今年以来，量化私募赚钱效应显著，不仅整体业绩大幅跑赢市场，百亿量化私募的平均业绩更是超过20%。但自9月中旬以来，量化产品遭遇了一轮大面积回撤，更有头部量化私募机构宣布全面封盘。有业内人士指出，量化封盘一定程度上是因为投研实力和策略的迭代速度已经跟不上管理规模增长速度。一、封盘、回撤，出于何因？量化私募在市场上极具神秘感，这种神秘感一方面来自投资策略本身难以用浅显的语言表述，另一方面也来自于从业人员自身的讳莫如深。随着近三年量化私募的规模急剧膨胀，他们已然成为A股市场上一股不容小觑的力量。私募量化向来以高胜率和稳健性著称，但自今年9月中旬以来，量化产品遭遇了一轮大面积回撤，部分新成立产品的最新净值已不足0.9元，更有头部量化私募机构宣布全面封盘。有市场猜测：强指数消弱超额、策略趋同、规模大增等原因，造成回撤或封盘。对此，有券商机构给予了回应：1.强指数消弱超额的观点难以得到数据的支持。A股长期处于强指数弱个股的环境，近期这一环境并没有出现进一步恶化。2.单从超额收益的相关性而言，量化私募的策略存在趋同，这种趋同现象在不利的行业因素影响下，可能会加剧同向波动。3.通过分析与头部量化私募基金“相似”的公募500增强产品的持仓数据，推测头部量化私募很可能在前段时间超配了周期，继而遭受到了周期板块的回撤带来的净值损失。4.从头部量化私募实际行为来看，目前的管理规模可能已经接近资金容量的上限，稳定获取超额的难度正在变得越来越大。二、规模越大，业绩越平庸？量化私募自2018年开始进入了快速发展的阶段，截至2018年底，据非官方统计行业管理规模大概在1500亿左右，2019年底行业规模迅速增长到了3000亿左右。进入2020年，伴随着权益市场的上涨行情，股票量化策略迎来了量变到质变的规模化快速发展，行业内打破百亿规模的量化机构频现，头部机构甚至跨过了500亿，成为进军千亿级别的量化巨头。一方面，中国权益市场处在高速发展时期，制度以及政策的红利给了量化行业发展的机会；另一方面，量化机构在人才、策略、算力、数据、投研等方面的大力投入，也共同推动了行业的迭代进步。伴随增量资金的涌入和亮眼的业绩表现，量化私募总管理规模也攀升到7000亿左右的水平。2021年同样是量化私募发展的大年，截止到最新，管理规模超过百亿的私募管理人中，量化私募已超过26家。除去新锐百亿量化私募的不断涌现，在今年以前已超百亿管理规模的量化私募管理人也迎来了规模的急速增长，由曾经的量化“四大天王”到现在的百花齐放，行业整体的总规模也超过1万亿元。有机构统计，今年收益在30%以上、回撤控制在10%以内的量化基金，有几个共同点：一是他们的收益来自于明显的趋势行情，比如今年的新能源成长行情；二是规模是他们的死穴，规模越大业绩越平庸；三是时灵时不灵，业绩取决于量化驱动因子，比较难挑选。规模似乎成了业绩的杀手，尤其在日益趋严的监管之下，如何平衡管理规模与超额收益的关系，成为不少量化机构头疼的问题。私募排排网基金经理胡泊表示，量化策略的收益率、波动率以及管理规模之间，存在不可能三角的关系，会相互制约，对于量化私募而言，不可能做到三方面同时兼顾，也就是说随着管理规模的不断增大，量化策略的收益率肯定会摊薄，同时波动率会加大。随着量化规模越来越大，策略之间也会相互竞争，虽然红利未来依然存在，但这是一个不断摊薄的过程，现在国内量化私募的超额普遍超过了15%，未来会缓慢向美国市场3%-5%的超额收益靠拢。但也有百亿量化私募称，规模不是业绩的杀手，策略失效才是。最近量化表现不好，有的可能是敞口比较大，有的是研发能力没有跟上，有些是市场短期剧烈波动的效应。三、监管趋严，或与前期量化市场成交过热有关？从高峰期单月备案量达到100只，到如今封盘劝退投资者，量化私募基金的备案速度明显放缓。这其中既与量化产品遭遇深度回撤有关，也与日益趋严的私募监管有关。9月6日，证监会主席易会满在出席第60届世界交易所联合会（WFE）会员大会时表示：“量化交易、高频交易在增强市场流动性、提升定价效率的同时，也容易引发交易趋同、波动加剧、有违市场公平等问题”。9月7日，有市场传言称，监管机构正对量化私募做窗口指导以及现场约谈，可能要求其降低募集频率并限制规模。但已有私募对该传闻予以否认。11月3日，量化私募基金运行月度报表上线，中基协要求量化私募及时完成信息报送任务，不报送或逾期报送达到两次及以上的管理人，将被列入信息报送异常机构，协会将在官网予以公示，并视情况进一步采取自律措施。可看到量化私募基金受到的监管有所加强，未来行业透明度有望提升。目前，美股市场量化交易占比在90%以上，而A股市场的量化交易占比在20%左右。从这个角度来看，至少还有数倍左右的成长空间。而我国量化私募从2019年才开始大步发展，无论是管理人还是投资人都在逐渐走向成熟的过程中。长期来看，量化行业整体规模还会再上一个台阶，虽然竞争激烈，但发展空间依然广阔！中国量化投资的2.0时代发生在2016年-2019年，非凸科技在中国量化投资发展的巨潮中诞生，创立于2018年8月。非凸科技作为中国金融市场领先的智能投资算法交易平台，致力于为量化机构提供最专业的服务。非凸科技工程师团队均来自海内外知名院校及顶级金融/互联网公司，多数成员拥有国际竞赛奖牌，具备迅速迭代并应用最新技术的能力。公司致力于建立工程师文化，笃信强大的技术体系才是持续创造稳健回报的基础和关键。当前，工程师团队还在招募！期待与严谨细致、沉着冷静、热爱Rust、对量化行业充满热情的人一同奋斗在量化行业的最前线！

最近，在纳斯达克上市的美国明星电动车公司 Rivian，其市值在首个交易日就突破千亿美金超越福特，之后在最高的第五个交易日超越大众，成为世界第三大汽车制造商，市值一度逼近 1 万亿元，此后有所回落。仅仅交付了百台左右的汽车产品，如果按照市值与交付量的比值来看，Rivian 似乎创造了新造车市场上最大的泡沫？这一点马斯克也发推特吐槽过了。所以 Rivian 背后的想像力究竟是什么？除了亚马逊贝索斯占的巨额投资、大量的用户订单、美国市场对于皮卡的钟爱之外。Rivian 被资本市场青睐的一大核心因素，便是其采用了颠覆汽车生产模式的「滑板式底盘」。这是使汽车由单独的载人工具转向智能移动空间过程中，必不可少的关键一步。简单说，「滑板式底盘」是一种可以减轻整车开发负担的通用型底盘方案，主机厂只需要做上装的车身部分，下装部分可利用「滑板式底盘」自由调整的特性，拉伸成所需的适配布局。这种研发的变化，让汽车产品摆脱了固有的束缚。这相比当前的整车平台更有前瞻性，Rivian、Canoo、REE、PIX Moving 等一众新造车公司已逐步将滑板式底盘推向商业化，甚至还有消息称苹果造车也将采用这种底盘架构，在 2025 年完全实现自动驾驶，车内无方向盘、刹车、离合等传统机械部件。滑板式底盘为什么被看好？与一般领域不同，在高度商业化且产业链分工精细的汽车市场中，一种需要各方均做出极大变动的新模式想要被采纳，必然要存在显著的价值优势。滑板式底盘被青睐的根本原因，可以归结为两点：成本和研发优势。当前，新四化正在引领全球汽车市场转型，各个级别、各个类型的乘用车都被包含在内，这已是公认的观点。2020 年全球乘用车销量达到 7803 万辆，而新能源车型销量有 312 万辆，占比已经接近 4% ，即将迎来爆发点。此外，消费端的个性化需求也在快速增长。对任何一家车企来说，想要打造数十万辆的爆款车型也越来越困难，传统油车在研发及产品迭代上已无法完成瓶颈突破。而且对于造车新势力企业来说，在传统车企积累了百年的整车生产制造流程、供应链体系、产品交付和成本控制方面难以突破。所以新的个性化需求，新的研发模式，新的迭代升级促使「滑板式底盘」成为了新的主流。也为传统车企带来了高效经济转型的契机。 所谓「滑板式底盘」，就是将电机、电池、电控、转向、制动、悬架等系统集成到一个独立底盘内，利用线控技术实现车辆上下解耦，使底盘与上装控制端不再有任何机械传动硬连接，进而可以自由调节其大小与空间结构，带来一个底盘可多元化应用和可重复利用的优势。其优势可以概括为：完全自由的车辆上装设计、极短的单车开发周期、最小的空间占用能力、可适配于各类车型...同时，滑板式底盘还可让车企大幅降低前期的研发和测试成本，快速响应市场需求，实现新车型的批量生产，从而加速实现盈亏平衡。以 PIX Robobus 为案例，基于滑板式底盘，可将从 0 到 1 的整车研发时间缩减至 1 年以内。 面对当前市场的个性化需求，滑板式底盘不仅可以最大程度保留上舱空间，带来多样化的空间应用布局，还可以快速打造不同类型的车型，以满足不同用户群体。 而且，滑板式底盘还可利用分布式驱动的特点，以代码的复杂度等量替代机械的复杂度，通过降维的程序模拟解决需要复杂结构和高昂成本方能实现的运动方式，如自动驾驶需要足够多的运动方式、运动车需要的限滑差速器、越野需要的坦克掉头、差速锁功能。通过滑板式底盘还可打造产业中台，未来可将接口开放给第三方，避免各大企业研发资源的浪费。电动时代驾乘体验开始由控制软件决定，即使采购相同模块，也可以做出自己特色，各个定位和预算的车企都能以此塑造自己的品牌基因。滑板式底盘带来了什么？从全球范围来看，目前押注滑板式底盘的美国 Rivian、Canoo，以色列 REE 等造车新势力，还有更加极致化的 PIX Moving 公司。Rivian 通过滑板式底盘，布局乘用车、商用车两大路线。乘用车已推出电动皮卡 R1T、电动 SUV R1S 两款车型，商用车则与亚马逊合作，目前推出一款电动货车 EDV。Canoo 目前推出了三款车型，分别是主打生活方式的 Canoo Lifestyle Vehicle、多用途物流车 Muti-Purpose Delivery Vehicle、Pickup Truck 皮卡，规划里还有一款主打运动的车型，这些产品均基于同一个滑板底盘开发。曾有外媒报道，苹果公司为了推进纯电动汽车项目的发展，在 2020 年上半年有意向收购 Canoo，因为滑板式底盘结构引起了苹果公司的兴趣；2020 年 2 月还有消息传出，现代汽车与 Canoo 开展合作，双方将基于滑板式底盘，合作研发一款电动汽车 EV 平台，但后来都不了了之。在 2021 年消费电子展上，REE 展示了其获得专利的 EEboard 和 Ecorners 滑板底盘，目的是以一个通用电动车底盘，用同样的框架满足不同车型需求。此前，丰田重卡部门 Hino 推出的概念卡车已经与 REE 展开合作。REE 首席执行官兼联合创始人 Daniel Barel 曾表示：「REE 努力创造一个通用性极强的基础平台，合作伙伴和客户可以根据他们的确切需求，在上面搭建他们需要的各种电动汽车。」 与前面的几家公司一样，PIX Moving 也是以滑板式底盘开发为核心，整个底盘采用全线控技术，使得行驶系统、转向系统、传动系统、制动系统高度集成。不过，PIX Moving 还有更进一步的四轮独立轮毂电机 + 四轮转向结构，可以实现各类复杂精准的动力分配和运动轨迹，适应于更多的场景与地形。公开资料显示，基于第一代滑板底盘，PIX Moving 可在 1 年时间内开发出客户所需车型，覆盖专用车、商用车等场景，包含 Robobus、安防车、物流车、零售车等类别。最近，PIX Moving 又发布了第二代车规级滑板式底盘。与第一代不同，第二代不仅面向高速应用场景，还全面植入了新的汽车算法模型 --AAM™（一种基于算法模型的车辆设计 - 制造流程），让部分汽车底盘结构设计用 AI 算法来完成，同时可结合生成式设计技术与无模具数字工艺技术，打通设计端与制造端，做到端到端无缝衔接。在常规设计制造流程中，其步骤大致可分为计算机模型绘制、工程分析、估算成本、可靠性实验等，每当需求有改变时，整个设计过程将会重头开始。对于多样化市场需求，这个设计过程有着很大的不确定性，而且需要高昂的经济、时间和人力成本，但 PIX Moving 的 AAM™正可以解决这一问题，使车辆底盘原型开发变得更加容易和高效。此外，PIX Moving 还自主研发了无模具成型 RTM，通过数台六轴工业机器人 + 多种工具头，依据算法生成的数字化工艺文件相互协作，可对金属板材进行任意成型。这意味着可以在滑板式底盘要面对的定制化生产中，能够脱离模型带来更大的成本优势，即使是低需求量的产品也能保证利润。基于自动驾驶和滑板底盘，汽车正在突破过去的固有形态从交通工具向智能移动空间转变，是在新四化的引领下，汽车行业的「口头禅」。但这样的转变是如何发生的？第一步一定是解放设计。「滑板式底盘」让汽车设计不再由变速箱或发动机的位置决定。汽车的设计似乎又能够重回「一张白纸」。滑板式底盘的出现，首先为汽车的空间带来了更多玩法。基于滑板式底盘的非承载式结构，乘用车没有上下连接的操控机构和复杂的笼式框架，整个车体上装可以进行更自由的空间规划。例如，Rivian R1T 就利用座舱与货箱之间空间设计了一个宽大的通道，不仅可以用来存放滑雪板、钓鱼竿等长物品，还开发了可收至其内的营地厨房，扩展出新的使用场景。 Canoo Lifestyle Vehicle 要更进一步，打破了传统汽车的刻板布局，以生活方式为产品核心。在这款车上，车体采用非常通透的全玻璃外罩、外置三相电源，车内空间布局也被重新定义，前排重要性被弱化，仅保留了一个异常简约的方向盘，后排座椅采用适合多人围座的环绕布局，还做出了多种组合乘坐、便利性收纳规划。PIX Moving 则更进一步，彻底突破了现有汽车的布局。由于将所有的行驶系统、转向系统、传动系统、制动系统都被集成至滑板底盘内，而且具备自动驾驶能力，直接将车辆上装变成一个个独立的「房子」。  这些「房子」可以是便利店、生鲜店、快餐店、健身房、休息室，也可以是无人驾驶小巴座舱、无人物流货仓，可在上面打造出各式各样的移动空间。PIX Moving 甚至还做出了真正的尝试，与意大利 lendlease、国内的吾悦广场达成战略合作，将联合推动 5-10 个移动空间场景落地，用户只需一键呼叫，就可以召唤一辆符合个性化需求的空间，包括美妆车、美食车、茶饮车、娱乐车在内的多个种类。 尽管与 Rivian 和 Canoo 相比，PIX Moving 的定位看起来更脱离庞大的消费者购车市场，但这却不妨碍其商业化进程的成功。2020 年 2 月 18 日，PIX Moving 向美国卡耐基梅隆大学交付了第一台滑板式底盘。至今一年多时间，其滑板式底盘和整车的交付量已达到数百台，并开发出数十款无人化车型及应用，覆盖物流配送、教育、零售、安防、林业等 23 个商业场景，涵盖近 20 个国家的 100 多个客户，并保持高速增长。这同时也得益于 PIX 开发授权给第三方平台，以协同创新为降低自动驾驶应用的门槛点燃了星星之火，也让更多个体，机构参与到自动驾驶产业变革中，实现去中心化与民主化的创新。随着新四化进程的加速，汽车产业势必要面临研发制造、供应模式的全部重构，而这个过程所要付出的代价即使是万亿级车企仍难以承受，以滑板式底盘为代表的低成本、高效率解决方案正在成为那个完美的解决方案。它不仅加速了车企与出行企业推出新品的速度，更是打破了传统汽车的束缚，为全新的设计与下一个时代汽车形态的变化带来了转机。可以预见，一种新的产业格局正在形成，滑板式底盘也将由此从边缘走向主流。而未来智能汽车的创新，也即将开启去中心的「多元化时代」。

第一部分我是武汉软件工程学校汽车工程院校的一名大一学生，现在的专业是新能源。在高中的时候就开始打一下游戏，我先是在bilibili上认识了公主链接，但是公会战排刀和一些文本类的东西自己实际运营起来很繁琐。渐渐觉得，如果有一个群聊机器人会方便省事很多。于是就想要自己用服务器搭建一个群聊机器人，奈何没有什么好的途径（当然技术因素也是一个重要方面）。经过一个月的学习，以及平时打CTF积攒的linux使用技巧和经验。这几天右偶然看到了一个GitHub的个人博客模板yobot,于是想借此途径进一步学习一下GitHub的相关知识提高自己的代码she审计的能力。就决定以此搭建一下。以前就听学长说大学生可以“白嫖”阿里云的服务器。作为一名资深的白嫖玩家怎能错过这样的好机会呢？于是我对比了腾讯云服务器，最终选择了阿里云。第二部分初次阿里云ECS系统的时候发现里面有好多的选项和按钮，让人挺眼花缭乱的。幸好有一个初次的教学功能，很快的让我掌握了这个系统的初级用法。为了快速搭建这个群聊机器人，我选择使用GitHub的yobot模板，安装的非常快，之后就ok了将自己的程序上传到云服务器，但是在启动nginx服务器时总是说明80端口占用，这就简单的kill一下80端口的进程即可有效解决。很不巧，告诉同学们我搭建了一个群聊机器人，就有一个家伙来ddos我的机器人。差点他就g了，于是我就火速开启了防火墙。对其进行简单的拦截。阿里云的控制台也很贴心，告诉我我的主机存在1000+漏洞隐患，但是一件修复竟然还要q?算了还是以后自己慢慢打补丁吧。第三部分总的说我是要感谢阿里云这个很不错的飞天计划的。它给了我们“白嫖党”一个学习的动力和机会，让我第一次亲手搭建了一个属于自己的一个群聊机器人，我非常享受这个过程和结果给我带来的欢乐。以后的两个月里，我将会尝试在这台云主机上搭建一个ctf的靶场来复线一些比赛的优秀题目进行学习。第四部分附几张程序的图片：

2020 年 9 月，中国政府提出了 2060 年前实现碳中和的目标，此后，这一概念的热度节节攀升。「碳达峰」和「碳中和」也正式写进了 2021 年的《政府工作报告》，成为两会期间最热门的议题。从目前的排放总量来看，中国已是全球碳排放第一大国。处于经济上升期、排放达峰期的现况让我们必须兼顾能源低碳转型和经济转型，统筹考虑约束碳排放和保持社会经济发展增速需求之间的矛盾。为了实现碳中和目标，各行各业，尤其是能源行业，都要付出更多的努力。原本这些努力，与 IT 行业主导的 AI、大数据等技术或应用似乎是八杆子都打不着的关系。然而，就在能源革命悄悄开启的当下，数字化和智能化的技术驱动力还是悄然浮出了水面。这两者会产生关联的原因其实很简单——在低碳经济的发展趋势下，以风电、光伏为代表的可再生新能源正在能源格局中扮演越来越重要的角色。来自国家能源局的数据显示，仅 2019 年上半年，全国风电发电量同比增长 11.5%、光伏发电装机量同比增长 20%。然而，风电、光伏等新能源却很容易受到环境因素的限制：在其生产过程中，风速、风向、日照、气温、气压等环境因素，都会给电力系统带来巨大影响，使发电设备、 并入电网都面临运行效率、设备安全等方面的问题。在这一特定背景下，功率预测系统的作用显得尤为重要。除能帮助电网调度系统合理调整和优化发电计划，改善电网调峰能力，还能减少弃风和弃光率，是产业真正实现降本增效的基础。以往，通过历史资料以及人工经验来实施功率预测，往往存在准确率低、波动性大等弊端。因此在这场史无前例的大变革中，人工智能、物联网、云计算等新兴技术注定会成为幕后英雄。以智能化手段来应对以上挑战，也正在成为新能源企业面向未来，领跑绿色能源发展之路的首选。金风慧能就是其中的领跑者之一。这家新能源数字化、智能化领域的专业服务提供商，结合风机级气象预报、风轨迹模拟等气象预报数据， 以多模型组合的方式构建了用于功率预测的全新智能方案，将预测的准确率提升了 20% 以上。它的秘诀是什么？穷则变、变则通、通则久在大数据和 AI 技术发展的助力下，基于 AI 的智能功率预测其实早就具备了充分的落地条件。但问题是：只单纯依靠海量历史数据样本，并且只采用单一的人工智能算法模型的方法，也早已面临「技穷」的局面，其预测准确率会随着预测时段变长而随之降低。对于电力生产而言，最常见的超短期预测也要求系统预测 4 小时内的功率输出，这意味着预测系统需要在未来 16 个时间点 (每 15 分钟计为一个时间点) 上都保持出色的预测准确率和稳定性。 穷则思变，金风慧能通过研究和实践发现，在既有智能预测系统中，导入两项技术即可带来改观：一是导入更多维度、更具价值的数据。传统预测方法是一种「从已有功率数据去预测未来功率」的方案，因此其在时间维度上缺乏必要的数据支撑，而气象预报数据则能有效地弥补这一短板，其时序性数据能令未来各个时间点的预测准确率都保持一致性；二是为更多维的数据匹配多模型组合的方案，便于根据实际需求选取不同的深度学习或机器学习模型，分别与气象预报数据进行组合，扬长补短。「牵手」Analytics Zoo, 打通大数据与 AI 应用有了解决问题的法子，接下来就是思考如何实施。第一步，要先「打通」大数据平台与 AI 应用，这是打造一个结合海量历史数据与气象预报数据，并以多模型组合方式运行的全新智能功率预测方式所必需的，但要在大量分布式数据节点上打通大数据平台与 AI 模型、框架和优化方法，也不是件容易事儿。为此，金风慧能与英特尔展开了紧密合作。Analytics Zoo 是英特尔专门针对打通大数据平台与 AI 任务这一挑战开发并开源的解决方案，也是英特尔至强平台在软件和系统级优化上的重要组成部分。它能帮助多数企业用户现在普遍使用的、基于至强处理器的大数据平台上，直接背靠其积累的海量数据无缝部署 AI 应用。这一过程既不需要分别构建大数据平台和 AI 平台，免去将「大吨位」数据在不同平台间腾挪所消耗的高昂成本，也无需更换大数据平台的基础设施。当然，Analytics Zoo 有很多自己的独特优势：先天就可对基于英特尔 ® 架构的硬件基础设施提供全面周到的性能调优，同时支持 TensorFlow、PyTorch、Keras、BigDL 等多种主流 AI 框架。基于 Analytics Zoo，构建统一端到端全优化方案正是基于 Analytics Zoo，金风慧能轻松地将 Spark、TensorFlow、Keras 及其它软件和框架无缝集成到了同一管道中，实现将数据存储、数据处理以及训练推理的流水线整合到统一的基础设施上。如此一来，既可大幅提升新方案的部署效率、资源利用率和可扩展性，还能减少用于硬件管理及系统运维的成本。下面这张图展示了基于 Analytics Zoo 的分布式功率预测架构：同时，Analytics Zoo 还能卓有成效地将英特尔提供的众多底层软件加速库，如英特尔 ® 数学核心函数库 (Intel® Math Kernel Library，现名为 oneAPI Math Kernel Library)、面向深度神经网络的英特尔 ® 数学核心函数库 (Intel® Math Kernel Library for Deep Neural Network, 现名为 oneAPI Deep Neural Network Library) 等，应用到上层功率预测方案的优化中去。「压榨」Analytics Zoo, 强化时序数据分析除了提供统一的端到端平台架构，Analytics Zoo 对于不同时序分析应用，如时序预测、异常检测、时序表征学习、时序聚类等，也提供了完整的解决方案，便于金风慧能在新方案中构建更多的预测方法组合。Analytics Zoo 针对时序数据预置了丰富的功能组件，包括功率预测常见的深度学习和机器学习模型（LSTM、Encoder-Decoder、MTNet、ARIMA 等），功率预测中常用的数据预处理和特征工程（Datetime features、 Time diff、Log-transform、Rolling window 等），功率预测中普遍的异常探测方法（Percentile、Distribution- based、Uncertainty based、Autoencoder 等）。  Analytics Zoo 还提供了 AutoML 方法，使新方案实现了自动化特征选择、模型选择和超参调优等，令预测模型得以更好地拟合发电设备输出功率的变化周期。 经过全国多个光伏测试场站的实地测试，在验证方案以月为周期的条件下，每一个测试的光伏场中，在单小时内使用 30000 条记录对 LSTNet 模型进行 5000 次迭代优化，并在 50 毫秒内获得未来 2 小时的功率预测数据。结果显示，新方案在预测准确率上超越了原有方案的 59%，达到了 79.41%。金风慧能功率预测新旧方案对比。AI 要实现「软着陆」 大数据支持不能少金风慧能的一系列操作，从实战角度再次印证了算法、算力、数据三者良性互动的重要性。大数据作为基础资源，为 AI 技术的快速进步和实践落地起到了奠基作用。不难想象，如果没有足够量级、获取和使用足够便捷的数据为算力和算法托底，AI 的落地很可能会演变成鼻青脸肿式的「硬着陆」。在这种认知的推动下，有越来越多的行业在 AI 应用过程中导入 Analytics Zoo，以无缝对接他们的大数据平台与 AI 应用。例如在智能制造领域，由 Analytics Zoo 提供的端到端 AI 开发与部署能力，就帮助美的构建了高效的工业视觉检测云平台，用以实施产品缺陷检测。Analytics Zoo 让美的能够在统一的、基于至强处理器的云平台上进行海量数据管理、分布式模型训练、模型重定义及模型推理等一系列 AI 处理流程。在数据采集及预处理优化阶段，Analytics Zoo 能帮助云平台执行高效分布式数据预处理和代码优化，在 50 毫秒内就完成对图片的读取和处理；在海量数据管理阶段，它能助云平台快速进行数据存储、分类以及更新；在分布式模型训练阶段，它一方面可协助云平台构建检测模型，另一方面通过自带的 TF 优化器迅速启动分布式训练过程；在模型重定义阶段，Analytics Zoo 不仅可执行参数调整，并可加速模型推理速度。这一通连贯的组合拳下来，结果就是美的工业视觉检测云平台的模型推理时间从 2 秒缩短到了 124 毫秒。MasterCard 和韵达则是金融和物流行业中打通大数据和 AI 应用的先行者，前者利用 Analytics Zoo，在基于至强可扩展处理器的大数据集群上直接开发和运行用于营销推荐场景的深度学习应用，不但避开了采用异构 AI 系统可能会面对的复杂工具集成、昂贵的数据复制和移动，以及更长的项目时间和资源消耗等问题，还实现了更优的精准度和召回率；后者则利用 Analytics Zoo 和英特尔至强平台，以端到端的方式快速敏捷地构建了「大小件测量」、「数据中心异常检测」以及「件量预测」等关键环节的 AI 应用，有效提升了快递物流系统的运作效率，大大降低了人工劳动的强度和人力成本。在这些行业用户积极尝试 Analytics Zoo 的同时，也有致力于提供成熟商品化解决方案的合作伙伴盯上了它与至强可扩展平台的组合优势——在中国 AI 服务器领域占据了市场及技术优势的浪潮，就于近期推出了融合 Analytics Zoo, 基于浪潮云海大数据平台 insight 的端到端智慧计算解决方案，可以让更多用户快捷、高效、低成本地将大数据预处理、模型的训练和推理与他们现有的大数据工作流整合在一起。值得一提的是，英特尔也在同期发布了代号为 Ice Lake、面向单路和双路服务器、基于 10 纳米制程工艺生产、拥有更优性能和能效的全新第三代至强可扩展处理器。该处理器可搭配傲腾持久内存 200 系列、傲腾固态盘 P5800X 系列及通信带宽最高达 100Gbps 的以太网 800 系列网络适配器等存储和网络优化型产品，还有包括 Analytics Zoo 在内的多种英特尔软件及系统级优化工具，进而组合成数据计算、存储和传输表现更优、也更为均衡的新一代至强可扩展平台，相信很多用户和合作伙伴基于 Analytics Zoo 的 AI 实践或解决方案，很快就会借此平台实现更优的性能、成本和灵活性收益。

随着锂电池产业链的逐渐完善，电池组的制造成本正在快速压缩。锂电池组在 2010 年的制造成本是 1183 美元 / 千瓦时，时至今日，制造成本已降到 200 美元 / 千瓦时以下。围绕电池产业生态的整体创新，也正在加速降低锂电池生产成本。包括对电池材料、电芯、模组、PACK、BMS、储能产品研发和制造等技术的创新。在 BEV 领域，无钴锂电池已经可以通过电芯排布工整分两列纵置排布，整体成矩阵式布置，可实现在电压平台允许范围自由配组，不受传统模组串数约束，更有利于电池包平台化、标准化，进一步缩短开发周期，降低开发成本。最新的快充技术和对应的电芯可实现充电 10 分钟，行驶 400 公里。蜂巢能源的第一代蜂速快充电芯为 158Ah 电芯，能量密度 250Wh/kg ，2.2C 快充可实现 20-80% SOC 时间 16 分钟，年底前即可量产；第二代 4C 快充电芯产品容量 165Ah，能量密度大于 260Wh/kg，可实现 20-80% SOC 快充时间 10 分钟，量产预计在 2023 年 Q2。目前，蜂巢能源已经在行业中推出了高速叠片工艺、无钴电池、果冻电池、热阻隔电池包等技术产品，其创新思路渗透到了基础材料开发、工艺革新、智能制造升级等多个维度。市场筑基，产业急需补齐技术短板截至 2021 年 3 月，我国新能源汽车保有量达 551 万辆。其中纯电动汽车保有量 449 万辆，占新能源汽车总量的 81.53%。一季度新注册登记新能源汽车 46.6 万辆，与去年同期相比增加 34.8 万辆，增长 295.20%；与 2019 年一季度相比增加 21.6 万辆，增长 86.76%。新能源汽车新注册登记量占汽车新注册登记量的 6.21%。庞大的消费市场为我国新能源汽车产业蓬勃发展提供了基础，目前，我国电动汽车产业已从培育期进入发展期，成为引领全球汽车产业转型的重要力量。截至 2020 年，国内全产业链投资累计超过了 2 万亿元，日益成为发展的新动能。新能源市场成交量连续 5 年位居全球第一，累计推广量超过了 480 万辆，占全球的一半以上。电动汽车消费市场的繁荣也拉动了我国电池产业发展，目前我国国内电池需求量约为 72GWh。同时，中国的电池产业也在全球供应链中占据主导地位。据 BNEF 统计，中国控制着全球锂电池行业 80% 的原材料生产和 60% 的零部件生产。虽然中国电池生产与消费能力很强，但技术硬实力仍存在短板，与第二、第三名的日韩，以及紧追不舍的欧美相比，在制造工艺和核心技术方面尚有明显的不足。例如，在基础材料技术研发方面积累不足；先进生产工艺和高端设备依赖进口；在人才储备方面，高精尖人才明显不足等。这些问题长期来看都是中国动力电池行业发展的掣肘。获取原材料，人才和基础设施至关重要，这对于吸引价值链投资至关重要。除了在全球范围内对关键矿物的开采进行大量投资之外，中国还是材料提炼的主要参与者。寻求在整个价值链中占主导地位的其他国家可能需要支持上游金属的开采和提炼发展，同时制定保护环境的政策。「中国动力电池要有竞争力，就要补足很多短板，包括原材料基础研发上的短板，装备工艺创新上的短板，下一代材料升级上的短板，以及人才短板。」蜂巢能源科技有限公司董事长兼 CEO 杨红新表示，要补齐这些短板，就要聚合更多的力量，打造健康的产业生态链。聚焦产业前沿产品、技术、服务，推动更多的行业专家参与，并且合理地引导资本支持。资本铺路，培育产业创新生态圈点此查看原视频4 月 20 日，在以「创新动力 · 引领未来」为主题的蜂巢能源首个创新日活动上，蜂巢能源宣布成立蜂巢资本，联合资本合作伙伴，设立 20 亿元产业创新扶持基金。并推出「蜂巢能源产业智能 + 全球加速计划」，招募跨界产业合作伙伴 20 家，创新「先蜂」科学家 100 名。蜂巢资本的成立，旨在为蜂巢能源全新规划的全产业链创新生态圈提供资本支撑。通过跨界合作，集结全产业链上下游各企业力量，打造动力电池行业产、学、研、用相结合的跨界融合创新生态圈，提升本土企业的自主创新和深度研发实力。目前，蜂巢资本已与社会资本国投招商签订战略合作协议，一期投入 20 亿元，成立成长型和创新型两支基金，用来招募创新产业合作伙伴，为蜂巢能源的创新生态圈打造提供有力的资金支持。蜂巢资本 CEO 崔东旭表示：「蜂巢资本依托长城控股集团强大的产业背景，布局新能源汽车的产业链，从上游材料，到中游核心零部件，以及下游生产，实现全产业链的整合。同时探索新型市场销售模式，提高市场渗透率，并延伸完善用户体验，打造智能出行的完整生态闭环，助力动力电池产业的本土创新升级。」蜂巢能源产业智能 + 全球加速计划「蜂巢能源产业智能 + 全球加速计划」是蜂巢能源贯彻产业创新的重要部署。本次项目面向已经注册、种子轮到 B 轮的初创企业开展招募。聚焦硅负极材料、固态电解质和电解质膜等固态电池核心材料、先进电池材料，先进锂电设备、工厂 AI 大数据、工厂视觉检测技术、钙钛矿太阳能材料、磁悬浮技术等十余个领域，从中选优。初创企业可选择其中一个方向或多个方向进行申请。入选企业不仅可以和蜂巢能源相关业务部门深入交流，共同设计试点合作项目并获得经费支持，后续还有机会获得战略投资团队的产业投资。在创新产业合作伙伴招募计划的推进过程中，蜂巢资本与国内领先的科技新媒体和产业服务平台机器之心达成战略合作，借力机器之心在以人工智能为代表的的新一代产业科技领域的专业数据、渠道与经验积累，通过新媒体特有的传播、定位、筛选、运营一体化闭环的创新招募模式，扩大品牌和招募计划的影响力，以创育创，高效推动电池与能源产业创新落地。最终通过此项目将先进的智能技术应用在动力电池行业的生产中，实现锂电行业与 AI、大数据、上下游产业链的跨界融合，加速蜂巢能源在智能领域的全球布局。此外，首期招募计划将于 5~7 月陆续开始，并在北京、上海、深圳三地进行产业创新招募路演以及工厂参观，蜂巢能源将与甄选出来的优质产业链合作伙伴签署战略合作协议，达成深度捆绑，促进产业创新发展。而在人才创新方面，蜂巢能源则会与知名职场社交平台领英合作，启动创新「先蜂」科学家招募计划，在全球范围内招募 100 名科学家，致力于动力电池的研发，为行业实现自主研发和创新注入新鲜血液和进行人才储备。开放生态体系，加速产业升级制造企业对于技术生态系统的建设，通常会选择闭环生态，通过并购成熟的上下游企业，一步一步地在内部搭建全产业链体系。这种做法显然更稳健，但也更缓慢，且构建的产业链只服务于自身。蜂巢资本的做法大为不同，通过招募的形式投资初创企业，可以在短时间内培育出更全面的开放生态。对招募企业来说，有了资金和蜂巢资本的产业、技术力量支撑，这些企业的创新更易成功；对蜂巢资本来说，可以从资本的角度在企业成长过程中获益；而对于蜂巢能源以及产业中的其他企业来说，则可以收获技术生态圈带来的产业红利。「这次的产业招募是我们打造核心竞争力的杀手锏。蜂巢资本聚合了资本与产业的双重力量，借助这两个力量帮助那些尚处在种子轮、A 轮，有技术没资金，有技术没规模的公司。用技术力量、产业力量、资本力量共同扶持它，加速它的成长。再借助它们壮大后的力量，补齐短板，最终打造一个有竞争力的产业链。」杨红新对于未来的产业生态链有很多期望，他认为产业链应该能覆盖从材料到 AI 智能算法、视觉检测系统，再到装备、工艺等各种应用领域，促进全产业链的转型升级。中国企业要在未来的新能源市场实现领先且可持续发展，就必须在自主研发和中国制造方面有创新性突破。为此，蜂巢能源希望集结跨领域产业和行业的合作伙伴，聚集全球顶尖人才，以创新为动力，实现从上游材料、到中游核心零部件，以及下游生产等全产业链的本土自主创新，摆脱传统工艺束缚，引进跨行业的先进技术，融入到锂电行业的创新研发之中。

人们在买汽油车时会考虑很多问题，发动机、底盘、变速箱…… 而在购买电动车时，最先要问的或许就是电池了。虽然特斯拉等新一代造车势力让电动车再次进入我们视野已过八年，但对于人们来说，在选择一台电动车时总会面临着「它会不会把我扔在路上」的焦虑。其实，新能源汽车区别于传统车最核心的技术是「三电」系统：电池、电机和电控系统。你所思考的问题，需要在这些东西中找到答案。今年 5 月，上汽荣威正式推出了全新高端纯电 R 品牌，随着新品牌的诞生，旗下首款旗舰轿车荣威R ER6 也在 8 月 13 日的成都车展上揭开了它的面纱，并引来人们的关注。作为「R」品牌的第一款车，ER6 的重要性不言而喻，它有两个值得你考虑的地方：第一，它的 NEDC 续航里程达到了 620km；第二，它的补贴后的价格可以不到 20 万元。简单来说，ER6 是一辆能让更多人买到的精致小车，620 公里的综合工况续航肯定可以让大多数人满意，这还是一个保守数字，荣威甚至表示在一些真实道路的测试中，ER6 的续航结果还会更高，这意味着 ER6 可以满足人们的绝大多数应用场景，让你不必到处寻找充电桩。在紧凑级轿车的市场上，20 万以内的价格也已足够合理：现在即使是「家中第一辆车」的购车者，也可以把新能源车考虑在内。如果你想要买一辆续航超过 600 公里的 Model 3，则要花掉两倍的钱。「能够接受 30 万以上车价的消费者终究是少数，在全球每年 7500 万台的销量中，大部分售出汽车的价格都在 21 万元以下。」上汽集团副总工程师，上汽技术中心副主任，捷能公司总经理朱军向我们介绍了荣威R ER6 背后的技术，也对新能源车的未来进行了一番展望。同级车效率最高在量产电动车上，价格便宜很可能意味着技术出众。首先，要想让电动车续航里程更高，仅依靠增加电池组的方式是行不通的。我们还需要让车本身足够省电，这是 ER6 技术领先之处。荣威把 ER6 上搭载的动力系统称为 E1，区别于此前这家公司推出的所有电动车。它的电动机最大功率 184 马力（135kW），扭矩 280N·m，最高车速达到了 185km/h。除了续航里程足够长，ER6 还拥有「充电 15 分钟，行车 200 公里」的充电速度，以及 12.2kWh 的同级最低百公里电耗。在高水准的数据背后，荣威R ER6 拥有一套集成化的电驱系统，以及高能量密度与可靠性的电池系统 。在电池上，新车首次运用了创新的大模组电池方案，搭载技术成熟的 NCM523 三元锂电池，电池能量密度却能达到 180Wh/kg。相比理论性能指标更高的 811 电池，523 电池胜在性能稳定。据介绍，E1 电池系统的电芯采用宁德时代产品，其他组件则全部由上汽自主打造。「811 电池的前期制造成本、工艺成本较高且难以下降，更重要的是安全方面也有弊端，811 电芯和 523 电芯在热失控方面的表现差别很大。」朱军介绍道。要想用 72 度电跑 620 公里，除了能量密度大的电池，还需要有足够高的驱动效率。荣威R ER6 在电驱系统在布局上可以说是电动车的一次重大的进步。它创新地采用了同轴布局结构，输出轴、半轴、电机轴在同一轴线上，紧凑的结构减少了车身空间的占用。目前量产纯电汽车的电驱系统一般采用平行轴布置结构，这种方式的空间利用率较低。在电驱层面，新车搭载高功率、高扭矩密度的 8 层 Hair-pin 电机，几乎已是当前量产车的最高水平，相比目前市场上出现较多的绕组电机，Hair-pin 电机在轻量化上优势较大。结合紧凑的创新同轴布置方案，ER6 的功率密度超越市场上现有同级产品，同样为 620 公里的超长续航做出了重要贡献。相比 4 层 Hair-pin 绕组电机，8 层 Hair-pin 电机效率大于 90% 的区间增加了 5%，搭载 8 层 Hair-pin 电机的车型 NEDC 工况的百公里平均电耗从 13.8kWh 下降到 12.2kWh，降幅超过 11.5%。「说到电动机，很多人都会想到永磁同步电机的工作效率指标，但在实际行驶过程中，最重要的是在各种情况下都要保证最高运行效率，」朱军说道。「大多数电动车低速和高速的效率可能会相差百分之十几，但荣威R ER6 不太一样：如果你以 120km/h 的速度在高速公路上开，它肯定是同级车里跑得最远的，它在这些情况的效率很高。」不仅跑得远，还能跑得快，ER6 的动力系统让人挑不出毛病。荣威表示，除了 ER6 以外，刚刚进入量产阶段的 E1 动力系统还会搭载在即将推出的荣威R MARVEL R 上。而到了 2022 年，动力更强、能量密度更大的 E2 系统将会上线。届时上汽的新能源动力系统，或许将成为市场的重要力量。让安全不是问题对于不少人来说，新能源车的安全疑虑是阻止购买的重要原因。对此车企也一直在寻求提高安全性的设计，据介绍，ER6 的电池采用了完善的热失控防护，按照 UL-2580 和 ASILD 汽车电子电气最高安全等级设计，并达到了 IP6 9K 防水等级，可以为用户提供安全可靠的出行保障。为了提升安全性，车厂需要在电池包的快充性能、热失控管理等方面进行大量研究。近期工信部发布的《电动汽车用动力蓄电池安全要求》要求电池单体发热失控后，电池系统需在 5 分钟内不起火，这一强制标准将于 2021 年起实施——最近时常被媒体报道的电动车着火事件，从发现过热到燃烧，往往只有几十秒钟的时间。新一代荣威新能源车的电池是按照目前最严格的美国 UL-2580 安全标准设计的，热失控管理标准为半小时。「对此，我们已经进行了大量测试，最差的热失控时间也在 40 分钟左右，要实现这个效果是非常困难的。」朱军表示。一辆新能源车该有什么配置新能源车经常与智能驾驶等造车新概念联系在一起，在这一方面荣威也不会让你失望。在 ER6 的中控台上有一块 14.3 寸的曲面屏幕，其中搭载了荣威智能系统 3.0 Pro 版，还有一套「SKY EYE 天眼」系统，可为驾驶者带来全新的驾驶体验：无需按动任何按钮，刷脸即启动汽车。此外，ER6 也自带 AR 车道级实景导航，在提高安全性的同时也能为驾驶者提供更多信息。除此之外，液晶仪表盘、自适应巡航、手机无线充电、主动安全和远程启动等功能系统都有配置。另一方面，你在这辆车上不会看到自动驾驶、智能交互等人们一时还不太会用到的东西。造型设计方面，荣威R ER6 也堪称用心，新车采用「驭光银」车身颜色作为主打，另有宙光黑、珠光白、银叶金共三种车身色彩，内饰则提供宙光（深色）和豚跃（浅色）两种色彩可供选择，此外还有参数化主动进气系统、矢量矩阵前大灯、全景天窗等设计，在流畅的车体线条下，风阻系数仅 0.24Cd。ER6 具有未来感的设计符合人们对一辆电动车的想象。这辆车的长宽高分别为 4724×1835×1493mm，轴距为 2715mm。ER6 这样的首发价，给人们带来了更多选择。电动车的「里程碑之作」？作为 R 品牌的第一款车型，荣威R ER6 从技术安全、可靠性和性能等方面，相比过去上了一个台阶。对于年轻人来说，一辆颇具吸引力的车型出现了。很多人都不知道，其实电动车要比汽油车历史更久，早在 1834 年，第一辆直流电机驱动的电动车就已经在美国上路了。而现代意义的第一款量产电动车，要追溯到 1996 年产的通用 EV1。这款在特斯拉之前，具有划时代意义的汽车续航能力为 112 公里，仅限于在美国的几个城市租赁使用。因为性能不足，传统行业的压力等等原因，EV1 只制造了三年，也没有后继车型。在众多造车新旧势力入局，人们对环保需求逐渐提升的今天，新能源汽车正在成为人们的主流选择。在理念推陈出新的时间节点上，人们对于国产品牌的认可程度也在不断提升：今年 7 月，国产车销量已占到全国销售总量的 35%。现在，一台完美解决痛点的电动车出现了，买车的时候，不考虑一下？

数字化转型无疑是企业加速发展的重要机遇，每个公司都在成为科技公司，每家企业都在成为数字化企业。如何加速数字化转型、并保持业务增长，是企业面临的两大难题。技术开发者远离业务，业务人员不懂软件开发；技术架构复杂且数据孤岛林立，业务应用开发周期冗长；企业先期投入巨大，而定制化开发能力低，您的数字化转型是否也面临着一系列挑战？助力数字化转型，RPA+LCAP快速走红采用机器人流程自动化（RPA）结合低代码应用开发平台（LCAP），能有效打破数据孤岛，快捷实现定制开发，真正赋能业务部门，精准助推企业数字化转型。艾瑞咨询数据显示，2020年中国低代码行业市场规模为15.9亿，预计2025年达到131亿，未来5年复合增速为52.6%。目前，市场对系统连接与应用开发的需求比IT供应商的总产能高五倍，低代码的快速开发和敏捷部署能快速填补市场缺口。云扩科技是RPA领域的创新领军者，致力于构建业界领先的超自动化平台，助力企业提升智能生产力，加速数字化转型。云扩科技联合创始人兼CTO史秋芳表示：“RPA+LCAP是互补性很强的技术组合，通过可视化拖拽操作，进一步简化自动化流程创建，让RPA在典型业务场景快速落地，便捷开发更个性化的业务应用。”低代码的优势显而易见，将过去冗长费时的瀑布式开发，简化成高效的敏捷性开发，极大助力IT团队快速响应业务部门需求。以前，为业务部门开发一套CRM系统，从需求分析、架构建设、程序开发、软件测试等流程走下来，大概需要半年甚至一两年的时间。而低代码开发平台通过按需开发、封装高质量代码、敏捷交付，将整个周期缩短至几周到数月，功能迭代也是即改即用，无需额外投入。“RPA+LCAP走红是必然的，在这个数据为重、敏捷为先的时代，我们通过RPA结合LCAP，构建一个千人千面的人机互动新时代。” 史秋芳介绍道。低代码开发轻量级应用，赋能业务增长新动力低代码是一个可视化的集成开发环境，通过UI界面组件拖拽配合少量代码，即可设计和构建业务应用。云扩ViCode低代码应用平台具有高稳定性，通过封装高质量代码，减少因代码质量而产生的高运维成本，适合企业稳态业务流程的搭建。凭借开放架构和开源技术，低代码能确保业务的弹性扩展能力，降低用户使用门槛，通过可复用模块快速开发和部署，缩短项目交付周期。一线业务人员经过简单培训，也能快速轻松上手，真正赋能全员研发能力。云扩ViCode全栈式低代码应用平台与云扩智能 RPA产品无缝结合，同时与云原生、人工智能等创新技术集成，既能为无编程经验的业务人员降低RPA使用门槛，也为专业开发者提供全栈式开发模式。高手过招往往比拼的是内功，有低代码加持，云扩智能RPA功能更加强大。“我们在服务客户的过程中发现，无论流程多么智能，客户部署后依然会跟RPA机器人产生大量的交互工作。而云扩ViCode能让用户以拖拽方式快速构建业务应用，获得最好的人机交互体验。” 史秋芳表示。云扩ViCode全链增效，引领人机协作未来云扩RPA+AI+LCAP，打造千人千面的业务应用云扩 ViCode 低代码应用平台通过与企业微信和阿里钉钉集成，衔接流程自动化与办公自动化，让员工以高效和熟悉的方式，找到自己需要的功能与工具。云扩 ViCode 全栈式低代码应用平台，结合强大的云原生与 RPA+AI技术 ，摆脱复杂的代码编程，通过简单的拖拽可视化组件，协助轻松完成业务功能搭建与迭代。云扩 ViCode主要技术特色如下：1.网页APP客户端三层架构，支持高性能边缘计算，兼顾服务器集中管理需要；2.创新UI设计器，以模型和元数据为中心，适配性高；3.支持嵌入代码块，助力轻松构建复杂业务逻辑；4.数十种数据集连接器，可视化配置以访问通用数据存储设备、及层级化目录与文件结构；5.无缝集成云扩RPA+AI产品，为应用开发无缝对接流程自动化、及OCR、NLP等AI能力。十大核心功能定义行业新标准“云扩核心团队植根于微软创新技术，更能把握技术发展大趋势。早在2018年做三年产品规划时，云扩便将低代码纳入研发计划，并作为云扩产品矩阵的重要组成部分。”史秋芳如是说。相较于其他厂商，云扩独具十大核心功能，凸显行业领先优势：1.支持 RPA 人机协同：为企业带来工作流程超级自动化能力。2.支持自定义页面布局：以可视化界面灵活展示，动态效果拉满。3.支持自定义组件开发：提供强大的自扩展能力，满足千人千面定制需求。4.原生支持 Excel：充分盘活企业数字资产，对接复杂表格与公式，降低学习成本。5.支持插入代码块：允许开发人员编写复杂业务逻辑，给予一定开发自由度。6.支持直连第三方数据源连接：MySQL，SQL Server，MogonDB等。7.数据模型驱动：低代码组件与数据模型无缝结合，指数级提升开发速度和应用质量。8.AI 集成：支持云扩自研AI以及主流第三方AI软件，OCR、NLP等多种落地场景，提供一站式服务。9.支持多云 SaaS 模式：运行于国内主流公有云平台，适配企业上云需求。10.支持私有化部署：快速集成企业单点登录，支持其他客制化功能。除此之外，云扩还提供内置组件，可快速配置流程参数模板并提交执行；和控制台共用一套账号系统，无需重复登录；以细粒度地控制数据源、文件服务等权限。云扩RPA+LCAP解决方案拥有很多成功案例。以华东某省电网为例，云扩ViCode全栈式低代码应用平台为其实现大数据分析展示平台定制化项目，展示元素包括地区分析、趋势分析、用量对比、实时刷新、数据钻取，可视化动态生动展现数据，更直观、更智能。*图为某电网客户大屏模拟图“我们为银企打造的资金管理平台，帮助企业实现对各银行对账单数据的统一查询与管理，替代传统的Excel统计方式，借助云扩智能RPA自动登录各大银行下载每月银行对账单，实现数据的自动入库。”史秋芳介绍道。通过云扩ViCode开发的资金管理系统，进行各银行账户资金记录的查询、资金流入与流出的统计、账户余额查询、资金分类合计等，并支持境外银行对账单的导入以及汇率设置，从而实现境内与境外银行账户、资金使用情况的集中管理，帮助企业建立实时、高效、规范化的资金管理体系。国内某领先的新能源集团通过传统操作方式需人工登录各个网银系统，经多个操作步骤完成银行对账单和电子回单的下载，执行频率为每月两次，人工耗时约2天左右，引入云扩自动化资金管理平台后，仅需1小时便可完成，且准确率达100%，为企业缩短95%的时间，大大提升整体业务效率。云扩学院从入门到实战，培育产业生发展云扩一直以来十分重视开发者生态建设，已经打造全球首个交互式RPA学习平台——云扩学院。课程涵盖了初级、中级、高级所有课程，适合不同类型的开发者进行学习。完成学业后还可以参加认证考试，获得专业能力的认证。同时，云扩一直在营造一个安全、高效、便捷的分享型社区，作为中国RPA+LCAP开发者技术交流和能力输出的重要平台。连所未连，建所未建“通过打造平台即服务的产品形态，云扩为企业导入流程自动化落地方案与实施方法论，促进企业在组织架构、业务流程、商业敏捷、员工赋能等核心领域不断演进升级，加速数字化转型。” 史秋芳强调。云扩以超自动化平台重新定义RPA，打造易用、稳定、安全、开放、敏捷的端到端企业级流程应用自动化平台，引领先进人机协作模式，助力企业把握数字化带来的红利。云扩通过“平台即服务”的产品形态，支持企业构建开箱即用、随需接入的智能生产力，让RPA成为人工智能在企业落地的第一步；通过云扩低代码构建应用的开发与管理平台，打造应云而生的万千业务应用，释放员工团队无限潜能，全面提升工作效率。“人机协作的时代已经到来，在这个全新的时代里，人、机器人和人工智能一定会协同工作。”史秋芳表示，“我们希望携手合作伙伴一起创新，以科技构建超自动化平台，帮助中国企业重塑智能生产力。”

天泽智云无忧机床系统聚焦机加工领域，通过结合领域知识与机器学习算法，提供关键组件健康评估、故障预诊与寿命预测等功能，一方面帮助企业实现降本增效，另一方面帮助发掘新的增值点，突破制造附加值较低的瓶颈，服务机床厂商和加工厂向智能化升级，甚至促进他们未来服务模式的转型。机加工是一个非常典型的装备制造产业，把产业上下游企业服务好，其他行业便可以借鉴其有效经验，进而加速整个中国制造业的升级。类似机加工产业的案例说明，中国的丰沛工业数据资源或许可以帮助中国制造业在工业大数据中创知和创值，成为世界可以参考的成功标杆。2019 年工博会的一场演讲结束后，晋文静博士在一阵热烈掌声中走下台。不久，她就被一些听众围住，走出会场时，随身携带的名片已所剩无几。上面印着她头衔：天泽智云首席数据科学家。这家坚持走工业智能技术路线的公司一直与中国传统制造企业合作，帮助他们落地工业智能，探索升级与转型。天泽智云首席数据科学家晋文静博士。晋文静在演讲中讲述了公司与富士康深圳某工厂合作的无忧机床项目。经过半年多的努力，他们成功证明传感器+系统的方式可以为 CNC（数控机床）提供刀具寿命预测以及主轴的在线监控与预测。接下来的一串数字越发引起台下观众关注： 降低了 60% 的意外停机，质量缺陷率从 6‰降至 3‰，节约 16% 的成本。MachineInsightTM 无忧机床系统。最大机床市场告别「前半生」随着中国成为全球制造中心，中国也成为全球最大机床工具的生产国和消费国。 Gardner Research World Machine Tool Survey 数据显示，2017 年，中国大陆地区机床消费金额达到 299.7 亿美元，同比增长 7.5%，占全球机床消费额比重的 36.1%；中国大陆地区机床产值达到 245.2 亿美元，同比增长 5.1%，占全球机床产值比重的 28.1%。由于中国不仅是最大汽车制造国，也是最大机械、3C 电子产品制造国，因此，从机床下游行业来看，汽车行业占比超过 40%、机械行业占比约 20%，3C 电子产品行业占比约 15%。军工行业因其战略意义重大，对于机床的性能、种类和需求量要求极高，占比约 15%。数据来源：Gardner Research。九年前，晋文静前往辛辛那提大学美国智能维护系统中心攻读博士学位，师从李杰教授时，正值中国机床工业黄金十年的高光时刻。沈机集团登顶世界机床行业营收第一。2011 年，中国金属加工机床市场规模达到创纪录的 390.9 亿美元，为历年最高。（根据国家统计局关于中国机床工具行业经济运行情况数据）2012 中国机床行业告别长达十年的黄金周期，整个行业开始下行。行业内的大小机床企业盈利快速下滑至亏损，且至今未能缓过劲来。目前，传统中低端机床市场萎缩已成行业共识，相比于传统机床行业，「失守」的数控高端精密机床市场已进入高速发展时代。 以手机制造为例。当 2012 年库克举起 iPhone 5 的时候，铝合金一体化机身成为当时消费品金属加工的极致。由于强度更高的金属材料处理起来比传统的金属外壳更难，CNC 加工所需要时间更长，其他手机厂商跟进导致市场对 CNC 产能有更大的需求。 随着 5G 时代手机后盖去金属化进程接近尾声，中高端机型后盖材质变成了玻璃、陶瓷，对精密化部件的要求又给上游机床厂商的生产和服务提出更高要求。 这几年，新能源汽车抓住风口，也让汽车零件数控 CNC 加工产业受益不浅。以新能源汽车为代表的车身结构轻量化、高强度需求逐渐成为主流的同时，也倒逼机床走向智能化和高精度化。 事实上，沈阳机床可以在过去十年间卖出近七十万台机床，是因为吃到了中国迅速成长为制造业大国的红利。当时，单靠国外高档数控机床，根本满足不了市场需求，国内劳动力素质也无法与之匹配。再加上劳动力成本较低，国产机床可以通过价格和服务占领中低端市场。但是，现在不行了。某中部城市一位机床制造从业者曾坦言，对于持续低迷的中国机床行业来说，历经数控化的洗礼后，以工业互联网引领机床行业再出发，已经成为一个趋势。 机床产业的利润空间已被大大压缩，中国机床工具工业协会当值理事长龙兴元曾对媒体表示，2017 年中国机床全行业亏损企业占比仍达 33.8%，「如果厂商想实现装备制造业的价值链延伸，服务转型、提供智能化解决方案几乎是一个必然方向。」一位业内人士告诉我们。此前，机床厂商做的是一次性买卖，如今，在产品差异不是特别大的情况下，以机床为载体的增值服务开始成为制胜关键。对于他们来说，像晋文静这样的数据科学家，就像是券商行业中金牌分析师一样的人物。范式转换：从可见到不可见从国外经验来看，近几十年来，得益于硬件（各种传感器、GPU 等）成本降低、无线连接、数据分析等技术的不断进步，预测性维护已经成为智能制造最为重要的落地应用之一。 李杰从事智能制造和工业大数据产学研工作已经几十年，不仅是该领域的权威，目前也是富士康工业人工智能总顾问和天泽智云首席顾问。对于预测性维护，他在《从大数据到智能制造》当中进一步解释道，制造系统中的问题也有「可见」和「不可见」之分，我们对待这些问题的方式以前大多是在问题发生后去解决，而未来能够在问题发生前去避免才是竞争力的核心。 生产系统中存在的「不可见」问题包括设备性能的衰退、精度的缺失、易耗件的磨损和资源的浪费等，可见的问题往往是这些不可见因素积累到一定程度所引起的，比如设备的衰退最终导致停机、精度的缺失最终导致质量偏差等。通过大数据对「不可见」问题获得深刻的洞察，是实现无忧制造环境的基础，也是智能制造的本质。 事实上，机床制造厂商已经在尝试相关落地应用。日本 MAZAK 公司的 Smooth Technology(流畅技术) 体现了智能机床的最新发展，可以通过开放的系统结构设计，借助智能手机、平板电脑等外部终端对设备的运转状况进行监控。FANUC 公司开发了智能自适应控制、智能负载表、智能主轴加减速、智能热控制等智能机床控制技术。Heidenhain 公司的 TNC640 数控系统具有高速轮廓铣削、动态监测、动态高精等智能化功能。李杰（Jay Lee）,2016，《从大数据到智能制造》。在晋文静看来，中国制造业有着最全场景，大量的机床产生大量数据，把握住了这些数据，就等于握住解决问题的源头。新技术可以帮助拥有大量机床的中国制造企业预知设备加工状态，从而减少意外宕机、提高产品良率、降低刀具成本。但问题在于，中国机床行业单靠自身力量实现智能化转型，极为乏力，这也是在为曾经的历史支付代价。早期的机床行业基于专业分工思路，诞生了当时的「十八罗汉」（十八家机床厂），一家只能做一种机床。当时，全行业有八综合性研究院所，形成「七所一院」的综合性专业技术研发机构，也是解决机床厂共性技术问题重要支撑。另外，还有三十七个专业研究所与企业设计部门，形成机床工具行业的科研开发体系的第二道护城墙。然而，1999 年一刀切的院所转制，国家计委二百多个院所随之下放，最后导致机床企业一旦遇到工艺问题，无处可去。当这些企业销售额不涨、利润不涨，想办法创新降本增效时，却变得失措无依。这也是为什么目前从供给侧来看，机床工具行业自动化产品市场一直保持增长态势的原因。除了技术交流和新产品推广，市场第三方供应商也非常愿意将先进的数字化解决方案导入到机床工具企业，帮助他们进行智能化升级改造。除了上游机床厂商，这些市场第三方服务对象也包括下游的加工制造企业。2018 年底，富士康基于无忧机床系统搭建的精密工具智能制造工厂成功入选全球「灯塔工厂」，成为代表新一轮工业革命转折点的工厂之一。三十五岁肖敏（化名）正是该制造商某模具车间课长。十八岁那年，他进入这家位于深圳的大型制造商，成为一名模具厂工人。肖敏有些骄傲地告诉我，如今，他们已经将模具加工的几个基本工序流程打通，其所在车间基本实现全程自动化。物流、上下料实现自动化后，他们却发现，最为担忧的是机加工中那些看不见的东西。比如，刀具和轴承的失效。在铣削加工过程中，刀具磨耗程度是影响模具成品质量的关键因素，据相关统计，由于刀具失效引起数控机床停机的时间总数占故障停机时间的 20%-30%。然而十几年来，这些老师傅们并没有一套行之有效的办法，准确预测刀具和轴主轴状态。我们主要是靠听来判断刀具状态，肖敏举例说，加工中机床振动很大，发出「嗡嗡」的声音时，可以确定刀具达到了急剧磨损状态，需要更换刀具。也有类似冒无规则火星这样肉眼可见的异常。有时，他们甚至会用手触摸机器，通过温度感受异常。但是，经验再丰富也对付不了层出不穷的各种加工状态。「不同加工要求，切削遇到拐角、位置不一样，力也不一样，对刀的磨损也不一样，仅凭经验和人为判断，很难抓到每一把刀的真实状态。」肖敏说。「有时断刀了，机器会继续跑，你都不知道。」为了尽可能避免这些情况发生，这些对加工精度要求很高的工厂大都采取更为保守的措施。比如，在刀具运行到预先设定好的时间或距离后，立刻更换，往往这些刀具寿命仅用到 80% 甚至更少。这又会带来生产成本的升高。这就是我们这个行业的痛点，一家东莞 3C 制造商坦言，且不说再丰富的经验积累也赶不上机器更新换代的速度，再则，现在的年轻人都不愿进到制造行业，老师傅们也有退休的那一天，将来制造产线的从业者越来越少，有经验的老师傅就更少。无忧机床的落地既然通过工业大数据，能使原本不可见的设备衰退、质量风险、资源浪费等问题变得可见，并加以避免，天泽智云决定选择这样一个项目作为工业智能在制造和机床行业的突破点，带出一套可快速复制化的产品，帮助行业实现无忧生产环境。 晋文静当年求学的美国智能维护系统中心（IMS）正处在智能制造最前沿。19 年间，中心与全球 100 多个企业合作工业智能与工业大数据研发与应用，大量的一线工业项目实践机会，也让她积累甚丰，特别是机加工。「我从读博就一直专注在机床和刀具，要找一个切点深耕下去，因为这个领域实在是太深了。」晋文静说。无忧机床的模型建构从源头开始。天泽智云定义的「源头」是业务痛点，而非数据。工业智能落地，不界定清楚具体问题，数据无从搜集。「设备故障诊断与寿命预测的难点不在于选什么样的模型」晋文静强调道，「而在于场景化分析，对工业场景的理解，对数据的准备，找到最恰当的特征，能够正确反应机理性能的特征，才是关键。」为此，天泽智云还自行研发 GenProTM 建模平台，用于规范数据和建模流程，并提供行业模板来提升数据分析和建模的效率。 GenProTM 建模平台。先决定采集哪些数据。答案往往不是显而易见，需要比较深的行业 know-how。构建一个刀具剩余寿命预测模型，除了振动数据还要采集机床产生的数据，比如主轴负载、伺服电机电流、主轴转速、进给率等。因为，振动传感器所采集到的振动并非仅仅来源于刀具磨损，加工状态（或者叫「工况」）的变化也会干扰采集到的振幅，所以，预测模型还需要其他数据来更精准地辨别磨损状态、预测刀具的剩余使用寿命。缺失或错误的数据可能会扭曲结果，掩盖故障。布置传感器的最佳数量和位置也必须决定好。放得太少，预测就会不够准确；太多又是冗余。数据的采集频率也很关键。如果频率太低，会漏掉在高频振动范围的故障信息；频率过高，会导致数据传输瓶颈，使得工厂网络不堪重负。边缘计算的性能要求更高。机器需要具有脊椎反射式的能力，就像人类面临某种异常或危险，身体做出条件反射一样。EdgeProTM，一款支持快速实现工业数据采集和边缘计算的工业物联网与边缘智能系统。比如，采集到的振动信号，有些需要就地取用，以便实时识别工况。在发生撞击事故、断刀等突发性重大故障时，以 ms 级反向反馈给机床及控制。通常，这个反应速度相当于云上进行同等监控反馈的百倍至千倍以上。数据安全需要得到保障。将涉及到生产工艺、订单信息、设备运行等数据，在生产现场进行计算，生成降维后的、加密的特征信息，再输入到云端支撑应用运算，从机端直接杜绝敏感数据的泄露。建模要求跨学科知识和技术融合。晋文静特别强调了这一过程中，机理（先验领域知识）和数据的深度融合，这也是目前工业中最常用的方法。比如，机床的主轴轴承监测。轴承的振动分析已经被学者研究得非常透彻，给定轴承的物理参数，有明确的理论指出，不同的失效阶段在哪些频段上会出现什么样的响应。建模的时候，可以直接内嵌这个机理模型，辅助特征选择和健康状态的判断。较之泛泛地去做特征提取选择建模，这种做法可以获得更高的准确性和鲁棒性。 最终，团队不仅收获了一连串让客户满意的 ROI，比如降低 60% 的意外停机，产品良品率由 99.4% 提升至 99.7%，节约 16% 综合成本，帮助实现了真正的无忧生产，也带出了一套可快速推开的产品。 而且，有了刀知识具库，日积月累，通过对比不同种类刀具的孪生，用户将清楚知道每种刀具在切割不同形状、不同材料工件时的性能，从而在采购时能够更经济地管理供应商，进一步降低成本。刀具寿命预测。刀具性能评估。主轴健康评估。采访过程中，晋文静还分享了一家自动焊接机企业的案例。和过去机床行业的打法一样，这家企业依靠价格占领市场。但问题在于过了维保期，卖家和买家都要承担极大的停机损失与维护成本。 「焊接制造对时间、成本要求很高，如果一个月坏几次，如何才能保住订单？」晋文静说，「如果是国外维保，经济损失就更高了。」在预测性维护系统帮助下，这家自动焊接机厂可以对设备进行远程监测，一旦系统预警，立刻将配件快递给买家，不仅降低了维护成本，对方也不会因为突然停机而遭受损失。 除了服务下游制造商，对于上游机床厂商来说，这套无忧机床系统也很有意义。 系统不仅能为机床研发部门实时提供设备核心参数，以利于其开发出数字化、集成化、模块化和智能化产品，同时，也有利于其从设备全生命周期的角度做这门生意，提高附加值，向服务型制造转型。 甚至对于刀具这样的重要部件供应商来说，他们也可以通过诸如刀具衰退曲线，建立洞察，改进刀具的性能，减少实验成本，提高自己产品的竞争力。 讲到这里，可能会引发业内人士的一些顾虑，上游厂商能够拿到下游厂商的数据，那么企业之间的隐私和竞争核心机密岂不是消失殆尽？关于这个问题，同为李杰教授的学生，也是晋文静博士的学弟史喆，曾经在一次技术沙龙当中有过清晰的解读。在过去几年从「互联网+」到「智能+」的发展过程中，国家的思路也趋于更加清晰，当下推行工业互联网最终目标是想把智能化的方法用在工业里。欧美很多企业提出「工业互联+网」，这是更为前沿的一个方向——企业与企业之间，打破技术壁垒，合作完成一个项目，并共同占领未来的市场。举个例子，2019 年 6 月在法国的巴黎航展中，欧洲、美国几家航空发动机公司联合起来发表声明称要整合核心技术一起研究下一代发动机。原本他们之间是有很强的壁垒，很难合作，导致各家投入不少研发经费，最终各家发动机都有各自的特点，在解决不同问题上有各自优势。现在他们把技术整合，研究下一代发动机，这样更容易垄断市场，研发经费也可以大幅度下降。他们为什么现在有信心和需求这样做？因为有一张网可以帮他们监控发动机运行的实际状况，在出现问题时可以明确认定责任和各自的服务边界，运营管理层面的困难被打破了。这也是从另一个侧面给未来的工业发展提供了新的思路和方向——朝着资源最优化的方向去发展。赋能机床，改变中国制造「关灯工厂不是无人工厂，是无忧工厂，是把工作放到前端，到前面去做决策；同时，改变人力结构，从传统的以人为中心，变成以数据为中心的管理，这才是关灯工厂的意义。」李杰在接受《证券日报》记者采访时如此表示。 到 2022 年，我国数控机床行业的市场规模将突破 5000 亿元，然而，国产机床行情一再告急。当年机床行业「十八罗汉」之首被裁定破产重整，只是国内老牌机床企业未能完成转型升级而走向没落的残酷现实的一个缩影，也是整个中国机床行业的一个缩影。 机床，工业之母，国之重器，不可不救。当德美日等透过将 ICT 及先进制造技术融入现有制造体系，推动智慧制造应用，提振制造业竞争力时，智能化也成为中国机床行业转型升级的重要抓手。 在天泽智云的征途上，屹立着 10 年 100 个无忧工业场景的目标，机床是一个非常典型的装备制造行业，从机床内部机理入手，更深入的挖掘数据价值成为天泽智云帮助机床行业转身的突破口。通过实现加工过程中刀具磨损状态、主轴健康状态透明化，公司不仅帮助富士康从「无人工厂」转型为「无忧工厂」，还快速度形成了一套可快速复制化的产品，从服务标杆客户进入到复制规模化阶段，进而赋能整个机床行业。数据是中国人自己的，拥有的技术也是最先进的，顺应智能制造和工业互联网的发展趋势，所有契机促成了天泽智云来到世界前沿。虽然传统的市场在适应新技术时惯性依然很大，但对于未来，天泽智云充满信心和耐心：把机床产业上下游企业服务好，借鉴其有效经验，服务中国更广的传统制造业，将会为中国工业带来巨大改变。

王兴提出王坚反驳，到底有无互联网上下半场?谁都没错唯价值与利益永恒2016年7月，美团创始人兼CEO王兴在某个分享中，提出了“互联网下半场”概念。此概念，基于王兴以多年从业经验对未来互联网发展的基准判断：从互联网到“互联网+”，意味着一个时代的结束，另一个时代的到来。彼时，“互联网+”正大行其道，但更多的时候探索与思考，距离真正落地尚有很大距离。紧接着在8月的一次活动中，王兴进一步解释了赢得“下半场”的三大路径：高科技、“互联网+”和国际化。由此，“互联网下半场”成为互联网发展的一种新论点、新趋势、新方法与新共识。各个领域的CEO、高管及专家大人都现身说法，从各自行业角度出发对下半场进行思考与探讨。直到现在，仍旧乐此不疲。一在王兴提出“互联网下半场”概念后不久，2016年10月的阿里巴巴云栖大会上，马云在演讲中第一次提出了新零售。马老师说：“未来的十年、二十年，没有电子商务这一说，只有新零售。”于是，便有了新零售、智慧零售、无界零售等，各种新型零售概念层出不穷。在众人高论互联网下半场之时，马云并未提及互联网下半场。或许，马云并不认同互联网存在下半场这一说。又或者，马云这一级别的大佬，眼界学识预见之高又怎能看上一个“互联网下半场”概念。二这次云栖大会上，马云不只是提出了新零售，更提出了“五新”。马云认为，包括“新零售”在内，五大变革将深刻影响各行各业，这五大变革分别是新零售、新制造、新金融、新技术和新能源。自此，阿里巴巴的各种战略与实施均遵从此方针。即便马云卸任CEO，阿里这艘航母也一直沿着这条航线乘风破浪一往无前。相较而言，马云“五新”论对比王兴“互联网下半场”概念。前者是在描绘未来整个社会经济形态，后者旨在指导企业今后如何突破。两者，道与术之区别。道见于术，术基于道，但修为高深与否全凭道行显现。“五新”较之“互联网下半场”，高下立见。三或许，阿里巴巴体系内从未认同过“互联网下半场”一说。7月9日，在第18届中国互联网大会上，阿里技术委员会主席王坚发表了公开演讲。演讲中，王坚透露其曾对“互联网下半场”概念困惑并思考很久，最终他认为现在并非互联网下半场，互联网时代才刚刚开始。会上，王坚如是说：在中国有一个非常流行的说法，好像也被大家接受了，就是“互联网下半场”。我一直困惑为什么会有此说法，我觉得互联网还没有开始。我想了很久，后来明白了一件事：今天讲的互联网上半场、下半场，其实是二十几年来中国的互联网公司进入下半场，并不是互联网进入了下半场。互联网公司已经完成了它们的上半场，那它们的下半场是什么?从互联网公司创造的价值也可以看得出来，无论是Facebook还是谷歌，他们为人类创造了很多价值，譬如搜索和社交。但它们创造的商业价值，并没有发生大的变化，它们都是靠广告活下来的。所以，这些传统互联网公司担忧下半场是对的。但若大家都觉已经进入互联网下半场，我认为这是低估了互联网对人类的长期意义。四王坚博士对“互联网下半场”的看法颇有新意，甚至与王兴的看法针锋相对，却也仅是一家之言。对于互联网下半场，每个企业创始人及高管都有自己的看法。马化腾就认为互联网下半场是产业互联网，周鸿祎则认为互联网下半场是IOT。有人认为互联网下半场是人工智能，还有人认为互联网下半场是区块链。对中国经济未来而言，工业互联网才是未来实体产业的方向。对互联网企业而言，如何用云计算、大数据、IOT等新技术连接工业互联网，也是互联网下半场主要努力的方向。共享经济、终端经济、基于区块链token价值互联网、5G大连接等等，每个颠覆性的技术、应用、经济形式及商业模式，都有可能成为互联网的下半场，就看企业们如何去把握这些趋势，在未来做出更有益于企业、经济、社会乃至全世界发展的价值体系了。五但有个前提在于，不管互联网下半场是什么和以什么样的形式存在，互联网的上半场必须是存在的，而不是将其推到重新创造下半场。就如现在热议的产业互联网，互联网企业都在向这个方向转，是因为消费互联网已经发展到了极致。或者说已经饱和没有太多的发展空间，企业、行业、产业才会向更有价值空间的产业互联网转移，而中国的目前实体产业也恰恰需要借助已有的消费互联网经验以及最新的技术进行转型升级。经济转型的大时代、各种政策及组织的推动以及千万企业及迫切的数字化转型需求，构成了互联网下半场的天时、地利与人和，并非说到了下半场就是下半场。利益，总会探寻最有价值的方向。价值，则会在最大的产业空间里衍生。要说互联网下下半场的最终答案是什么，无非仍旧是一个利益与价值的综合体。从这个角度而言，根本就没有所谓的互联网上半场与下半场。有的，仅仅是技术、模式、思维的转变。那些转变过程中看到了的未来前景，统统都可以称作是互联网下半场。在这其中，一切皆可改变。唯利益，永恒不变，哪怕有一天真正实现了乌托邦。

自从“软件定义”这个概念出现以后，所有硬件设备都在围绕软件定义作部署。于是，软件开始定义网络，定义存储，定义计算。在产品层面，软件定义诞生了很多改变行业的产品。1软件定义网络，诞生了SDN。IT团队可动态并可编程配置与塑造逻辑网络层。软件定义存储，诞生了SDS，所有存储相关的控制工作，都仅在相对于物理存储硬件的外部软件中。软件定义计算，诞生了云计算。使得计算资源可以任意配置，只需投入很少管理工作就能驾驭网络。软件定义消费电子，诞生了智能手机、PAD等一系列产品，甚至于新能源汽车。作为软件定义的第一款真正意义上的手机产品，iPhone自诞生以来就在手机圈独领风骚，风光至今。一定意义上，现在所有品牌、类型的智能手机，都是在延续软件定义这个产品逻辑。同样，软件定义让特斯拉汽车能够像手机一样，奔驰在高速公路上。现在，已经有越来越多的人认为，软件可以定义世界，软件能够定义一切，软件足以定义未来。软件，正在重新定义所有你能想到的东西，我们正在身处一个软件定义的世界。2从技术发展趋势上，IOT时代所有硬件产品都具备智能、联网的特性。所有产品都是一个智能终端，所有产品的另一端都要连接云计算，因此这些产品都出自软件定义。在生活上，智能家居取代普通家居已是不可避免的趋势。当家里所有家居都智能化以后，整个房屋都变成了一个智能终端，全屋智能本身就是软件定义产品的结果，智能房屋同样因软件定义而生。工作也是如此，以前办公都是线下，现在办公都在网上，各种管理流程都通过网络流通，智能客服、智能人力资源、智能管理系统，软件定义的办公生态让公司运作井然有序。不要以为软件定义与老百姓日常生活姓毫无干连，实则已是息息相关。你到无人超市购买生活用品，扫码或者刷脸就能购买想要的任何东西;你到智能餐吧吃饭，滑滑手指几分钟后就能吃到机器人炒的美味可口的饭菜；你下班回家，软件叫的车早已等候在楼下；你要去旅游，提前一星期就订好了机票和饭店。衣食住行，吃喝玩乐，工作学习，现在都已离不开软件定义的网络。基于网络的商业逻辑事实上也都因软件定义而生，在这样的软件定义的商业生态之下，人们又怎能逃离软件定义的世界?3在纯互联网世界中，社交软件连接了一切。在万物互联的生态中，社交依然是人与人之间互通的载体，不同的是大量联网且有身份标识的智能硬件撑起了世界。每天数以亿计的各种形态的智能硬件，传输大量的用户行为数据到服务器，这些数据将为健康、医疗、教育、保险、金融、信用等行业所广泛应用。当前的智能硬件产品越来越好用，原因在于开发者将将软件应用的逻辑转嫁到了硬件身上，这正是软件定义的初衷。而现在的智能硬件之所以更智能，更安全，是因为软件定义的云计算中部署了人工智能技术和区块链技术，才会让用户的使用体验部不断提升。事实上，现在很多智能硬件的创始人及负责人，都是过去成功的软件工程师或者产品经理。这个IOT时代，正是软件定义的产物。是软件定义，让产品具备了智能与联网的特性；是软件定义，让产品能够以智能终端的产品形式服务用户；同样是软件定义，让智能硬件产业有了更有想象力的商业模式，用户、数据、社群、共享经济等的综合反映，让现在的IOT产品具备的更长的价值链。可以说，一切智能终端，都是因为软件定义而存在更广泛的价值。4现在人们所理解的智能终端，更多的还是以消费电子产品为主。但在IOT时代，成千上万的工厂机器人、3D打印机等制造设备都将变成智能终端，工业互联网领域则把这些终端称作边缘设备。当前，互联网大的发展趋势是从消费互联网向工业互联网迁移。为什么会出现这种情况?并不是说消费互联网以后不行了，至少能够保持现有的6.5万亿市场规模。资本、企业、产业都向产业互联网过渡，是因为产业互联网的产能、效率、价值尚未与消费互联网匹配，需要以更多的技术及资源对其进行持续的优化，以提升效率，降低成本，优化结构，放大价值。在工业互联网领域，工业互联网平台是核心，为工业APP提供必要接口、存储计算、开发组件、工具资源等环境支持，工业APP则支撑了工业互联网平台的智能化应用，是工业互联网平台的价值体现。工业互联网平台具有显著的软件定义的特征，软件正在定义数据采集已经定义工业PaaS平台，工业APP是面向特定工业应用场景的软件程序。可以说，工业APP是以软件形式定义工业业务应用，是一系列软件化、可移植、可复用的行业系统解决方案。而先进制造，其本质就可以总结为软件定义制造。5前面说了很多，无非就是想告诉大家，软件真的正在定义一切。看到这句话，有人可能会觉得夸张：软件能定义人吗？说到软件定义人，前段时间爆出的“基因编辑婴儿”事件，大家还记得吗?实则这就是一个典型的软件定义基因的事件，其实在国外基因可编程已是几年前的事了。而在基因可编程之外，人类在生命的探索上一直没有停步。现在的各种可穿戴设备，正是人类探索延长生命的另一个路径。只要技术到位，像《攻壳机动队》《副本》那样将人类头颅嫁接到“义体”之上，或是将人类意识转移到人工智能身上，只需轻触一下按钮那样简单。那是的人类，只是一堆活着的数据罢了。或许，软件完全定义人类之时，也就是软件定义一切的终极时代吧。