个基本逻辑和模型。所谓大数据、人工智能、“互联网+”等等,都是在这个信息化的逻辑当中衍生出来的。不同于以往的是,几次科技革命更多关注的是能量层面的技术革命,智能经济是一个关于信息层面的技术革命。因为传统的经济模式在新的数字经济下有了新的发展,因而新的经济模型是以数据流动的自动化来化解复杂系统的不确定性;

第二,从经济角度来说,更多的是从复杂网络、信息经济的视角理解。经济系统在传统经济理论当中是一个可以用数学模型拟合的模型,新经济系统理解的数学模型是一个更加复杂、更具备现实意义的数学模型。如何实现优化配置来支持经济的高度增长,如何通过研究数字经济的内在结构和模型来实现新经济的增长,同时将这种增长的模型和范式拓展到传统经济的领域?随着新经济对传统经济的影响越来越大,理解新经济以及新经济和传统经济的关系是理解未来经济的一个重要切入点。

智能经济所涉及的技术包括物联网、AR&VR、区块链、云计算&存储、人工智能、大数据。其中物联网、AR&VR、区块链技术关注的是智能经济中网络的部分,或者说是如何塑造虚拟经济的信息空间、如何塑造智能经济的空间等问题。移动互联网、互联网塑造的经济体不是完全存在于现实社会中,乃是存在于信息空间中,应该以关注关联产品的视角看待。因此,互联网端有两个最重要的经济模型:第一,网络经济的增长模型,就是通过网络的不断扩大化和规模化,实现信息不对称的不断消解,从而实现经济要素的快速流通和配置;第二,通过复杂经济学视角的分析,随着规模的扩大,而收益在递增,这和传统经济的观点是不一样的。正因为网络的收益规模递增效应,使得互联网、移动互联网能够持续增长。在关注下一代技术变革时,从网络角度来说,物联网就是扩展网络结点的范畴,AR、VR是在网络空间中抽象的构建一种和用户深度互动的信息空间,区块链是通过一种更加具备价值网络或信用网络的结构方式,帮助商业社会优化信用模式、解决商业摩擦,所以这三种技术的本质是从不同的视角推动互联网经济在规模和信息空间结构维度的扩散。

云计算&存储、人工智能、大数据等三种技术,更多的是从“能量”的角度推动智能经济的发展。在工业革命中能源是石油,而智能经济的底层能源是数据。数据所衍生出来的产业就是通过人工智能技术为代表的技术集群所塑造出来的,所以过去这十几年大家越来越关注数据、算法、人工智能,是因为在物质能量足够充分的情况下,信息空间中能量的视角是不一样的。在物质空间中,关注的是农业、工业所塑造的传统经济的能量范式,而在信息空间当中,所关注的是数据所构建的能量资源如何为智能经济提供一种新的价值创造方式。这里的核心观点,不是从概念层面简单的理解技术,而是从这些技术所代表的和经济互动的本质来理解。我们可以总结下,从网络结构的视角理解,智能经济就是构造了一个新的信息空间和经济空间,另一方面,从能量角度理解,用数据作为能源驱动智能经济的发展。

智能经济的技术扩散和网络化

从2000年到现在接近20年间,互联网发展的三个阶段也是理解这些技术概念发展的阶段:第一个阶段,是通过网络将现实当中的媒体信息包括商业信息,通过社交、电商、数字内容扩散出来,在这过程中实体行业被颠覆是由于信息不对称被慢慢解决,媒体的内容渐渐变得中心化,大众的注意力从传统经济延伸到了新经济体中;第二阶段,核心在于数字经济、智能经济不再仅存于网络空间,而是与实体经济发生了深度的互动,使得很多原有的产业的经济要素重新被配置,从信息层面重新得到规模上、质量上的重塑,从这个角度来说,新经济不再仅仅满足于自身的空间,而是与现实经济进行了互动,这也是数字孪生概念的本质,也就是通过数字、智能化的方法,将现实世界抽象模拟拟合出一个信息空间,然后完成一些更加复杂的经济活动;第三个阶段,随着大数据、人工智能、智能机器的发展,把原来消费经济中所沉淀的技术,慢慢落实到实体产业中,正因为这过程的发生,信息化和网络化的世界不再仅存于传统的互联网空间中,而是扩散到了实体经济中,所以现在越来越关注所谓实体行业如何赋能,如何建立工业互联网,如何通过产业互联网的模型推动原来产业生产关系的重塑等概念。

从投资视角来讲:在1.0时代关注的是纯粹数字空间里的机会,关注的是用户的增长、消费的增长,以及社交网络的扩散;到2.0时代,关注的是新经济和实体经济互动的内在逻辑,是某些信息经济的方法用在某些特定的实体产业,比如共享经济当中的打车场景、租房的场景,解决的信息不对称问题,然后带来了原有成本的降低和信息的快速扩散,包括智能硬件的发展等等;到3.0时代,关注的是产业互联网的变革中,智能经济所沉淀的技术如何为传统行业赋能,这时主体变成了实体行业,智能经济的技术提供方变成了一个辅助或者说变成了一个赋能的角色,关键就在于如何看待每一个实体行业,它的价值是如何产生的,是否真正的能够为智能经济所赋能。在这个赋能的维度上是否真正能够降低成本,以及提升网络规模效益,使得原有的资源配置能够得到优化,这是智能经济的核心。

从消费互联网到产业互联网

再来理解下从消费互联网到产业互联网的变革。消费互联网就是1.0时代和2.0时代所关注的衣食住行问题,以往可能关注的是纯粹网络的部分,以及网络和生活相关、用户相关的部分;到了下个阶段,关注的是如何为消费互联网提供更好、更优质、更满足需求的产品,这时所有的工作都集中在赋能上,所以智能互联、信息整合、数据决策和人机协作都是为传统行业赋能的一些可能方式。比如美国在为实体企业赋能的过程中,更多的是通过IBM、Oracle、EMC等传统的IT技术服务商完成的,但是中国这些IT服务商实际上不太成熟,而浪潮、用友等类企业的规模体量以及技术积累都相对有限,这部分转型赋能的角色就由在消费互联网端沉淀足够技术能力的企业开始完成。

所以下一个智能经济的浪潮,是由两股力量决定的:一股力量是来自于互联网自己的技术沉淀和积累,产生弯道超车的效应。在美国,亚马逊在相当程度替代了传统的IBM所提供的技术服务,而中国是直接用云计算、人工智能的服务模式为传统企业进行赋能,这是第一个弯道超车,直接进入下一代技术范式的情况;另一股力量在于传统产业在极短时间周期内得到了成长,在这个过程中,过度注重规模、对市场的占领,而不注重对网络的链接、构建生态等问题,就可能给新经济和传统经济的再度融合提供新的机会。所以中国是一个对新经济更具备信仰和信心的经济体,后发的国家往往对新技术、新概念、新商业生态的逻辑理解更加有接受力,而在传统的一些国家,可能就不太具备这个接受度。

简而言之,从消费互联网到产业互联网,对新经济体来说是找到了一个新的市场,将原有的技术沉淀和相应的方法论用到传统产业的一个契机,对传统企业是一个快速实现弯道超车、通过新经济提供的技术赋能来完成传统产业改造升级的一个非常重要的方式。所以2018年的时候提出了“新基建”的概念,就是在做新经济生态赋能传统经济的过程。

从消费互联网和产业互联网的对比来看,在做赋能的过程中,传统产业的企业由于提供的服务是面向不同企业的,与腾讯、阿里等大企业面临的问题有非常大的差异。基本区别有三个层面:

第一,产业互联网对链接深度的临界要求要远超消费互联网。在消费互联网过程中只要连接、网络规模扩大就可以;而在产业互联网中,单纯的连接是没有价值的,关键的是在连接过程中商业价值的流通。正因为如此,建立深度链接的成本是非常高的,在这过程中如何突破这种成本,如何让传统产业企业在接受过程中付出高额成本后得到相应的回报就非常重要;

第二,产业互联网与消费互联网运转在完全不同的时钟频率上。消费互联网中最重要的一个特点就是实时反馈,正因为实时反馈才产生大数据和一系列根据用户体验塑造的极致消费互联网产品的需求。但在企业端则有非常长的决策流程,快速的正反馈过程被割断了,对企业就需要重新理解这个商业逻辑;

第三,企业客户具有高度自觉的异质性。所谓异质性就是以往在消费端新经济企业提供服务时,更多的是以一种 “喂养”乌合之众的方式。就是说塑造的所有用户体验就是为了让消费端的用户上瘾,形成一种成瘾机制。比如用今日头条这种媒体产品,更多地是通过让用户更多沉浸到内容消费的体验中,这是所有产品经理所完成的功能。但是在企业端是高度自觉的,是难以被那种方式所教育的,企业的特殊性或竞争核心就在于差异性。所以这些消费互联网企业在提供异质性服务上,是否能够具备足够的竞争力、是否能够真正理解每个行业,这是非常关键的。

消费互联网到产业互联网的变革,实际上是从服务大众——提供高用户体验的产品,到服务企业——提供深度链接、深度定制以及能够自循环的完成商业价值传递的一个转变,这是一个非常重要的区别。

总之,现在正在面临一个新的技术变革驱动的经济周期,最重要的是:第一,新经济的技术变革推动了产业内在生产要素的重新配置。人工智能、大数据都是围绕数据重新配置相应产业的资源;第二,要关注到生产关系的变化,如何形成新的网络关系是很重要的。所以未来的企业都不是一个单独的企业实体,而是与上下游形成了小众经济体。而研究小众经济体的内在运行逻辑就是理解数字经济学企业模式的关键;第三,这个变革中,对传统企业和互联网企业都有相应的变化,不再关注消费互联网端成瘾机制、极致用户体验,而更关注的是在服务某些具体产业时,这些原有沉淀的技术是否真正的能够低成本、高效能地推动传统企业的变革,能否真正的在理解传统企业的基本逻辑和商业特点的情况下进行赋能。

所以在变革过程中,是技术推动了经济要素从新经济向传统经济扩散,与此同时,传统经济所面临的问题却不是新经济能够一蹴而就解决的。因此面临这种变革的同时,要做一个非常重要的认知转变,就是下边要说的数字经济学大局观。

数字经济学大局观

数字经济学理论涉及的方面很多,都与理解现在数字经济及未来的智能经济发展有非常重要的关联。

数字经济学包含三大理论体系,对应数字经济发展过程中遇到的三类问题:

第一个理论体系是价值网络经济理论,思考的问题是,数字经济与传统经济比较,增长理论、创新理论是如何形成的。过去理解数字经济,是通过传统经济的视角,生产要素的堆积、创新技艺的增长、技术驱动创新等概念,但数字经济非常重要的一点就是所形成的网络结构和技术创新与传统经济不一样,数字经济更多的是在一个网络化的社群和空间中构建的,而如何形成这种网络空间,它的出发点就是不一样的。传统经济更强调的是根据自利的驱动推动经济发展,数字经济是基于互利的驱动来推动经济发展。实际上因为要形成一种互利的生态,才会形成平台、价值网络、技术和经济的深度互动。简而言之,在数字经济学的基础理论部分,是用网络、信息、基于互利的视角来探讨在数字经济中如何实现增长和创新的模型;

第二个理论体系是数字经济资本论,与数字金融、金融科技有非常大的关联。数字金融与传统的金融理论有很大区别,因为传统的金融理论是先有经济体,然后在过程中逐渐形成货币进而形成价值交换,然后形成相应的金融理论和金融实体。对于数字金融:第一,是与实体金融相关联的,无论Facebook还是摩根大通,在进行区块链技术应用时,都是与传统金融关联的,所谓发行一些稳定数字货币或构建一种所谓数字金融生态,都是基于原有的金融生态做新的架构设计;第二,数字金融发展过程中,与技术是深度绑定的,在观察银行利用金融科技技术时,每一个技术的赋能都在降低金融流通过程中的成本。因此要先了解数字金融是如何形成的以及货币价值如何产生的。前段时间看到很多学者从奥地利经济学的角度在讨论区块链技术创造的虚拟数字货币的影响,包括相关的金融理论,那不一定是完全正确的,因为在民族国家的生态中,一定要考量到现行的金融体系是如何构成的,如何与现有的金融机构、金融监管进行协作使得数字金融体系更加完善;

第三个理论体系是共识政治经济理论,是数字经济发展过程中一些与政治经济相关的理论。“共识”不是指共识的算法之类的,而是如何形成在数字经济发展过程中的一些基本共识。比如:第一,人工智能伦理的问题,我们通过人工智能技术去判定、去利用某些技术场景的时候,比如无人驾驶等的法律关系如何成立、伦理关系如何去探索;第二,随着数字经济的发展,我们的权力边界得到了发展,比如有很多虚拟的数字资产包括社交帐号、实体经济内容被映射到网络后,产权的边界怎么约束、被继承、被传播。下一代互联网可能叫价值互联网,也就是传统经济的价值可能会被通过网络的方式映射到数字网络当中,它的边界以及应用场景其实是应该关注的一个问题;第三,信息技术与伦理学。过去几年,无论是Facebook还是谷歌,在数据权益的使用上都遭受了非常大的挑战,这里非常关键的就是数据隐私问题并不只是一个技术问题。当人类社会往前进步的时候,当人不再只有实体的身份,而是有一系列虚拟的数字身份的时候,人的权力其实很大部分都在数据网络当中,数据隐私会很大程度的影响人的生活体验,这部分的价值如何去界定,是需要讨论的问题。

简而言之,数字经济学理论考虑的:第一,商业经济的问题,就是技术和经济如何在内在逻辑结构中产生关系;第二,金融和经济的问题,数字化的金融正在改变,至少正在和传统金融一起构建一个不同于现在的金融生态。金融危机后,传统金融理论被置疑很重要的原因就是无法完全解决价值分配的问题,数字金融可能能够在普惠金融等等方面做出新的贡献;第三,是技术和人性、技术和社会的问题。技术在扩展过程中,其实是在不断地与人进行互动,这些互动需要通过伦理、法律等等方式解决。所以数字经济学是一个新的学科,解决的是现有的经济学理论不太关注和以往不关注的问题。

从商业角度来看,数字化时代发生了一个非常重要的商业范式革命:第一,市场环境变化了,从可预测变成不可预测,正因为如此才提出了智能经济,未来的经济系统是不可预测的、是复杂的、是无法预判的,需要通过技术、算法、算力用系统的方式应对复杂的理论、市场环境;第二,市场的产品属性价值不一样。工业化时代关注的是交易价值,数字化时代关注使用价值。下一代共享经济就是把实体的经济产权通过数字化的方式进行分离,然后重新分配相应的资源。以往的共享经济只局限于房子、车等比较单调的场景,就是因为价值还没有在网络中流通,随着区块链技术等的发展,价值能在网络中流通,资产能变成数字化的资产在网络中进行交易,使用价值就非常重要了,投资人关注的如何使用或更好地把价值进行分配;第三,商业思维的变化,原有的思维是线性的,即使在互联网时代更多考虑的也是用户规模的线性扩张或者指数性扩张,而数字化时代考量的是复杂思维,是很多因素的变化。比如一个商业模型的设计过程中,不仅仅有商业逻辑,还有社会逻辑,与产业上下游如何联动的逻辑,以及与社会的价值属性相关的逻辑。在一系列趋势的变化下,要重新理解商业,重新建立一种更加复杂的、跨界的、非连续的思维方式。

有两个经常被误解的概念。

第一个概念是平台。平台经济是随着互联网平台发展而得到关注的,但一个非常重要的差别就在于,以往的平台是一种简单的双边经济逻辑,而未来的平台或者现在已经构建的很多平台是一个多边经济的模式。这个平台经济不仅限于互联网,也建立于其它生态正在逐渐产生的平台,如何通过平台的方式产生更多的协同、更开放的网络,是传统企业和新经济体都应该关注的。在构建平台时:第一,要考量更多的价值取向,除了商业价值还有对产业、对政府、对社会的价值贡献等等;第二,平台经济往往出现在一些关键的产业领域,比如银行、交通,逐渐形成了一系列平台,但是这些平台原来是封闭的,未来会变成一种开放平台,比如智能交通或智慧城市,就是将平台的模式应用于社会治理方面,对新经济体的认知和模式从传统的纯粹经济消费领域扩散到社会领域。

第二个概念是生态。现有关于生态系统的描述还是比较单调的,因为更多强调的是生态概念。企业如何定位,商业效能如何发挥是由企业或资源禀赋所决定的,这些资源禀赋决定了能构建或能参与什么样的生态。比如前几年所说的“新基建”,有的企业构建的叫以云计算为核心的服务生态,有的企业构建的是以终端产品为核心的生态等等,资源配置不一样,生态构建的模式就不一样,不是因为自己的产品本身所决定的生态,而是对商业逻辑的理解,对所处行业的理解构成的生态方式,所以对企业的理解更多的决定了企业如何更好发挥自身的资源禀赋,而不是单纯的模拟某些即有产品的形态。

在理解了平台和生态后,就可以看到,对于未来的数字经济,从商业角度有一系列变化,从知识体系角度有一系列变化,底层的逻辑就在于正在面临一个认知变革的时代。这种认知变革,以往叫后工业、后现代等概念,新经济出现后,新的技术哲学、新的技术思想正在影响人们的共识和观念,而商业文明就建立于这些正在潜移默化的知识、观念、共识当中。在互联网商业化开始前,大家对技术的关注更多是从经济增长的角度,从工业社会发展的角度,从技术浪潮的角度,到了互联网商业化越来越发达时,像《人类简史》《未来简史》《奇点临近》等书中新的一些思想观念和技术概念在互联网圈得到了认可,然后扩散到了传统企业家的认知圈里。所有的现代文明有一个非常重要的观点就是人们不是生活在现实世界,而是生活在思想家所构建的思想通道当中,理解人们的共识、理解时代的思想是理解商业的前提

计算机发展到现在,这60年技术思想的变化及技术思想对社会、文明及商业观念的冲击到底在哪些方面,如果不对此有深刻理解,而是单纯的依靠产品本身的模仿、复制、微创新,在下一个时代是没有太大竞争力的。未来的竞争就是无所不在的跨界竞争,要做的是,基于对未来世界的理解建立认知世界的方式,然后推出产品和服务,吸引相应的消费者进入自己的生态。

所以作为前沿技术、商业领域的创新创业者、投资人,首先要看到的是思想的力量,奠定了理解技术商业的基本方式,也奠定了人类社会运行的观念基础和基本共识;其次,要看到经济的力量,因为经济和技术的深度互动改变了资源配置的方式,同时也要注意到,经济系统、经济生态不是一个单一体,不是一个单维度的实体,而是一个复杂的实体。以中国为例,传统经济和新经济同时存在于这个时期,工业1.0到工业4.0的模型都在中国的商业环境中发生,因此企业处于什么样的阶段采取的技术范式也是不一样的;第三,我们需要关注到技术概念本身,技术是通过不同技术要素的组合而形成的,而不是单一的技术概念。一个技术概念出来后,无论是资本或是产业都去追逐。但任何一个现有的技术概念,都是由以往的技术在特定场景下组合而成的,并不存在所谓的颠覆性技术,看到的颠覆都是因为后知后觉。像过去数十年间的人工智能,深度学习技术的发展已经经过30年发展了,而人工智能已经经过60年间的三次发展浪潮,从这个角度来说这些技术并不是某种颠覆而是通过演化出来的。

智能经济的趋势

阿里巴巴在今年3月发布的《智能经济报告》中,介绍了三个值得关注的概念:

第一,万物互联到万物智联。就是不再通过一个系统网络做决策,每一个节点不再单独做决策,而是每个节点都有智能,且不是简单的个体智能,是通过与其它节点的深度互动获取了网络中的集体智慧后,做出集体智能化的反应。所以5G时代来临,很多科技巨头投入大量资源研究边缘计算技术的原因就是让互联变成智联。走向万物智联就是走向零离线的过程,就是以往所有新经济发生的过程,都将在数字经济领域的互联网、移动互联网发生。当万物智联后,新经济的范畴就扩散到了工业制造过程、传统经济、家居生活、智慧城市之中,新经济就不再是一个具体的划分范畴的概念,而是变成了一个无所不在的经济形态、消费模式,是区别于传统经济的一种商业或经济模式的选择。

第二,从产业链到协同生态。以往的传统产业模型里分析产业链,考量的是产业链的资源配置,而从苹果开始构建的手机产业链,就已经是一个协同生态模型的构建,因为不仅构建了基于全球化的复杂的硬件产业生态,也构建了基于App Store软硬结合的软件产业生态。这种理解加极致的服务和硬件供应链管理的深度整合能力,可能是未来商业一个非常重要的能力。理解生态的前提就在于,理解前沿技术在具体产业应用过程当中,如何更好的契合商业模型。

第三,从物理世界到数字孪生世界。以往对新经济的理解更多的是隔离开物理世界的。讨论互联网时,就有互联网经济、“互联网+”、互联网思维等等。讨论传统经济时,就是传统经济模型。但物理世界通过数学代码算法的方式,映射出来了一个由比特构建的信息世界,这是数字化世界、数字化空间的实质,得到的结论是理解数字化世界的经济,一方面要理解它自身的特点,另一方面要理解它与物理世界如何深度互动的。

所以很多O2O战略失败就在于,用新经济的逻辑理解新经济,而忽视了物理世界的经济规律对它的影响。对投资人或未来新经济世界的参与者来讲,不仅要学会一系列关于新经济的概念,还要学会这些概念背后技术的本质以及传统经济在与新经济结合过程中,内在逻辑的变化是什么。

以往投资时,会说这个模式、赛道的前景如何,这并没有问题,但这个模式和赛道从物理世界映射到数字孪生世界后,内在变化是什么?这个内在变化本质是否被所投资的这种商业模式所响应了,这是非常重要的,因为看得到未来才能响应未来。

简而言之,未来世界需要建立一种既理解新的世界观念,又要有打通新世界和原来世界内在联系的认知能力,从而才可以判断未来趋势,在选择赛道时不会被技术概念本身,或被浅显的商业模型和商业技术投资的风潮所影响。

知识承载方式的演进历程

未来智能经济的核心趋势是什么?就是五个概念背后所反映的内在商业范式和技术范式的变化。这种变化体现在整个的人类经济和技术革命过程当中。所有经济是建立于知识帮助人类,从物质世界创造出一种更复杂的经济世界的过程中:在农业经济时代所传达的一些经验都是隐性经验,而这些隐性经验所构建的经济体就是一种简单的、符合自然趋势的、小规模化的经济体;到了工业时代知识传承的方式变化了,知识所影响技术的方式也变化了,显性的工业技术就会从这些知识经验中提炼出来,成为能够大规模应用的技术范式,在这个过程中,人们的商业认知、商业逻辑的范式就是规模化、通识化及可规范的;到了未来,智能经济时代关注的就是一种更复杂的知识传承的体系,不仅是通过人与人之间的关联,或知识机构和个体人间的关联,而是通过知识所创造的产品本身就能形成新的知识,也就是人工智能、大数据可能会创造一些新的经济模式,我们正在完成从工业自动化到知识自动化的过程,因为知识不再需要人作为主体和载体进行传播,通过数据本身就能产生新的知识。

结果是原有的经济世界是一个单纯物理世界里的经济世界实体,未来的经济世界是物理世界、数字世界和意识人体三者所构成的复杂经济世界。在这个世界中,任何行为都既要考虑到个体的认知和社会的共识,也要考虑到物理世界运行的规律和基本逻辑,更要考虑到数字虚拟世界所映射的数字孪生世界创造新商业范式基本逻辑是什么,所以智能经济的智能革命不仅仅是技术革命、商业革命,也是认知和知识生态、知识创造能力的革命。

野中郁次郎所著《知识创造的螺旋》,研究的就是知识如何在创新经济过程中得到沉淀和发挥,其中研究的很多案例是日本的丰田等企业如何进行知识传承的。在数字经济发展过程中,也是逐步形成了一系列知识创造的知识螺旋、创新螺旋,这些才是帮助构建未来智能经济的核心。

总之,数字经济学的核心就在于重新用一种更加符合复杂理论和系统理论的视角理解未来的商业范式,而数字经济学的目标就是通过这样的视角建立一种系统认知数字经济的创新驱动、资本逻辑以及数字经济在社会科学领域影响的新理论。

世界和中国数字经济的未来展望

马云说“有的人是因为相信所以看见,有的人是因为看见所以相信”。世界经济、数字经济,真的处在一个非常关键的变革时期,变革时期就是不同的角色、不同的国家、不同的主体达成共识的过程。对中国来讲,在与世界进行一个深度的互动过程当中,已经完成了规模化的扩张,但是在质量上、在扩张内在的内容上、内在的格局变化上,还有很大的差距。用理性乐观的态度看,目标已经是往一个更高质量、更融合、更开放的经济生态和社会体系发展,可以预设一个概念,就是会更好、更深度的与世界融合、更深度的推动技术扩张和创新发展。这种经济联系的融合和发展,正在推动中国数字经济和世界经济往前迈进。

具体体现可能存在三个非常主要的方面:

第一,随着数字经济的发展,全球贸易的整个格局正在变化。根据世界银行出的一组数据,中国从当下到2030年这段时间的消费增长大概是6万亿美元,也就相当于美国和西欧的总和,是印度与东盟国家的两倍。由于成为一个更加主要的消费市场,就会从新兴经济体进口更多的劳动密集型产品,从发达经济体进口更多的优质产品,而通过数字经济的模式,能够让这种国际贸易的流通变得更加高效、更加可信、更加的具备一种贸易层面的稳定度,从而改变现有经济格局当中,中国对外贸易相对被动的情况。贸易的收缩和扩张实际上与制造业的岗位供给是深度相关的,也就决定了传统经济的很多层面,也就是说新经济对贸易和传统经济的影响在不断扩张。

第二,中国开放的程度,无论对外还是对内,都是一个逐步迈进的过程,尤其是进入了服务业为核心的经济生态过程中后。2018年时,国内的GDP服务业占比是52%,2010年时是40%多,但是服务业在发展过程中,服务的品质、能力还有准入的问题都有很大探索的空间,这过程中数字经济如何发挥作用就非常重要。因为在进行服务业相关的扩展时,不仅仅是实体经济所遗留的问题,而是数字经济正在不断地创造一些新的服务业岗位,以更好的完成变革。就是说在新经济体创造的同时,也在为传统的变革和改革寻求突破和空间。改变原有的经济构造是改变相关的利益相关方的一个博奕过程,非常困难。如果重新创造一种新的经济形态,这个过程会相对不那么痛苦,服务业变革在经济越来越开放的过程当中,数字经济是一个非常好的切入点。

最后,数字金融是未来关注中国数字经济发展的一个切入点。因为中国正在进一步的深化金融体系的全球化和现代化,但这过程中有非常多的顾虑。因为进入全球金融资本主义时代后,即使是对金融衍生品或一些金融服务也会带有非常大的防风险心理。中国在改革过程当中,既要防范金融风险,又要进行更好的金融制度改革来适应相应的资源配置,比如国企债务在中国企业债务当中占比70%,但是只贡献了略高于20%的工业产出,这是非常难与开放金融生态匹配的。这个情况下,中国的金融体系就需要与全球市场进一步对接,中国的消费者企业和投资者可以拥有更好的选择,资源配置效率才能提升,否则中国和全球市场的联系减弱,中国的金融体系风险水平就会不断持续升高,而影响整个宏观经济的稳定,所以数字金融是提供了一个新的机会,让中国建立一套不同于发达国家传统金融的结构构造,这是央行做数字货币相关研究和探索的原因。

中国的数字经济的发展不是独立的发展,而是放在中国和全球深度互动中,中国传统经济在不断变革以及中国会变成一个更加开放、更加符合全球的深度经济发展的背景中。在这个情况下,最关注的是数字经济在扩展自己影响力的过程中,如何从一个技术和经济简单互动的概念,变成一个推动社会往前变革,中国与世界深度互动以及变成一个全球化更具备高质量经济发展国家的一个重要核心力量。在这个过程当中作为投资者、创业者或者研究者,怎么理解这个大格局,是非常关键的。

钛资本研究院观察

随着云计算技术与产业的成熟以及全球公共云大趋势已经形成,数字经济和智能经济的全球基础设施“底座”已经开始出现。这可类比于电能和发电厂,从1752年富兰克林证明了电流的存在到1882年爱迪生发明第一个电厂,中间整整过去了130年。随后,人类把电能大规模应用于全球,产生普惠性质的社会与经济价值,进而推动了第二次和第三次工业革命。

今天,云计算、大数据和智能技术等正在推动新一轮技术与工业革命,数字经济与智能经济正在深刻改变当今物理世界的组织和运行方式。正如真正推动电力时代到来的,是一种经济、可靠的三相异步发电机,从而推广了可以大规模、远距离、低成本配送的三相交流电,电力工业得以大规模发展,城市得以大规模应用商品电能。

今天的新技术变革,还处于发明“三相异步发电机”的阶段,如何把数据和数字技术更好的“装配”到现代经济中,这就是智能经济要解决的问题——智能机器、智能解决方案、智能平台等能够作用于实体经济的新机器、新工具、新平台,将是联系新旧经济的关键,也是打开未来智能新经济的钥匙。

当下,全球的版图已经开始松动,催生新世界秩序的形成。在此过程当中,从全球大格局入手、从技术思想入手、从新手段解决老问题入手,往往就能找到投资的长期锚点。

2019-07-29

(阿里云智能容器平台负责人丁宇)

十年前,阿里云写下第一行代码,从此开辟了中国云计算产业的先河;也是在十年前,当阿里云开始酝酿云计算理念的时候,率先提出了去IOE的思想,即IOE技术无法承载互联网海量规模应用的压力,即使能承载也成本巨高。十年过去了,今天的阿里云已经是世界三大公共云IaaS厂商之一;如今,阿里云再次全面拥抱云原生计算,以世界级的领先态势,再次主导下一波云产业趋势。

阿里云智能总裁张建锋在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。”而云原生就是企业上云的关键一环。

广义来说,云原生就是基于云计算模型的应用软件开发与部署方式;具体来说,云原生技术包括了容器、微服务、服务网格、无服务器计算等。过去十年,全球企业开始向以公共云、私有云以及混合云为代表的云计算系统迁移,现在已经从简单的服务器上云和数据上云等向着围绕云计算系统模型重构企业应用的高级阶段发展。Gartner报告指出,到2022年将有75%的全球化企业将在生产环境中使用云原生容器化应用。

中国信息通信研究院指出,云原生技术正加速重构IT开发和运维模式,快速将企业应用构建和部署到与硬件解耦的云平台上,提供了更大的灵活性、弹性和跨云环境的可移植性。云原生技术能够有效解决跨云环境一致性问题,缩短应用交付周期,消除组织架构协作壁垒。阿里云智能容器平台负责人丁宇表示,全面使用云服务构建软件系统时代到来了,未来软件都会长在云上。

丁宇介绍,作为国内最早布局云原生技术的厂商,如今的阿里云已经具备全球最大规模的云原生应用实践、最丰富的云原生产品家族、国内最大的云原生客户群以及最全面的云原生开源贡献。阿里云曾开启了中国的云计算时代,未来将帮助更多企业云上成功。

阿里云云原生的四个“最”

中国信息通信研究院经过多方面研究,总结云原生的概念为“适合云的应用”和“好用的云架构”。

阿里从2011年开始,就已经开始了云原生方面的尝试和实践,这比行业推广容器还要早几年,并且在早年完成了容器化改造,容器化以后实现了统一调度、混合部署、异地多活、云上可扩展的弹性等,节省双11 75%的成本,同样利用这套技术体系节省了30%日常IT的成本,容器化和云原生对阿里的技术红利非常明显。

目前整个阿里70%的业务完全运行在公共云上,同时也将大力推广和运用云原生技术,未来两年内阿里巴巴集团的业务将100%以云原生的方式运行在公共云上。阿里认为现在是“All in”云的时代,这个过程中积累了大量能力和技术,并把能力和技术沉淀到提供的云原生产品中,从而赋能整个行业客户。

当前,阿里具备国内国内最丰富的云原生产品家族。任何一家企业想要构建或升级自己的IT系统,从而加速数字化转型和核心技术互联网化升级,都需要用到很多组件,也就需要丰富的产品体系支撑,而阿里云则提供包括流程、应用架构、运行托管、可观察性等在内的完整云原生产品体系,可以完全基于云原生体系构建IT系统。现在,阿里云提供了8类20余款产品,可以完整覆盖整个云原生软件构建需求,涵盖底层基础设施、数据智能、分布式应用等全栈技术能力,可以满足不同行业需求。阿里云原生基础设施已经覆盖全球,已经服务了规模最大的云原生客户群体,覆盖了众多的行业以及包括新兴IoT、AI、基因计算、边缘计算等在内的众多场景。

在对云原生领域开源贡献方面,阿里云也是国内最全面的贡献者,8类20个项目涵盖了整个软件生命周期,包括编排调度、作业管理、无服务器框架等,主导维护etcd、containerd、dragonfly等多个CNCF明星项目的发展,已有超过10个项目进入CNCF云原生全景图。阿里云还积极参与Kubernetes 项目,贡献量位居全球前10。而在开源生态社区方面,阿里云已经加入CNCF、OCI、CDF等基金会,成为多个基金会的顶级会员。2019年1月,阿里云资深技术专家李响成为首个入选全球顶级开源社区CNCF技术监督委员会(TOC)的中国工程师,致力于推动云原生技术的落地。2019年1月,阿里云成为国内唯一入选Gartner《公有云容器服务竞争格局》报告的企业。

丁宇强调,十年前阿里提出去IOE,如今企业上云已经成为共识,今天阿里云希望帮助企业更全面的使用云原生技术,赋能业务、创造更大的商业价值。

阿里云原生实践

在阿里云看来,云原生首先可以支持互联网规模应用,可以更加快速地创新、和低成本试错;其次,屏蔽了底层基础架构的差异和复杂性;同时,服务网格、无服务计算等新的计算范式不断涌现,给整体IT架构能力带来了极致弹性,从而更好地服务于业务。用户可以基于阿里云容器服务构建面向不同场景的云原生框架,如面向机器学习的Kubeflow和面向无服务器计算的Knative等等。

阿里从2011年开始通过容器实践云原生技术体系。阿里体量大、业务复杂,推动云原生要找到合适的切入点。在双11规模性和成本压力的推动下,资源成本与效率优化成了阿里云原生的起点。阿里从容器入手,研究低成本虚拟化与调度技术。在资源成本的推动下,阿里完成了全面容器化,并在这个过程中推出了大量成果,PouchContainer是阿里开源的高效、轻量级企业级富容器引擎技术,具有隔离性强、可移植性高、资源占用少等特性,可以帮助企业快速实现存量业务容器化,同时提高超大规模下数据中心的物理资源利用率。

刚开始的时候,阿里内部有着惊人规模的存量业务,如何通过技术快速容器化存量业务,是阿里容器技术当年的重点难题。富容器帮助业务在单个容器镜像中打包业务所需的运维套件、系统服务等,富容器模式下的应用在不改变任何业务代码、运维代码的情况下,像在物理机上一样运行。富容器在保障业务交付效率的同时,在开发和运维层面对应用没有任何的侵入性。在此基础之上PouchContainer也在拥抱开放云原生技术标准, 基于Containerd 提供了企业级的容器运行时实现。

在完成了面向成本优化的资源管理之后,阿里希望通过云原生让开发者效率更高。为了构建更云原生化的 CI/CD,进一步做到标准化和自动化,从研发到上线流程,阿里引入了诸如Helm的应用标准化管理,也尝试了GitOps这样的部署流程。同时,阿里也开始探索服务网格,进一步提高服务治理的普适性与标准性,降低开发者采用门槛,进一步推动微服务在多语言和多环境下的普及。

为了降低应用部署难度,提高部署自动化程度,阿里开始采用Kubernetes作为容器编排平台。基于Kubernetes,阿里持续对研发、部署流程进行改进。在数以万计的集群管理当中,阿里容器平台团队探索并总结了四个让交付更加智能与标准化的方法:Everything on Kubernetes,利用Kubernetes来管理一切,包括Kubernetes自身;应用发布回滚策略,按规则进行灰度发布,也包括发布kubelet本身;将环境进行镜像切分,分为模拟环境和生产环境;在监控侧下功夫,将Kubernetes变得更白盒化和透明化,及早发现、预防并解决问题。

Dragonfly是一个由阿里开源的云原生镜像分发系统,主要解决以Kubernetes为核心的分布式应用编排系统的镜像分发难题。随着阿里业务爆炸式增长,2015年时发布系统日均发布量突破两万,很多应用的机器规模开始破万,发布失败率开始增高,根本原因是发布过程需要大量的文件拉取,文件服务器无法承载大量的请求。如果采用服务器扩容,扩容后又发现后端存储成为瓶颈且扩容成本也非常巨大,而大量来自不同 IDC客户端请求消耗了巨大的网络带宽、造成网络拥堵。同时,阿里大量的应用部署在海外,海外服务器下载要回源国内,浪费了大量的国际带宽而且还很慢;如果传输大文件,网络环境差,失败的话又重来一遍,效率极低。而Dragonfly的系统架构不涉及对容器技术体系的任何改动,可以无缝支持容器具备P2P镜像分发能力,大幅提升文件分发效率。截止2018年底,Dragonfly承载了阿里全集团 90%以上的文件下载任务、日分发峰值达到 1 亿次,100%成功支撑双十一营销活动数据抵达数万台机器,2018 年 11 月正式进入 CNCF沙箱级别项目(Sandbox Level Project)。

2019年6月,阿里云容器平台团队宣布了两个社区项目:Cloud Native App Hub——面向所有开发者的 Kubernetes 应用管理中心,OpenKruise——源自全球顶级互联网场景的 Kubernetes自动化开源项目集。云原生应用中心为国内开发者提供了一个Helm应用中国镜像站,方便用户获得云原生应用资源,同时推进标准化应用打包格式,并可以一键将应用交付到Kubernetes集群当中,极大简化了面向多集群交付云原生应用的步骤;而OpenKruise项目致力于成为“云原生应用自动化引擎”,解决大规模应用场景下的诸多运维痛点。

总结Kubernetes作为云原生技术的核心,在阿里落地的三个阶段:首先通过Kubernetes提供资源供给,但是不过多干扰运维流程,系统容器为富容器,将镜像标准化与轻量级虚拟化能力带给了上面的PaaS平台;第二步,通过 Kubernetes controller的形式改造PaaS平台的运维流程,给PaaS带来更强的面向终态的自动化能力;最后把运行环境等传统重模式改成原生容器与pod的轻量模式,同时将PaaS能力完全移交给Kubernetes controller,形成一个完全云原生的架构体系。经过不断打磨,阿里在Kubernetes规模与性能上取得了显著成果:存储object的数量提升25倍,支持的节点数从5000提升到上万,端到端调度延迟从5s变为100ms等等。

经过云原生的探索与改造,阿里基础架构体系达到了现代化和标准化。通过智能调度与PaaS平台,让自动迁移应用,修复不稳定因素成为了可能,阿里通过云原生技术大幅降低了上云的难度。

释放云原生红利

(阿里云容器服务研发总监易立)

阿里云容器服务研发总监易立介绍,阿里云容器服务从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,包括优化整合、极致弹性和海量镜像分发能力。在优化整合方面,阿里云无缝整合超过20款云产品,让开发者和企业可以非常简单的使用云资源;阿里云容器技术与阿里云虚拟化技术进行了充分整合,提高了应用的执行效率。阿里云还提供了丰富全面的应用层和资源层的弹性能力,能够在90秒之内快速伸缩节点,对海量数据处理或者大业务流量都有良好支持,竞价实例可降低70%成本。阿里云可以支持上万节点并发拉取镜像以及镜像全球复制能力,用户只需要推送一次镜像就可以在阿里云18个region进行镜像拉取。阿里云容器服务一直保持非常高速增长的势头,过去三年在规模上保持着400%的增长速度而且还在持续。

接下来,阿里云容器还将从新边界、新范式和新计算三个方向进一步释放云原生技术的红利。新边界,即指的是云原生计算可以对云边端应用进行统一协同,特别是5G时代利用容器技术处理物联网边缘计算、AI实时边缘端预测等。2019年6月,阿里云发布了边缘容器“ACK@Edge”产品,可实现云、边、端一体化的应用分发,支持不同系统架构和网络状况下,应用的分发和生命周期管理,极大简化分布式应用分发的挑战。

新范式指的是全新方式构建、交付和运维应用。阿里云在2019年7月发布了以应用为中心的混合云2.0,可以管理阿里云和用户的私有集群,提供了统一的安全管理、资源感知和监控日志等端到端能力,并在此基础上提供统一资源管理和调度,让用户在跨集群中充分利用云资源实现弹性能力,此外还提供了智能流量治理能力,方便就近访问和故障转移等功能。前面提到的OpenKruise项目源自于阿里巴巴经济体过去多年的大规模应用部署、发布与管理的最佳实践,从不同维度解决了Kubernetes 之上应用的自动化问题,包括部署、升级、弹性扩缩容、QoS调节、健康检查、迁移修复等等。

新计算指利用新架构创造新价值。基因计算是精准医疗的基础但需要海量计算能力,动辄一次提交任务就需要数百T数据处理和计算,阿里云所提供的混合云高性能基因计算解决方案可以充分利用云的弹性能力以及对数据的调度和算法优化,使得像全基因组测序计算时间从30个小时缩短到5个小时,极大提升计算效率、降低计算成本。实时大数据处理已经成为企业数据智能化场景下最重要的计算需求,阿里云即将发布Flink on Kubernetes产品,可以在公共云和专有云以及边缘计算中统一方式进行Flink实时计算能力交付。

目前,阿里云的云原生技术服务了大量互联网、制造、金融、政务等领域企业和机构,拥有国内最大云原生客户群。

工业巨头西门子通过云原生满足了上线周期、扩容、运维等方面的高要求,仅用数月时间就完成了MindSphere基于阿里云平台的开发、部署。互联网超级平台微博的日活用户超过2亿,借助云原生搭建起高效稳定的机器学习平台,分钟级创建上百节点的GPU计算集群、秒级启动大规模分布式AI训练任务。家居行业巨头居然之家在两年前将渲染服务迁移至阿里云,通过云原生等技术服务,降低IT计算成本50%,系统可用性却提高到99.96%。

小程序是云原生应用的典型代表之一。为了进一步推广和提升云原生应用,为开发者释放云原生技术红利,2019年3月,阿里云、支付宝、淘宝、钉钉、高德等联合发布“阿里巴巴小程序繁星计划”,提供20亿元补贴、扶持200万+小程序开发者、100万+商家。阿里云还正式发布了小程序云,打包了一系列阿里云服务,特别是云原生的Serverless函数计算,可以低成本、高效率、快速构建月活百万的小程序应用。

2019年是阿里云十周年,从2009年开始首倡“去IOE”,阿里云就致力于推动中国进入“上好云”时期;而从2019年开始阿里云推出全线云原生产品家族以及大力倡导云原生计算,阿里云在面向未来十年推动中国进入“用好云”阶段。相信随着越来越多的企业从迁移上云到在云端重新构建业务,一个全面数字化的新十年将带来又一波上云高潮,越来越多的企业将转型为软件企业和互联网企业,而数字经济将成为新的经济范式!(文/宁川)

2019-07-24

2001年,当杰夫·贝佐斯(Jeff Bezos)写下亚马逊电商2000财年报的致股东信时,是这样开篇的:“哎哟!过去的一年对于资本市场中的很多公司来说是非常残酷的一年,对Amazon.com的股东来说更是如此。当我在写下这段话的时候,亚马逊股票较一年前下跌了80%。”Bezos援引了著名投资人Benjamin Graham的话:股市在短期是“投票”机器,长期是价值衡量机器。显然,2000年对于很多互联网公司来说,是被“投票”的一年,其中也包括Amazon.com。

2018年3月6日,福布斯2018富豪榜发布,Bezos以1120亿美元的身价首登首富之位;2019年3月,福布斯2019富豪榜发布,Bezos再次蝉联榜首,身家净值比2018年提高190亿美元,增至1310亿美元。曾经很长一段时间,世界首富都由比尔·盖茨蝉联。亚马逊公司的股票由2009年约80美元爆涨至2018年接近2000美元,9年增长了25倍;而在2001年亚马逊股价最低时,曾低于10美元以下。如果在2001年亚马逊股票最低时入手,那么到2018年就增长了200倍。

作为全球电商与公有云的“世界首富”,Bezos以特立独行的风格开创了人类历史上的新篇章,为当代的数字化转型提供了电商与公有云这两大工具性平台,可以说Bezos和亚马逊是当代数字化转型的肇始者、最早成功的数字化转型者以及最先受益于数字经济的企业。在Bezos和亚马逊的表率和影响下,中国的阿里也最先在中国走上了电商与公有云两翼齐飞的道路。而2019年的Bezos,则进一步在开拓外太空火箭运载以及互联网卫星等前沿科技商用项目。

说到Bezos特立独行的风格,就不得不提到每一年亚马逊公司年报中的致投资者信,从1997年上市到2018年一共23份财年报,每一年Bezos的致投资者信都不像常规的致投资信那样中规中矩,而是利用这个一年一次的机会对外阐述自己的理念。有一年,Bezos在致投资者信中向投资者灌输每股自由现金流(Free Cash Flow Per Share)的重要性,甚至像教科书那样举一个假设的例子说明!是的,在2004财年报的致投资者信中,Bezos告诉投资者:营收作为一个财务指标固然重要,但自由现金流更重要,因为营收并不能转换为现金流,而股票只代表未来现金流的现值,而不是未来营收的现值。

今天,由于有了不少以SaaS或IaaS公有云为代表的业务模式的财务模型,例如Salesforce.com,大家开始了解和接受自由现金流对于XaaS(X as a Service)这样一种数字服务商业模式的价值和重要性,并且开始用于其股票的长期估值。但早在2004年,甚至AWS还没有正式问世之前,Bezos就已经开始向业界宣讲数字服务业务的财务模式,并在之后数年用亚马逊电商和公有云业务验证了自己的观点。

不得不说,如果没有Bezos,我们今天的数字化转型可能还要迟到很多年,而2018世界首富Bezos也终于向世界证明,数字经济将是下一波世界财富之源。

漫想与效率:两大商业拓展思维工具

在2018财年报中,Bezos总结了亚马逊这么多年来成功的一个基本思维工具:漫想(Wandering)。很多时候,一个成熟的企业更加讲究效率,其团队往往能娴熟的设计计划并强力执行,最终达成商业目标。而相比之下,漫想就没什么效率可言了。漫想是效率的最终平衡方式,对于企业来说需要两种思维工具同时启用。因为,由直觉、好奇心、勇气等所指引的漫想,最终能获得新的发现,那种能为用户带来更大价值的回报。

2018年,亚马逊的第三方商家的商品销售达到了58%的份额,已经超过了亚马逊自营的商品销售份额。尽管亚马逊自营的商品销售从1999年的16亿美元,增长到2018年的1170亿美元;与此同时,亚马逊的第三方商家销售从1亿美元猛增到1600亿美元、年复合增长率达到52%,同期eBay的商品销售从28亿美元增长到950亿美元、年复合增长率为20%。是的,亚马逊不仅在自己的平台上售卖自营商品,也为第三方商家提供同样的平台和工具以售卖他们的商品,甚至包括FBA亚马逊物流以及Prime会员项目。

AWS亚马逊云是另一个亚马逊团队“漫想”的例子。众所周知,AWS成功的关键在于聆听用户的声音。为此,亚马逊团队花费了大量的时间和精力,倾听开发者、软件开发项目管理者、软件运营管理员、CIO首席信息官、首席数字官、首席信息安全官等的声音,并不断把用户反馈纳入到AWS的产品研发中。但这仍然不够,Bezos认为真正能够带来显著变化的是那些用户自己都还不知道的需求,例如AWS就是这样一个例子。在亚马逊发布AWS的时候,并没有用户要求这项服务;是的,没有一个用户要求AWS这样的IT服务。但结果是,世界已经准备好迎接类似AWS这样的公有云服务而且需求巨大。2019年,AWS已经是一个300亿美金年营收的业务而且增长迅速。

Amazon Go是另一个“漫想”的例子。今天,亚马逊已经是世界上最大电商网站之一,但却仍只占全球零售业的一小部分,甚至只代表了不到10%的全球零售市场。在每一个国家,都有比当地亚马逊更大型的当地零售商,这是因为99%的零售都是在线下发生的。很多年以来,亚马逊都在思考如何拓展线下物理零售店。Amazon Go就是这样一个场景下诞生的产物,通过大量运用人工智能技术,无人店Amazon Go让消费者无需排队结账,而是直接走进Amazon Go、选择想要的商品然后离开即可。截止2019年初,亚马逊已经在芝加哥、旧金山、西雅图等地投放了10个Amazon Go商店。

说到“漫想”,除了成功,就必然要面临失败。Bezos认为,当公司成长的时候,必须要扩大规模,其中也包括扩大失败的规模。也只有失败的规模足够大,才足以发明可以显著改变企业的新业务。而亚马逊在发展的过程,也会进行与公司规模匹配的实验,偶然导致数十亿美元的失败。而当失败出现后,亚马逊也会认真分析,从失败中学习。Bezos认为,承担大型风险而开发新业务,是对客户和社会的服务之一。当然,对于股东而言,经常一个成功的“押注”所带来的收益能够抵消数个失败的成本。

Fire手机就是一个失败的“押注”,而Echo智能音箱却是一个成功的“押注”。而Echo智能音箱的成功,大量借鉴了Fire手机的经验教训,加速了亚马逊开发Echo智能音箱和Alexa智能语音助手的进程。而Echo智能音箱和Alexa智能语音助手的想法,还来自于亚马逊多年对机器学习和云计算的“漫想”。经过多年的开发,Echo于2014年面世,由Alexa机器学习支撑,并在AWS云中交付。同样,没有用户要求Echo音箱,而是亚马逊自己的漫想。此外,用户调研其实也没什么帮助。

如果回到2013年,去问一个用户是否需要在厨房里放置一个黑色、时时在线的圆柱形音箱,还能够交谈、问问题、打开电灯和播放音乐,最可能的答复应该是“不需要”。而自第一代Echo音箱之后,截止2018年,消费者已经购买了超过1亿个内置了Alexa的设备。开发者们为Alexa增加了超过8万个技能,2018年消费者与Alexa的对话次数是2017年的数十亿倍,2018年内置了Alexa的设备是2017年的两倍。截止2019年初,有超过150种产品内置了Alexa,包括耳机、PC、汽车、智能家居设备等。

高标准:这是个哲学问题吗?

2017年是亚马逊上市20周年,在这一年的致投资者信中,Bezos探讨了一个十分哲学的问题:高标准。众所周知,亚马逊是一家痴迷客户(而不仅是以客户为中心)的企业。那么,亚马逊是如何不断满足客户快速变化的需求呢?特别是客户日益水涨船高的高期待呢?Bezos认为其中亚马逊做了很多工作,但高标准是一以贯之的秘诀。

而什么又是高标准呢?Bezos认为,首先高标准是可以教导的,而不是内在天然就有的。例如,在篮球团队中可以学到很多技能,但唯一无法教会的就是长的更高。一个人的身高是天生的,但打篮球的技巧是可以后天学习的。因此,高标准是可以教导和教会的,而不是要去招聘所谓具有高标准的人才。实际上,只要把一个人置身于高标准环境中,就自然能耳濡目染的自觉学习和实践高标准。相反,如果把一个人放到低标准环境中,也很快就会降低自己的标准。

其次,高标准是放之四海而皆一样呢,还是不同领域有不同的高标准?Bezos认为,不同的领域有着不同的高标准,一个领域的高标准并不能自动适配到其它领域。因此,必须要学习和了解不同领域的高标准。Bezos认为,必须时刻牢记这个道理,这能让人在不同环境中保持谦虚。即使一个人已经在很多领域都了解和实践了高标准,但仍然可能存在盲区。简而言之,Bezos认为不能因为一个人某些领域达到了高标准就沾沾自喜或自满。

那么,如何获得某个特定领域的高标准呢?Bezos认为有两点,一是要有能力识别这一领域的好标准;其次是对获得这样的标准,要有切实的期望,也就是要花一定量的时间、精力和投入才能获得该领域的高标准。怎么理解?Bezos又不厌其烦地在致投资者信中举例:一个朋友想要学习不靠墙的徒手倒立,她先是自己苦练了一番但却不得其法,于是她就找了一个倒立的教练,而这个教练的第一个忠告就是不要期望通过两三周的苦练就掌握徒手倒立,事实上大多数人都要经过6个月不间断的每天练习才能掌握。如果认为自己只要两周苦练就能掌握徒手倒立的人,通常的结果就是放弃。也就是说,掌握一个领域的高标准没有诀窍,就是不断的练习再练习。

再来,徒手倒立的高标准与写一份6页备忘录的高标准一样么?当然不是,Bezos又不厌其烦地在致投资者信中举例,亚马逊并不盛行做PPT幻灯片,而是写一种六页的结构化备忘录。即使是结构化的,不同的人写出来的备忘录有不同的质量。特别是那种极为清晰的备忘录,通常可以带来高质量的讨论和会议。那么,说到徒手倒立的高标准,是显而易见的;但如何撰写一份高标准的6页备忘录,就不能容易说清楚了。而那些写不好高标准6页备忘录的人,通常有一个误区就是认为这样一份高标准6页备忘录可以在一两天或者几个小时就写完,而实际上要达到高标准的6页备忘录,其写作时间可能要长达一周或更长。

不过,也许有人又要说了,写好一份高标准的6页备忘录,不是人人都能做到的。Bezos认为,当然如果要写一份世界级的高标准6页备忘录,可能需要极高的写作技能,但如果是一个团队中的话,就不需要人人都具备高水平的写作能力。换句话说,美式足球教练不一定要能够投球,电影导演也不一定要能表演,但他们要能够识别各自领域的高标准并为此设定切实合理的期限,而撰写一份6页备忘录其实也是团队合作的结果,团队中需要有写作能力的人,但并不是一定就必须是你。

而高标准的好处是什么?Bezos说了,一个公司内部有很多“看不见”但又很关键的工作,而高标准的企业文化就能让这些工作顺畅进行。这些工作,主要是指那些无人监管和监督的工作,甚至包括高管自身。在一个高标准的企业文化环境中,工作本身就是回报,也这是所谓职业化的体现。

简而言之,高标准是可以被教导的、不同领域有不同的高标准、要能够识别一个领域的高标准,以及能够为之设定清晰可行的教导范围。高标准适用于所有层级工作的所有细节,从写备忘录到清洗床单这样的工作,只有无处不在的高标准才能真正让一个企业高效运行。

如何避免成为Day 2公司?

亚马逊一直把1997年致投资者信附在历年来的每一份年报致投资者信之后,以这样每年一度的方式提醒自己和所有人,要保持Day 1公司心态。所谓Day 1公司心态,就是要像一家初创公司那样,一直保持初心,不忘最开始出发的原因。而Day 2公司,则是指走向了成熟运营的流程化公司,特别是成立十年、二十年后的公司,这种阶段的公司往往流程大于人、人人为了自己的利益而不愿意创新或尝试新的改变。

Day 2公司是很多公司走向衰败的重要原因,因为Day 2公司往往业务停滞不前、人浮于事,这样的结果就是痛苦的衰亡过程。Bezos认为,Days 2公司的衰败往往发生在很长一段时间内,这就像温水煮青蛙,可以要数十年才会真正“死亡”,但最终的“死亡”结果总是会到来。所以,如何持久保持Day 1公司活力,哪怕在亚马逊这样的超大型公司内部也依然保持活力,是Bezos一直在思考的问题,他给出了四个应对方向:对客户痴迷、对“代理”的批判性思考、积极拥抱外部趋势、高速的决策机制。

对客户的痴迷。企业经常有多种制定战略的方式,例如以竞争对手为中心、以产品为中心、以技术为中心、以商业模式为中心等,但在Bezos的眼里,以客户为中心是最有效的保护Day 1活力的方式。为什么呢?客户总是“美丽的、令人惊讶的”不满意、不满足,即便是客户自己说自己很开心而同时公司的业务也很好的时候还是这样的不满意、不满足。客户经常在不自知的情况下,想要更多更好的事物和服务,而企业期望愉悦客户的愿望则驱动公司代替客户去发明这些更好的事物和创造更好的服务。一个例子是:没有客户曾经要求亚马逊创建Prime会员计划,但Prime的出现确实证明了客户想要这样的服务。因此,要保持Day 1的状态,就需要企业有耐心地试验和实验,接受失败、播散“种子”、保护“幼苗”,而当看到客户的喜悦时就加倍投入。一个痴迷客户的企业文化,最好地创造了让所有这一切都发生的条件。

抵制“代理”。什么是“代理”呢,一个典型的例子就是流程。在典型的Day 2公司中,流程化、流程阻碍人的创造力和创造性、流程成为人浮于事的借口等等,已经成常态。Bezos认为,好的流程可以帮助员工更好的服务客户,但一旦失察就会成为阻碍公司活力的庞然大物——员工开始不再关注客户,而是关注流程是否正确,经常可以听到以流程正确而为失败找借口的例子。当问题发生的时候,初级管理者经常会说“我遵守了流程了啊”,而经验丰富的管理者则以此为机会重新检视和改进流程。“代理”的另一个例子就是市场研究和客户调查可以成为客户的“代理”,尤其是在进行发明和产品设计时相当危险。例如,调查的结果“55%的beta测试者表示对此功能表示满意,比第一次调查中的47%有所提高”,这样的调查结果其实很难解释,并且可能会无意中误导决策。Bezos认为,好的发明者和设计师深刻理解客户,花费巨大的精力发展“直觉”,他们研究和理解许多来自客户端的小而有趣的现象而不仅仅是调查中平均值,可以说他们与客户和设计生活在一起。Bezos并不是反对Beta测试,但要首先理解客户并具有愿景,在此基础上才能运用测试找到无人区或盲点。客户体验开始于内心、直觉、好奇、玩乐、勇气、品味等,而任何客户调查都不能提供这些。

企业文化是Bezos历年年报中经常提到的话题。在2015财年报中,Bezos强调企业文化的持久与稳定特点,难以改变。当企业开始写下自己的企业文化时,往往是发现已有的企业文化,而并不是真的发明企业文化。企业文化是公司的人和事经过长期积累的结果,包括成功与失败。企业文化之所以长期不变,是因为人们自我选择的结果。而亚马逊企业文化的一大独特之处,在于对待失败的态度。Bezos不断强调,亚马逊公司是全球范围内尝试失败最好的地方,失败与创造是不可分的两面,创造就需要试验,而如果事先知道可行的话就不能算是试验。很多大企业都有拥抱创新创造的想法,但却不愿意承受失败的试验,虽然失败是成功的必经之路。在商业,可以失败十次,但只要有一次百倍回报的尝试,就可以了。创新创造回报的长尾效应,要求企业家们必须要大胆“下注”。成功回报于那些多次尝试的企业家。

在亚马逊成功发布面对第三方商家的Marketplace之前的15年,亚马逊曾经失败的发布了Auctions和zShop两项试验。但亚马逊并没有放弃,仍顽固的坚持这个愿景。今天,Marketplace无疑十分成功。AWS亚马逊云是另一个大胆尝试的例子,2015年的时候AWS已经是一个100亿美金的业务了。从2015财年开始,亚马逊财报中单独列出AWS一项,从此对外披露AWS的财务数据。

拥抱外部趋势就不用多说了,以前科技行业要快速拥抱外部趋势,而现在随着越来越多的传统企业数字化,传统企业也需要快速拥抱外部趋势。

高速决策。Bezos认为,Day 2公司能够做出高质量的决策,但这个过程往往过于缓慢。为了保持Day 1的能量和活力,必须以某种方式进行高质量、高速度的决策。这对于初创企业来说相对容易,而对大型企业来说则极具挑战性。速度对业务至关重要,高速决策的环境也让工作更加有趣。如何实现高质量、高速决策,Bezos认为有如下几点:首先,永远不要使用一刀切的决策过程。很多决定都是可逆的“双向门”,这些决定可以使用轻量化的流程。而大多数决策应该在具备约70%信息的前提下做出,如果等到具备90%的信息,那么在大多数情况下就会导致缓慢的决策。另外,如果企业擅长修正错误,那么犯错误的代价其实没有那么高,而放慢速度肯定导致昂贵的代价。第三,就是“尽管不同意但也会承诺”这句话将节省了大量时间,如果团队对特定的方向有信念,即使没有达成共识也可以让有不同意见者一起“下赌注”,这是在没有人能确切知道答案的前提下最快获得“yes”的方式。对于老板来说,“尽管不同意但也会承诺”是行之有效的方式,特别是当团队已经带来了“11个艾美奖、6个金球奖、3个奥斯卡奖”的前提下!第四,尽早识别真正的偏离方向的问题并立即升级问题,有时团队有不同的目标和根本不同的观点,彼此之间没有达成一致和相互讨论,开多少会也不能解决这种问题。如果不升级,默认争议解决机制就会耗尽团队的精力。例如,第三方卖家在亚马逊平台上与亚马逊自己展开竞争,这就是一个很大的问题,许多亚马逊人完全没有与这个方向达成一致,而这项重大决策涉及的数百个小决策,都需要升级到高管团队处理,否则就会延误整个进程。

“我们可以拥有大公司的规模和能力,以及同时保持小公司的精神和核心。”这是Bezos的建议。

痴迷客户

说到Bezos和亚马逊的文化,“痴迷客户”绝对可以排到第一位。Bezos本人多次强调,亚马逊不是以客户为中心,而是痴迷于客户。什么叫“痴迷客户”?Bezos专门用2012财年报的致投资者信全文阐述了所谓“痴迷客户”的做法。

亚马逊2012财年报的致投资者信是相当奇特的行文方式,这封致投资者信主要都是从客户角度的一个一个小事件和反馈:“谢谢你。每次当我看到Amazon首页的白皮书时,我就知道我花的钱能买了比预想还要多的商品。我一开始是为了物流方便而加入了Prime会员,现在我还能买到电影、电视和书籍。你们不断为Prime增加新的商品,却不会增加更多费用。所以要感谢你们。”这是Bezos引用的一段用户反馈,2012年的时候Prime服务中有1500万种商品,是亚马逊2005年发布该服务时的15倍多。

又比如,亚马逊不断构建了自动化系统,一旦亚马逊的客户体验不能或无法达到标准时,系统就会自动为客户提供返还补助。一位业界观察家就收到了来自亚马逊的一封系统自动发出邮件:“我们注意到您在观看从Amazon Video On Demand点播的影片《卡萨布兰卡》时,体验了不佳的视频回放效果。对您带来的不便,我们深表歉意,我们已经退回您的租金:2.99美元。期待下次再见到您。”这位观察家深感惊讶,并就此写了反馈“说到把客户放在第一位,看亚马逊是怎么做的……”

Bezos不厌其烦地举了又一个例子:当消费者从亚马逊网站上预订了某个商品,亚马逊确保从下订单之时到发货当日结束,能够为消费者提供最低价格。Bezos引用一个消费者的反馈:“我刚收到通知,因为预订价格保护,我的信用卡中收到了5美元的返还……这是多么伟大的做生意方式!感谢亚马逊公平和诚实的交易。”实际上,很多消费者都太忙而根本不会注意到预订之后商品价格的变化,而亚马逊的政策是需要客户联系亚马逊并要求返还差价。而主动为消费者返还差价,对于亚马逊来说其实是一个非常贵的做生意方式,但它同时也会让客户感到惊讶、高兴以及获得客户的信任。

亚马逊也有创作者和作家作为客户。2012年,亚马逊出版业务宣布将开始向作者按月支付版权收入,最多60天的付款周期,而出版界的标准是一年两次,而且这个标准已经实行了很长的时间。当亚马逊访问作者时,得到的反馈是不经常付款是一个主要不满意项。实际上,没有任何竞争性压力要求低于半年的付款周期,但亚马逊还是主动积极的这么做了。Bezos说,虽然这么做的压力很大,但他很乐于在佛罗里达的海滩上看到更多的Kindle设备。当时Kindle已经出到5代了,每一代都有很多用户,亚马逊的策略是以成本价销售高端设备,而当用户使用设备时才会赚钱,也就是说不会在用户购买设备时就赚用户的钱。

当然,还有一个更明显的例子,这就是AWS亚马逊云服务。截止2012年,AWS已经宣布了159项新功能和服务,自推出以来7年已经降价1/27,增加了企业服务支持,并提供了创新工具让客户更高效。AWS Trusted Advisor监控客户配置,将之与业界最佳实践相比较,当出现可以改进的机会时就自动通知客户,包括改进性能、提高安全性或节约成本。是的,AWS积极主动的告诉客户,他们向亚马逊支付了超过需要的成本。2012年报发布前的90天,AWS客户已经通过AWS Trusted Advisor节省了超过百万美元的成本,而这项服务才刚刚开始。

Bezos对“痴迷客户”的解释是,要让客户说“Wow……”,而不仅仅是满意。“Wow”,不断驱动着亚马逊的内部创新。尽管外界有评价认为亚马逊作为一家公司来说对消费者和客户过于慷慨大方,但Bezos认为以JIT(Just-in-time)即时方式对外点点滴滴交付亚马逊的改进,这是一个还不够“太聪明”一半的做法。Bezos从更长期来看对痴迷客户的投资:这样能够获得消费者和客户的信任,从而能够从客户处源源不断获得业务,甚至在新业务领域也能得到客户的支持。

而Bezos把2012年的致投资者信全部都献给了“痴迷客户”这个主题,本身就是对“痴迷客户”的最好体现。

自由现金流的重要性

Bezos用了2004财报年致读者信向外界传递了一个观念:一个公司可能会在某种情况下,营收越增长越伤害股东价值!

为什么不从一开始和最首要关注营收?Bezos试图通过2004财报年致读者信向业界阐述每股收入EPS和营收增长并不那么重要。因为营收并不能直接转换为现金流,而股票价值只反映了未来现金流的当前价值,而不是未来营收的当前价值。未来营收只是未来每股现金流的一部分,但不是仅有的重要部分。运营资本和资本性支出都同样重要,以及未来每股稀释也同样重要。

Bezos在2004财报年致读者信里任性的举了一个例子并试算了结果,不过Bezos举的这个例子比较特殊:一个生产客运设备的企业,营收方式是收取客运费用。因为,这是一个以B2B制造为根本的业务,但对外营收却是以B2C服务变现的方式。其特殊性在于,它既不是B2B商业模式,也不是B2C商业模式,而是B2B2C的商业模式,基本上就是今天的产业互联网或者传统B2B企业的数字化商业模型。

从财务模型分析的角度来看,Bezos试算的这家B2B2C企业,当业务增长越缓慢的时候,反而财务结果越健康。也就是从现金流的角度来说,当这家企业只有一台生产设备的情况下,比有四台生产设备的情况,反而要财务健康:在第一个四年结束时,只有一台生产设备的场景中自由现金流与第一年持平,而有四台生产设备的场景中第四年的自由现金流为巨额负数。也就说,业务越扩张,自由现金流的健康越糟糕。

当然,现实中的B2B2C数字商业模式更为复杂,而亚马逊恰好就是一个B2B2C的商业模式。Bezos解释,Amazon.com的财务聚焦于每股自由现金流的长期增长。而Amazon.com的自由现金流是由运营利润的增长以及有效管理运营资本和资本性支出而驱动的。而Amazon.com和运营利润增长是聚焦于在所有方面和层面改进客户体验以增加销售,以及维持一个精益的成本结构。Amazon.com系统性产生现金的运营周期,因为亚马逊的库存可以快速周转,在支付供应商之前就能够向客户收取付款。而亚马逊的低库存周转意味着能够维护一个相对低水平的库存投资,2004年的时候达到年销售70亿美金但库存在年底只有4.8亿美金。亚马逊商业模式的资本效率体现在对固定资产的控制性投资,2004年底只有2.46亿美金、相当于当年销售的4%。2004年,亚马逊的自由现金流增长38%达到4.77亿美金,比上一年增长了1.31亿美金。

Bezos从1997年第一个财年报开始,就坚持长期战略。1997年Bezos致投资者信中就强调了对自由现金流的重视,这也让Bezos一直坚持到2017年开始取代比尔·盖茨而成为世界首富。

Day 1初心:1997年致投资者信

在其它年份的致投资者信中,Bezos不断重复和反复念叨“痴迷客户”“大胆押注”“勇于创新”等话题。而在每一年的年报中,Bezos还不厌其烦的把第一份致投资者信即1997年致投资者信作为附件印刷在每年的年报中。由此提醒所有的人,亚马逊的初心是什么。

在1997年致投资者信中,Bezos强调亚马逊成功的根本是建立长期的股东价值,而股东价值是扩展和巩固现有市场领先地位的直接结果。亚马逊的市场领导地位越强,亚马逊的经济模型就越强。而市场领导地位可以直接转化为更高的收入、更高的利润、更快的资金速度,以及相应更高的投资回报。衡量亚马逊市场领导地位的指标:客户和收入的增长、客户定期重复购买的程度以及品牌。为了基业长青,亚马逊已经投资并将继续积极投资来扩大客户群、品牌和基础设施。

在1997年致投资者信中,Bezos立了9条“军规”或者说价值观,以期待资本市场、市场与亚马逊的价值观能最终趋同:1)我们将“无情地”专注于客户;2)我们的投资决策将基于长期市场领导地位的考虑,而不是短期的盈利考虑或短期华尔街的反应;3)我们将通过投资分析和项目评估来检验项目和投资的有效性,抛弃那些不能带来可接受回报水平的项目,并加强那些最有效的投资,我们将继续从成功和失败中学习;4)一旦我们看到可获得市场领导地位优势的充分可能性,我们将采取大胆而非缺乏勇气的投资决策。其中一些投资会得到回报,其它则不会,不管怎样我们将学到宝贵的经验。5)当被迫在优化我们的 GAAP 准则下财务表现和最大化未来现金流的现值之间做选择,我们将选择后者。6)在竞争压力允许的情况下,当我们做出大胆的选择时,将与您分享我们的战略思维过程,这样就可以评估我们是否在做理性的长期领导力投资。7)我们将努力把钱“花在刀刃上”并维护我们的精益文化。我们理解不断强化成本意识的重要性,特别是当企业还在净亏损的时候。8)我们的增长将在长期盈利能力和资本管理之间平衡。在现阶段,我们选择增长,因为我们认为规模对实现我们商业模式的潜力至关重要。9)我们将继续专注于招聘和留住优秀人才,通过股票期权而非现金补偿他们。我们知道,我们的成功将在很大程度上取决于吸引和留住可被激励且目标一致的员工,每个人都将是公司的主人。

Bezos强调,虽然不能大胆地宣称以上是“正确” 的投资理念,“但它是我们的,如果我们不清楚已经采取并将继续采取的方法,那将是失职”。在1997年致投资者信中,Bezos不断强调“痴迷客户”这一点,并且使用了“顽固不化”这样的词汇以强调对客户的“痴迷”程度。

2019年,亚马逊的市值已经多次冲击万亿美元,一度运行在万亿美元市值上方。虽然微软也多次成为万亿美元市值公司,但微软的第三任CEO作为一名职业经理人是无论如何也无法达到Bezos的个人财富水平。小比尔·盖茨9岁的Bezos,用自己的创业向全球讲述了一个在数字经济时代成功的故事,这个故事仍在继续。(文/宁川)

2019-07-22

根据国际市场调查公司IHS-Markit发布的2018年第四季度全球SD-WAN供应商收入排名,Fortinet位于第6位,成为全球增长最快的SD-WAN供应商之一。

Gartner预测,到2023年,90%的广域边缘网将基于SD-WAN部署。在Gartner的2018广域网边缘基础设施魔力象限中,Fortinet处于挑战者象限且在愿景和执行力等方面领跑。创业20年的Fortinet由中国留学生谢青创建并成为UTM(统一威胁管理)领域的绝对领导者,谢青也成为了美国国家工程院院士。自Fortinet 2009年登陆纳斯达克迄今股价翻了数倍。

2019年7月5日,Fortinet北亚区副总裁陈鸿翔、Fortinet中国区总经理李宏凯在Fortinet北京新办公室畅谈了公司的新方向以及对中国市场的承诺,此外还透露了Fortinet创立至今20年的成功秘诀。

杀手锏:网络安全芯片

(Fortinet北亚区副总裁陈鸿翔)

十年前,在金融危机的大形势下,Fortinet公司的股票表现却远远高于预期,刚刚在纳斯达克亮相,当天股票就上涨了33%。2002年的时候,Fortinet公司营收为200万美元,2009财年达到了2.5亿美金,2018财年更超过了18亿美金营收规模,年复合增长率达52%。

Fortinet能够在创立20年、上市10年间保持稳定高速增长的重要原因是Fortinet的创新技术和产品,特别是自研的网络安全安全芯片和硬件:Fortinet独有的安全芯片(SPU)。Fortinet SPU是面向特定应用的ASIC集成电路,包括核心处理器、网络处理器和SoC片上系统。Fortinet SPU通过硬件加速的方式处理计算密集型安全任务,例如防火墙策略执行、网络地址转换(NAT)、入侵防御(IPS)、SSL卸载与流量检测等。通过专用安全芯片SPU与通用CPU组成的混合架构,让Fortinet能够持续交付高性能的网络安全产品与最佳性价比的安全解决方案,相比于用软件+通用芯片方式处理的传统模式,能够具有更好的安全效率和性能。

与SPU同样有强“杀伤力”的就是Fortinet的网络安全操作系统 FortiOS。FortiOS是所有FortiGate产品的通用操作系统,包括物理设备、虚拟设备、私有云或公有云服务等,也是Fortinet Security Fabric安全架构平台的核心。FortiOS的功能强大,除了应用控制、入侵防御、反病毒、反垃圾邮件、DLP等安全功能外,还被特别设计用于控制网络流量,提供包分类、QoS、策略执行、WAN优化和缓存等功能,在云和SDN场景下,还支持丰富的Fabric Connector,让FortiGate能够以原生般的水平与云平台和SDN管理平台进行集成,从而提供更佳的自动化能力,让管理员可以灵活设计配置和策略以满足基础设施的要求。

Fortinet的SPU与FortiOS配合,就构成了Fortinet Security Fabric安全架构以及所有产品的基础。例如,Fortinet旗舰产品FortiGate防火墙具备强大的基于ASIC加速的高性能,提供综合且多重的安全威胁防御,整合了业界最广泛的安全技术且所有的这些功能都可以随需应变的开启与部署。Fortinet Security Fabric安全架构把零散的安全解决方案集成起来,同时满足高呑吐网络的要求。

根据IDC的统计,Fortinet是全球被部署最多的网络安全设备供应商。从市值看,Fortinet已经位列全球前四大网络安全上市公司。而Fortinet已获得589个美国专利、30个国际专利,专利数远超竞争对手;而除了这已经获得的619项专利外,截止2019年3月,Fortinet还有187项在申请中的专利。如今,Fortinet已经为全球40万余家客户提供超过460万网络安全设备。专注,是Fortinet在网络安全与威胁防御领域的成功之道。

从网络安全到SD-WAN

(Fortinet中国区总经理李宏凯)

过去十年,网络安全市场给Fortinet带来了高速的增长,而随着客户需求的发展和变化,Fortinet得以快速和最早进入SD-WAN市场。SD-WAN的需求来自于企业越来越多的采用公有云服务,包括IaaS和SaaS,加上随着5G和物联网的快速推进,企业也需要更多利用公有云来处理数字化业务,而这就要求直接与公有云服务商的网络连接。企业数字化转型驱动了多种网络连接和网络流量,由此而催生了SD-WAN的需求。

目前尚没有对于SD-WAN的统一定义,总体来说SD-WAN是SDN软件定义网络的一种,是根据用户和应用需求对网络流量的重新分发和路径选择,可以选择企业MPLS网络直连企业数据中心,也可以通过其他链路,如三大运营商宽带、4G移动网等,连入互联网,或通过云服务商的专线接入,同时保证网络的高可用、成本最优以及安全等要求。不同的企业对于实现SD-WAN的方式各有不同,目前主要是网络设备和解决方案供应商在积极进入SD-WAN市场,而Fortinet是Gartner魔力象限中唯一一个以网络安全厂商身份进入SD-WAN的厂商。

Fortinet能够跨界进入SD-WAN领域,首先是因为SD-WAN本身就是跨界的技术,VPN只解决联通性问题,专线通过高昂的成本解决连接质量的问题,而SD-WAN的跨界之所在,是用低成本解决连通性和连接质量问题。基于应用的选路是SD-WAN最基础的功能,而Fortinet在NGFW市场的领导力,决定了对于应用的识别准确度是世界一流的,而SD-WAN的另一基础功能:链路健康检查,也是Fortinet作为一家出色的网络安全公司迭代很多年的基础功能。其次,Fortinet以安全芯片+硬件的方式解决企业网络安全挑战,其产品本身就是网络的一部分,而芯片+硬件的方式给SD-WAN提供了基于安全的可靠网络性能,稳定性高。再次就是SD-WAN主要应用在多分支场景下,这个恰好是Fortinet具有绝对优势的领域,不仅对用户需求理解深刻,同时依托于庞大的用户群,可以获得最广泛的用户需求,从而帮助产品进行更好的进化。

2019年4月,Fortinet推出了业界首个SD-WAN 专用芯片,以及支持SD-WAN功能的FortiOS 6.2版本。而基于这二者的最新FortiGate 100F设备,则能够实现10倍的性能提升。SD-WAN在很大程度是需要感知应用的流量,也就是要识别不同应用的网络流量再进行重新评估和网络路径选择,比如识别网络中Office 365的流量并直接导向公网连接。而Fortinet的SD-WAN ASIC可以识别超过5000种应用,并能够保障关键企业应用的响应速度和性能。而对于从企业网络转向公网所带来的可能性能降低,FortiOS 6.2也提供了WAN优化功能,在即使最脆弱的公网中也能保障应用的性能和体验。

Fortinet北亚区副总裁陈鸿翔强调,SD-WAN是一种跨界技术,主要是基于混合云而产生的需求,而北亚市场特别是中国市场对于SD-WAN有着大量的潜在需求。随着亚太区和中国数字化转型进程的推进,特别是中国地理面积幅员辽阔,越来越多的企业分支机构、零售连锁店、4S连锁店、医疗连锁机构等都需要接入公有云应用和计算资源。而对于那些此前已经采购和使用过Fortinet设备的机构,可以很容易过渡到SD-WAN部署方式,通过简单的软件升级就可以马上享受云网协同的数字化体验。

Fortinet中国区总经理李宏凯则非常看好中国市场,不论是正在快速扩张的网络安全市场还是新兴的SD-WAN云网协同市场,都为Fortinet带来了巨大的发展空间。而Fortinet的网络功能是在网络安全厂家中最完善的,网络和安全两方面的能力均衡是Fortinet最大和独有的优势。对于中国的数字化转型市场和发展数字经济来说,Fortinet做好足够的准备积极参与其中。Fortinet十分重视中国市场,不断加大对中国市场的投入。

说到一家创业20年、上市10年的公司,不仅生存下来了,还能够保持持续稳定健康的发展,其秘诀是什么?在Fortinet工作了15年的陈鸿翔和工作了17年的李宏凯透露了他们的体验:首先,Fortinet是一家很简单的公司,就是技术驱动;其次是网络安全是一个快速发展的技术体系,能够不断给Fortinet员工带来新的挑战;再次是Fortinet是一家组织扁平化的公司,各地分公司都有相当大的决策权。这些就决定了Fortinet的关系不复杂,容易打交道;员工总有新挑战,保持新鲜感;各级组织都能参与决策,可充分发挥主观能动性。

展望2019年及下一个十年的中国市场,李宏凯强调Fortinet对中国市场的长期承诺:无论是网络安全市场还是数字化转型市场都有着巨大的空间,可以容纳更多的企业参与其中,共同为中国发展数字经济做出贡献。(文/宁川)

2019-07-19

2019年7月9日,IBM宣布以总价340亿美元完成了对Redhat红帽公司的收购。IBM公司董事长、总裁及首席执行官罗睿兰就此评价:“企业正在开启数字化重塑的下一篇章,打造现代化的基础设施,将关键型任务的工作负载转移到私有云和由多个供应商提供的多云平台上。他们需要开放、灵活的技术来管理这些混合多云的环境,他们需要由可以信赖的合作伙伴来管理和保障这些系统。IBM与红帽将是满足这些需求的不二之选。”

IBM为什么要收购Redhat红帽?外界评论不一,但可以肯定的是这次收购卡位了正在强势成为企业云市场“中间件”标准的Kubernetes。当前,基于开源Kubernetes代码共有125余个商业化版,企业误以为这些商业版本之间是相互兼容的,但实际上它们都处于不同的软件生命周期、不同的版本时间表,到最后仍然要在几家大型的Kubernetes商业版供应商之间选择,因为这些大型供应商有更丰富的上下游兼容技术、产品、方案和生态伙伴。

2019年7月18日,2019 IBM Systems科技论坛在南京举行,IBM副总裁、大中华区系统部总经理侯淼表示,由于企业在数字化、云和人工智能方面进展快速,IBM LinuxONE主机在中国市场取得了很好的业绩。LinuxONE是IBM面向Linux系统推出的大型主机,其特点是一台主机可以顶百台X86服务器、一台主机就是一个数据中心,其效果不仅是用电、用地等方面的节约,更带来了运维、部署、管理等方面的大幅简化,特别适合中型企业数字化转型。

IBM z系统大型主机、LinuxONE主机、Power服务器、存储等面向企业级专用硬件,加上IBM在数据管理、人工智能、应用管理和操作系统等领域的企业级软件,以及Redhat红帽公司在Linux和Kubernetes企业级系统软件及生态的联合能力,为企业数字化重塑市场提供了第一大“硬”技术供应商。

IBM主机以一顶百:反X86服务器蔓延

(IBM副总裁、大中华区系统部总经理侯淼)

自从云计算模式出现以后,就出现了X86服务器蔓延的现象。什么是X86服务器蔓延?简单的理解就是随着数据中心里大量增加了廉价PC服务器,而每台服务器资源的利用率都较低,导致占据了大量的空间和电能等资源以及消耗了大量的人力管理。X86服务器蔓延既有物理机蔓延也有虚拟机蔓延,虚拟机蔓延即当完成计算任务后忘记撤销虚拟机,当新的计算任务到来后又重新分配资源建立虚拟机,导致虚拟机越来越多、占据的资源也越来越多。

在2019年上半年,IBM为某区域性中型商业银行进行了一个X86服务器的整合项目,用LinuxOne主机取代了上百台X86服务器。为什么要这么做?因为该银行面临压力显著,首当其冲就是IT系统维护压力大。该银行开发很多新系统,导致有将近70多个IT系统和70多个数据库,70多个数据库分布在上百台服务器上,而该银行只有五六个运维人员,运维工作量非常大。且不说新系统的上线,仅老系统的数据库打补丁、老应用服务器维护等就花费了很多时间。而随着X86服务器数量的扩展,租用机房面积迅速增大、电费压力明显。此外,该银行虽然有很多的分布式系统,但是利用率不高。

IBM为该银行提出了通过LinuxONE进行x86服务器整合的方案,特别是采用了“一核一库”的概念,即一个LinuxONE核心能够接管一个数据库。好处在哪里?通过统一的构架能够把不同类型的数据库都放在LinuxONE上,大幅度节约机房面积、电能,更重要的是采用简单统一构架,通过集约部署实现多活数据中心以及未来通过容器上云的发展方向。侯淼强调,当前全国的企业IT构架都在开展变革,不仅是北、上、广、深等地的大银行和大企业,在地方上的中小银行和中小企业也在通过服务器整合集约化部署,提高计算资源利用率和投资回报率。

LinuxONE把IBM z系统大型主机的高端硬件设计与Linux操作系统结合起来,为企业计算提供了一个集约化和集成化的硬件平台。Emperor II提供170个处理器内核、5.2 GHz的运行速度、32 TB内存(最高)和640个专用I/O 处理器,支持数万个会话和数百万个容器,每天能运行8000个虚拟服务器和超过300亿次RESTful Web 交互。而入门级的Rockhopper II提供最高8TB内存、30个处理器内核和4.5 GHz运行速度,支持数以百计的生产和开发虚拟机。

LinuxONE的效果可以达到“以一顶百”,可类比于停车场到立体智能停车楼的概念,1 IFL(Integrated Facility for Linux,即IBM z主机处理器但只运行Linux)可整合超过33个X86内核,节约机房和电能70%以上,而对银行类场景可实现“一核一库”整合效果,即一个IFL支持一个Database,也就是一台Emperor II可支持170个数据库,一台Rockhopper II可支持30个数据库。而凭借高处理器数量、时钟频率和I/O带宽等等,LinuxONE在运行时的利用率几乎可达到100%,X86计算机的利用率则相对较低(通常接近或低于50%)。

2018年IBM发布的第14代z大型主机z14 R1和LinuxONE Rockhopper II版本,z14 ZR1可作为IBM私有云解决方案的基础平台,实现“一台主机即为一个数据中心”,即存储、网络及其它部件在单台主机中的一体化部署与共管。2019年2月,IBM发布了针对 IBM Cloud Private (ICP) 的多项重要增强功能,通过在IBM Z上运行整个私有云基础架构,提供高度安全的私有云,包括可以让用户在IBM Z/LinuxONE上运行和管理基于 Kubernetes的私有云工作负载等。

“智能+”重塑企业硬件平台

(2019全球超级计算机排行榜第一名SUMMIT)

如果说“互联网+”极大促进了分布式计算架构的普及和X86服务器的蔓延,那么“智能+”就是促进企业IT和私有云架构向集成化和集约化方向发展。在“互联网+”阶段,出现了企业的双模IT即“稳态+敏态”,其中的稳态主要是面向ERP、CRM等关键企业应用,而敏态主要面向互联网应用和DevOps开发等。而在“智能+”阶段,又出现了一个“智能”态,即专门负载人工智能应用的企业IT系统。

对于当前的企业数字化重塑来说,关键是要找到一个可以同时满足三个模式的供应商作为 合作伙伴,一起完成向云迁移的旅程。而IBM本身就提供了全面的系统硬件平台,可以满足企业数字化重塑的各种需求。IBM大型主机是稳态IT的首选硬件平台,例如从2003年左右国内几大行开始用IBM system X大型主机,方案总共为6台机器包括4台跑数据节点、2台作为交互。2003年到今天过去了17年,负载量增加了至少三四十倍的水平,但是设备数量还是6台,而且有很大的空间再支撑更多负载。当然IBM z14的发布,将IBM大型主机技术推向了新高度,从安全、稳定性、可靠性等多方面进行了强化。

在敏态方面,IBM LinuxONE是跨稳态和敏态的企业硬件平台。LinuxONE 是一个支持DevOps 流程的重要平台,因为LinuxONE基于开源Linux构建,开发人员能够在企业内部环境和云环境中使用同样的常用工具,并以安全的方式运行开发工作负载和生产工作负载。IBM 整合了面向LinuxONE系统的重要开源软件和行业软件,包括Python、Go、Swift、Java 和其它语言编写的软件;以及MongoDB、PostgreSQL、Apache Spark、Node.js、Hadoop 和其它工具(包括Kubernetes、Docker、Chef 和Puppet等)。

在智能方面,IBM Power服务器是面向AI人工智能应用的硬件平台,POWER芯片与NVIDIA GPU配合可以完成人工智能模型的训练以及推理等计算任务。更重要的是,当前已经打破了高性能计算与人工智能计算的界限,在一个硬件平台上统一两种计算任务。而IBM Power服务器同样胜任高性能计算任务,在2018年和2019年的全球超算计算机排行榜中,位于榜首的SUMMIT超级计算机就是由基于IBM POWER芯片的服务器组成。由此可见,IBM Power服务器可以同时胜任人工智能计算和高性能计算,而IBM Power服务器的性能与X86服务器相当于1:5,即一台IBM Power服务器可顶5台X86服务器。

与IBM z主机、IBM LinuxONE主机和Power服务器相配合,IBM存储采用成熟且久经验证的技术,可以灵活部署在公有云与混合云环境,并可以利用企业现有基础设施的特性支持其下一代应用程序的开发,此外IBM存储综合广泛的产品家族可满足软件定义的存储需求。

在面向混合云方面,IBM存储产品IBM Storwize系列、FlashSystem 9100及SVC(SAN Volume Controller)都利用了IBM Spectrum Virtualize for Public Cloud的广泛功能,简化多云解决方案的实施过程。如今,IBM Spectrum Virtualize for Public Cloud可以部署在Amazon Web Services(AWS)以及IBM云上,从而提高灵活性和选择性。

据IBM调研报告显示,目前85%的企业在混合多云的环境中运行,91%的公有云使用者同时使用内部的私有云,每家企业平均使用约5个公有云和私有云平台。此外,在未来三年内,更将有98%的企业部署混合多云的平台。数据需要在传统基础架构、公有云、私有云、混合云及多云等不同平台间具备良好的数据可移植性,能够利用公共云服务或开放的API,同时确保数据安全。

随着IBM完成对Redhat红帽的收购,IBM企业专用硬件和之上丰富的软件生态,将成为企业数字化重塑的首选“硬”平台。实际上,一台IBM主机上可以同时并存z/OS处理器和Linux处理器,一台Power服务器上同时搭配了POWER芯片和GPU芯片,集成的硬件架构让企业的云系统和应用软件可以更好的运行和管理。可以预见,随着数字化转型和数字化重塑的进行推进,越来越多的企业将重新考虑企业IT的系统架构设计,而IBM+Redhat红帽将是混合云市场上第一大阵营供应商。(文/宁川)

2019-07-18

2019年6月20日,AWS发布了一个Outposts早期版本的视频,WIKIBON就该视频所披露的内容进行了分析。WIKIBON认为AWS Outposts进一步证实了WIKIBON的方案,即将云运营模式引入客户数据(无论它在何处)对于组织来说都是可行且合乎逻辑的策略。

Outposts在客户处采用与Oracle Exadata Cloud类似的策略,即在本地和公共云中放置相同的硬件和软件。与Oracle一样,AWS强调,只需一个控制面板即可管理公共云和内部部署的资源和数据,从而简化管理,降低成本并提高性能。

最大的区别在于,AWS Outposts旨在满足更多的受众用户需求,而Oracle Exadata Cloud at Customer专注于Oracle数据库客户。此外还有其他竞争对手,包括Oracle,将在本文稍后讨论。

AWS首席执行官Andy Jassy在去年的AWS re:Invent会议上解释了Outposts的基本原理。WIKIBON在混合云分类中将Outposts定义为“ 真正的混合云 ”。

控制和数据面板有什么功能?

控制面板负责分配和管理所有计算和网络资源以及运行作业的相关软件服务。控制面板还管理数据面板。数据面板是一组服务,负责分配卷并管理服务级别的存储、备份、恢复和其他相关服务(例如快照)。

AWS在其Outposts视频中强调哪些价值点?

AWS在视频中提出了几个值得注意的要点:

第一:一旦接通电源并将网络连接到Outposts机架,AWS Control Plane就会接管。AWS将开放所有的EC2实例,并且所有系统管理都是集中且自动化的。WIKIBON注意到处理初始网络设置并不简单。客户仍然需要合格的人员,并且必须进行适当的规划。Outposts是基础设施的一部分……客户需要确定如何将该产品连接到业务并创造价值。

第二:Outposts使用集中式电源母线****,这是部件的共享资源,无需在商用服务器内部使用单独的电源。AWS声称这可以降低故障率、降低电源数量,并且是将AC转换为DC电源的更有效方式。这在服务器领域并不是唯一的,但它有着积极的意义。在大批量出货时,这将显着减少电源故障和间歇性问题。在更宏观方案中,这种能力是相对次要的,但这就是它在云中的工作方式——AWS正在将最好的云基础设施引入到本地。

第三:因此,接入新服务器很简单。AWS允许客户将故障服务器拔掉,从而降低服务成本。这并不是AWS独一无二的做法,但它的确做得很好。它看起来是一个非常简单的设计和“金属扣”( “metal bending”)的最佳实践。

第四:AWS把Dual Switch Ports作为一个特色。同样地,作为一种提高可用性的技术,这在高端服务器中并不少见。但尽管如此,它可以替换Outposts中的每个活动部件,而不会影响正在运行的任何其他工作负载。例如,在服务器故障时,Outposts控制面板将自动配置另一个EC2实例。AWS将通知故障,发送新部件并告诉要更换哪个部件。这是DIY操作中的最佳选择。再次强调,它并不是独一无二的,但做得很好。

第五:Outposts内部也采用了Nitro技术。Nitro是AWS自己的芯片,这是一种专用芯片,带有专有的管理程序,专门用于有效管理基础架构服务(即管理程序和网络服务)。这是独一无二的,提供接近裸机性能,虚拟化开销低于包括VMware在内的任何其他虚拟机管理程序。

第六:AWS强调它在公共云中运行与本地完全相同的硬件。一切都是相同的,除了每台服务器中都有一个额外的Nitro芯片用于加速与AWS公共云控制面板的连接之外,其他一切都是相同的。

竞争者

Oracle Cloud at Customer。Cloud at Customer是最接近其概念的,并且也是第一个引入Same:Same理念的产品。一种版本是包含在通用版本中的Cloud at Customer,另一种是Exadata Cloud at Customer。WIKIBON认为,Cloud at Customer的能力与Outposts所宣传的服务复杂程度并不匹配。但是Exadata Cloud at Customer明确设计为运行Oracle Database,并且它比其他任何产品都更好地运行Oracle Database 19c。两种版本的Cloud at Customer都在市场上出货,并且已经有一段时间了。

Azure Stack Solutions。Azure Stack Solutions包含高度蓝图化的硬件和软件,这些硬件和软件对于每个Microsoft硬件合作伙伴而言都是特定且独特的。戴尔的解决方案不同于HPE;它们与联想的解决方案也不一样。所以它们不符合Same:Same理念。

这有什么不同吗?WIKIBON认为是的,因为它增加了问题解决的复杂性,并在将本地连接到公有云的情况下增加了最低的开销。较低的集成通常意味着需要更多的本地技能、人员和流程来运行系统。

但WIKIBON的理解是:AWS Outposts需要始终与AWS云控制面板建立连接,以确保在出现问题时能够完全自动化并掌握处理问题的知识。如果网络关闭,Outposts上的EC2将继续运行,但会变得“盲目”。EC2实例将无法发出故障信号,使用AWS云服务或本地或远程管理。对于无法访问公共云控制面板(例如在游轮中)的情况,Azure Stack for Edge将具备优势。当从Azure公有云断开连接时,恢复将较复杂并且可能不太自动化,但这也是AWS Outposts目前无法涉及到的场景。

Google Anthos。Google Anthos是一款混合云产品,主要专注于在Google Cloud中运行Kubernetes、Istio和Knative并支持本地分布式工作负载。这与主要的硬件/服务器供应商建立了类似Azure Stack的关系,以创建混合解决方案。谷歌本身并不提供“盒子”,相反而是采用了更多类似Azure Stack的方法与合作伙伴合作。

Outposts是全新的产品,目前还没有正式发布。因此在去年宣布该产品时,许多细节还不得而知。WIKIBON的James Kobielus 去年写了详细的说明(https://wikibon.com/whats-missing-outposts-aws-latest-hybrid-cloud-announcement/),值得回顾一下,以便更好地理解可能存在的问题。

显然,AWS正在赢得市场。它表现出一种放松过去教条的倾向,这让观察者惊讶。许多人认为AWS永远不会创建内部部署/混合解决方案。WIKIBON认为他们正通过AWS学到一件事:绝不要说“绝不”…