华为JDC官方智囊团名单，震撼首发！
2026最新天团【JDC智囊团】，震撼首发！很多用户反馈，每次想在社区提问，但是找不到行业对口的知识达人，非常苦恼为此，JDC诚邀各产品线专家筛选出能源/运营商/互联网IT/交通/金融/医疗/政务/制造/教育/解决方案集成商等行业的王牌专家齐聚一堂，在这里，可以一键发起与大咖的对话请教工作上的难题，探讨行业的发展趋势，交流产品的使用心得，互换技术上的真知灼见对话行业先锋，从此处开始
【课程预约】AI赋智数字铁路 推动铁路高质量发展
JDC公开课来啦！这次我们请到了交通行业高级工程师——ZiHao分享《AI赋智数字铁路 推动铁路高质量发展》10月27日（周二）18:30，JDC视频号线上直播，不容错过！JDC公开课，知识积累的宝库，思维的火花碰撞的地方！参与有礼1、扫描下方海报上的二维码，预约直播2、提问有礼：在评论区加上自己想提问的问题，问题若在直播间被选中答复，将获得JDC独家定制礼品。3、邀请朋友预约有礼：识别下方推广二维码，生成自己的专属推广二维码图片，将图片转发至微信朋友圈，配文"扫描二维码预约JDC直播公开课，一起进步”，将发送的朋友圈截图发送至本帖的评论区，即可获得10智豆。😆邀请人数最多的TOP 5兔粉将分别额外获得800、600、400、200、100的智豆奖励，最低邀请人数需分别>20、>15、>10、>8、>5， JDC将会在活动结束后公示TOP 5邀请数据🥰生成专属推广二维码流程如图🥰
【干货分享】制造工业AI质检解决方案
引言在当今全球制造业的版图中，信息化与智能化的转型浪潮正以前所未有的力度重塑着每一个地方。在质量检测这一关键环节，如何有效的融合AI技术与工业制造实现提质降本增效，成为了摆在我们面前的重要课题。一、工业质检领域的趋势与挑战‌1.1 工业制造正处在信息化、智能化的转型过程中‌（1）制造正从‌劳动密集型向科技创新型‌转型：低端为原材料与基础加工组装，中端为芯片、关键元器件，高端则是品牌核心技术与专利标准；国内产业整体从中低端（人口红利、低技术）迈向中高端（高科技、高精密）。（2）技术演进路径清晰：‌机械化 → 工业自动化 → 生产信息化 → 生产及管理智能化‌（云计算、大数据平台、工业物联网、智能分析、数字孪生）。（3）当前“工业3.0”（信息化）正在逐步普及，“工业4.0”（智能化）处于试点示范、逐步布局阶段。1‌.2 机器视觉、AI等新技术已成熟，成为提质降本增效的利器‌（1）中国制造业占全球约‌30%‌，大中型企业质量检测从业人员约占‌10%‌，整体人力成本约‌4000亿/年‌。（2）质检方式正由‌人工检测（精度约80%）、传统视觉检测（约90%）向AI视觉检测（约99.9%）‌转变，精度大幅提升、人力依赖显著减少。（3）国家工信部《制造业质量管理数字化实施指南》明确要求企业强化数字化思维、推进传感器/机器视觉/自动化控制等技术在生产环节深度应用。1‌.3 行业痛点突出，制约AI质检快速上线与规模推广‌AI质检行业客户三大声音：‌难‌（精度不达标）、‌贵‌（更新产品要重新谈合同、上云"看不见摸不着"）、‌拖‌（需求到交付动辄半年，改一下再拖三个月）。‌“行业经验 + AI能力”是AI质检交付的必要条件，但业界缺少企业级端到端（E2E）打通的大玩家。‌ 现有各类厂商（自动化设备厂、传统机器视觉厂、AI云企业、AI视觉软件商等）普遍存在"有行业经验无AI能力"或"有AI能力无行业经验、无整体交付能力"的短板，工程落地困难。1.4 行业最佳实践案例东莞南方工厂部署的工业AI质检方案，已经成为了行业标杆，成为制造企业的最佳选择。基于盘古大模型的“工业化开发”新范式，通过一次预训练加下游任务微调的方式，实现了行业预训练大模型的高效利用。该方案融合了云边端AI协同技术，覆盖从生产质量检测场景到智能计算中心的全流程。通过云边端的协同工作，实现了模型训练、开发、管理到推理运行的全面优化。二、制造工业AI质检解决方案介绍2.1 制造工业AI质检解决方案整体系统架构（五层）‌（1）应用层：包括电芯外观检、模组外观检测、PCBA检测、组装错漏反检测、操作规范检测等实际检测应用。（2）云端智能计算中心：由AI服务平台、视频服务、存储组成，‌AI服务平台承担着数据全生命周期管理以及模型开发训练与部署更新的重任，‌视频服务负责视频的接入与存储工作，同时具备云边消息等功能，存储‌用于存储各类数据，包括数据存储、图像存储以及日志存储等。（3）网络传输层：主要通过Wi - Fi 6、交换机、F5G等网络设备和方式进行数据传输。（4）智能边缘层：主要包括‌推理服务平台、‌边缘智能应用、‌通用PAAS服务。‌推理服务平台‌提供图像处理、模型推理、HTTP服务、gRPC服务、消息服务，以及融合管理资源池和容器管理功能。‌边缘智能应用‌：包含检测图像管理、检测结果管理、数据分析、端侧管理等功能。‌通用PAAS服务‌：提供数据库、文件存储、消息服务、容器服务等基础服务。（5）终端层：涵盖多种设备，包括交互类设备（如移动端、大屏等）、生产类设备（如电芯产线、焊接设备、半导体产线、总装设备等）、成像类设备（如工业相机、摄像头、成像机构等）以及端侧应用。2.2 制造工业AI质检解决方案整体部署架构（四层）（1）集团，部署智能算力中心（Atlas 900 PoD）、归档存储（OceanStor Pacific）、以及Modelarts、IEF、OBS等服务，为AI训练提供强大的计算能力，支持视频AI分析等应用。（2）工厂，部署分布式存储（OceanStor Pacific），负责存储大量数据。训练服务器（Atlas 800）利用智能算力中心的资源进行AI训练，并将训练好的模型提供给推理服务器使用。‌视频监控平台‌：IVS3800视频监控平台，用于管理视频数据，为质检提供视频支持。（3）车间，部署‌推理服务器‌：部署推理服务器（Atlas 800），接收来自工厂训练服务器的模型，为车间内的AI质检应用提供推理服务。部署‌视频管理存储‌：对车间内的视频数据进行管理和存储，方便后续查询和分析。（4）工位，部署工控机、工业相机/镜头、光源等设备，获取待检测物体的图像信息。通过‌AI视觉软件实现操作规范分析、错漏反检测、缺陷检测等多种质检功能。同时，‌AI视觉软件还负责与硬件设备进行图像读取和协同工作，并与上层的推理服务器进行交互，获取推理结果。2.3 制造工业AI质检三种部署方案‌（1）云边端协同方案‌（由云/HCS/HCSO提供AI模型训练能力，边侧由Atlas提供推理能力）；‌（2）边端协同‌（非云场景，边侧Atlas同时承担训练与推理）；‌（3）AI工控机方案‌（中小规模非云场景，Atlas训练+端侧AI工控机本地推理）。2.4 制造工业AI质检解决方案关键业务流程‌：（1）‌AI应用推理业务流‌（MES接口查询→取像→推送推理→反馈OK/NG→声光告警→NG推送MOM生成问题单）（2）‌AI模型训练业务流‌（取像→图片备份至云端训练→模型下发边侧推理服务器）。2.5 制造工业AI质检解决方案应用场景‌：覆盖‌来料、制程质量管控、产品外观、包装‌四大质检阶段，具体落实到八类AI质检场景：操作规范检测、表面缺陷检查、错漏反检测、工业OCR/读码、柔性识别、定位引导、测量、安全生产监控。2.6 典型场景示例‌（1）‌动作规范性分析‌：装配动作/顺序防呆，如汽车发动机装配动作规范、3C装配过程分析、打螺钉顺序分析、包装配件数量等。（2）‌组装错漏反检测‌：错（种类/位置）、漏（缺失）、反（角度/姿态）检测，小样本学习+自动配准对齐。（3）‌PCBA板缺陷检测‌：解决AOI型号多、直通率低、复盘依赖人工等问题，上线周期缩短80%+、人力成本降低90%+。（4）‌轮胎装配检测‌：极坐标+工业OCR，轮胎型号识别由76%-79%提升至99%，车架号约70%提升至99%，检测节拍稳定（5）‌动力电池六面体表面缺陷检测‌：缺陷识别率99%、过杀率1%，减少80%人工成本。2.7 制造工业AI质检解决方案方案三大亮点‌‌亮点① 800+工业级算子能力‌：覆盖识别、检测、定位、测量全场景；模型训练周期短，支持小样本学习；适应工业恶劣环境。四大核心技术——恶劣场景定位算法（精度99.5%、训练99.5%）、人工组装动作防呆技术（准确率>99%）。‌亮点② 生态开放、图形化低代码开发平台‌：封装16大类800+图像算子、预置5大类图像/视频处理工具，图形化拖拽式流程编排；插件化/服务化对接三方系统（50+插件，工具类插件2-3天完成开发）。‌亮点③ 云边端AI协同‌：统一开发（达芬奇+CANN架构，一次开发端边云通用）、统一运维（最多可管理5万节点）、安全升级（通道加密+模型加密），实现云上训练、云下推理、动态模型调整与快速部署。三、实践经验与成功案例（1）‌南方工厂（全球生产中心）‌：已实现工位级、线体级、车间级AI质检，松山湖产线200+产线应用，‌直通率提升2.8%至97.9%‌，质检准确率99.9%、质检效率提升3倍。（2）‌电芯外观检‌：实现电芯六面体外观检测行业突破，覆盖40大类、60种缺陷，缺陷漏杀率（3）‌XX电子科技（PCBA炉后AOI智能检测）‌：15+产线应用，复判工作量降低90%，缺陷检出率>99.5%，质检准确率>99%。（3）‌某半导体封测工厂‌：检测38种缺陷类型，召回率>99.9%，质检时间缩短60%、人力成本降低70%、运维效率提升50%。（4）‌XX集团（车企）‌：共建2053实验室，单位缺陷数下降80%、单台车生产工时减少6分钟、订单交付周期缩短20%；落地门护板来料配送齐套检测、总成发动机装配动作规范检测等场景。（5）‌某头部家电制造企业‌：应对混流生产（月度混流型号达120种、累计约300种）的质量风险，实现冷凝管贴敷、底脚、环保标签、商标等AI视觉质检，检出率和正确率均>99%。
【干货分享】——人工智能的关键趋势
一、AI演进全景人工智能从1956年达特茅斯会议算起，历经70年发展，经历了多次巅峰和寒冬。从诞生至今，AI的发展可以归纳为以下的五波浪潮：• 符号主义（1950s-1970s）：以逻辑推理为核心，代表人物包括图灵、麦卡锡等• 专家系统（1980s）：基于规则的知识库系统，在特定领域取得商业成功• 机器学习/深度学习（1990s-2010s）：数据驱动，神经网络复兴• 生成式AI（2022-）：大语言模型爆发，AIGC成为主流• 物理AI（未来）：AI与物理世界深度融合，具身智能崛起AI发展的四大要素：算法、数据、算力、应用场景，四者相互促进，共同推动AI技术的持续演进。二、12大关键趋势总览AI技术体系可概括为六大维度：应用是出口，模型是核心，算力是底座，数据是燃料，生态是壁垒，合规是底线。未来企业 AI 的竞争，不会只发生在模型参数上，而会发生在“系统能力”上。谁能把模型、数据、流程、权限、工具、算力和安全治理串起来，谁就能把 AI 从演示变成生产力。三、12大趋势详解趋势一：智能体（AI Agent）——从问答到执行真正有价值的AI不只是回答问题，它更应该理解用户输入问题背后的目标是什么，然后针对这个目标进行拆解，在拆解完任务之后调用相应的工具，跟踪任务执行状态，最终把任务完成。现阶段智能体的范式演进是从简单的问答系统向自主执行任务的方向演进，形成五个能力层级：层级能力特点示例L1聊天机器人被动响应ChatGPT早期版本L2推理者具备推理能力DeepSeek R1L3智能体可调用工具Claude Code、小龙虾L4创新者自主创新ManusL5组织级多智能体协作企业级Agent网络智能体真正进入工程化落地期间，核心条件不是模型说话更像人或思考更像人，而是具备"做事"的条件。华为《智能世界2035》预测：2035年全球智能体数量将超过9000亿个，是手机总量（50亿）的180倍。这背后的含义是：未来不是"每人一个AI"，而是每个业务节点一个智能体。智能体将像今天的软件模块一样，成为个人或企业运行过程中的基础单元。企业在做智能体落地时很容易把注意力放在模型上——看模型是不是最强、推理能力是不是最准、提示词是不是最好。这其实是现阶段最常见的误区。实际上，模型只解决'大脑问题'（理解、推理、生成），仅占落地的10%；剩下90%是系统工程——系统连接、权限控制、安全审计、业务流程集成问题。这才是Agent落地最核心的关键。趋势二：AI OS ——更高阶的人机交互入口AI OS不是传统意义上的操作系统，不是去替代Windows/iOS/鸿蒙，而是更高一层的人机交互入口，通过自然语言理解用户意图并自动编排任务。当我们使用这个系统时，不再是像现在一样打开一个App做操作，而是直接表达意图，由Agent/AI对意图做拆解，然后使用不同的App和软件。到那时是由AI做拆解、调度和执行，应用入口权会重新分配。以下是AI OS和传统OS间的对比：维度传统OSAI OS交互方式GUI/CLI自然语言管理对象文件/进程意图/任务任务执行用户手动操作AI自动编排应用生态安装AppAgent即服务用户感知操作界面结果交付对ToB系统来说，AI OS更多的不是漂亮的入口，而是上层需要承载并理解业务对象和组织流程。所以AI OS可能分为两层：上层承载智能体，下层连接各个系统、知识库、数据平台和流程引擎。趋势三：多模态AI全面普及过去大模型只能处理文本，后来演化出能看懂图片、听懂语音、生成视频的能力。但现在的多模态重点不是识别一张图片这么简单了，而是需要把文本、图片、语音、视频统一处理。多模态AI发展呈现三种方向：• LLM融合多模态：GPT-4o、Qwen Omni等将视觉、音频能力融入大语言模型• 原生多模态：Gemini 2.5等从架构层面原生支持多模态• 专项任务模型：Seedance、Veo等专注于视频生成等特定场景核心逻辑：一切皆Token。文本、图像、音频、视频均可转化为Token序列进行处理。在B端，多模态的价值会更深。企业很多关键数据是通过文档、图片、录像、视频、图纸、截图、文字等方式记录的，以前安全管控和智能巡检更多依赖CV小模型识别固定目标，准确率有限。引入多模态大模型后，一方面能识别画面异常，还能理解场景原因，关联企业安全生产制度，同时给出处置意见。这里有一个非常大的转变：从"看见异常"升级为"理解异常"。趋势四：大模型快速迭代，轻量化兴起目前两条路同时在发生：第一条路是头部大模型厂商持续扩大模型能力边界，探索推理能力、多模态能力、长上下文和工具调用，可能每隔3到4个月就有更强的大模型产生；另一方面是大家不常听到但实际用得很多的——轻量化模型在快速成熟，如何把大模型变小，推到端侧和作业现场去。这两个发展方向并不矛盾：大模型决定能力上限，小模型决定能力普及程度。大模型近几年从千亿稠密模型变化到万亿稀疏模型。过去的稠密模型像一个超大型专家团队，每次处理问题所有人都要上阵，能力强但成本很高。随着万亿稀疏模型的发展，也就是MoE（混合专家）架构，总专家非常多，但每次执行任务只激活其中少部分专家。这带来一个非常大的变化：模型参数量可以做得非常大，但每次推理激活的参数比较小。因此这种架构成为现阶段比较主流的架构，因为它能在模型能力和使用成本之间得到较好的权衡。轻量化不是单纯把模型压小，而是提升模型密度——用更小的参数、更低的功耗和时延完成同样的任务。主要有几条技术路线：第一条是蒸馏，把大模型的能力交给小模型；第二条是量化，从FP16压缩到INT8或INT4，有效降低存储和计算成本；第三条是端云协同，把高频、隐私、低时延任务放在端侧，复杂推理和大规模知识任务放在云侧。趋势五：Scaling Law扩展至后训练Scaling Law（缩放定律）原来指预训练阶段：模型越大、数据越多、算力越强，模型能力一定提升。但现阶段这个定律已经扩展到后训练、强化学习、推理时优化、蒸馏和多智能体协作。换一句话讲，模型并不是预训练完了就结束了，更多时候进入持续打磨、持续优化的阶段。Scaling Law已从预训练阶段扩展到整个AI开发流程，形成五大范式：范式核心理念方法比喻预训练Scaling大力出奇迹增加数据/算力/参数规模效应后训练Scaling精加工有其道RLHF/DPO/GRPO精细打磨推理时Scaling三思而后行思维链/自反思深度思考蒸馏Scaling名师出高徒大模型指导小模型知识传承多智能体Scaling三个臭皮匠多Agent协作集体智慧这对企业落地AI非常重要。很多企业尤其是政企客户没有能力从0到1训练大模型，但需要具备后训练、评测、蒸馏以及在Agent落地过程中对模型工具调用和持续优化的运营能力。所以企业在落地AI时更多需要做一个持续迭代的工程体系，而不是买一个最强模型就行了。趋势六：强化学习——从可选项到必选项强化学习正从可选项变为大模型训练的必选项，简单来说就是"环境是最好的老师"。预训练是让模型读了很多书、学了很多知识，而强化学习是让模型在回答问题过程中去试错，知道什么样的动作能带来更好的结果，让它自己有个判断去强化好的方向。智谱GLM-5.3案例表明，强化学习使模型更擅长：工具使用、长链路任务分解、自我验证与纠错。能更多的提升代码能力。另一方面，强化学习对企业落地智能体非常重要。因为智能体在闭环一个场景或执行复杂任务时，不只是生成答案，还涉及如何规划策略、如何选择工具、如何检查结果、执行失败后如何重试。这涉及大量反馈，需要从各个反馈过程中学习相应策略。随着智能体发展，也进一步带火了强化学习本身的能力。趋势七：具身智能从实验室走向实用化具身智能就是让AI具备了物理世界的"身体"，能够感知物理世界环境，理解物理约束和物理定律，同时做出相应决策和动作。它不是单一的大模型技术，涉及很多硬件、传感器和AI算力平台技术，是一个综合的复杂学科。智能驾驶是最先规模落地的具身智能场景。产业链关键环节：环节代表方案关键指标训练算力特斯拉100E+/华为45E+FLOPs规模物理AI+仿真华为WE/NVIDIA Cosmos仿真逼真度端侧推理昇腾610/地平线实时性/功耗另一关键方向是机器人，现阶段人形机器人落地面临三大难题：世界模型构建、高质量数据获取、感知控制一体化。趋势八：AI for Science——科学研究第五范式微软2020年提出AI for Science概念。AI for Science不是简单让AI帮科研人员写论文，而是把AI放到科研流程的所有环节里，包括出假设、设计实验、处理数据和最终分析结果。AI和科学结合，更多是看AI能否把物理规律、领域知识、实验结论和模型推理放入同一个业务闭环里，更重要的是在科研过程中做候选方案的生成和最终结论的生成。但即使生成了很多结论，仍需要接受客观实验和理论的检验，现阶段更多是一种辅助手段。趋势九：物理AI与世界模型物理AI和世界模型，这也是现阶段很多模型厂商在突破的领域，是AI根技术的突破。物理AI是生成式AI在物理世界的延伸，核心差异如下：维度生成式AI物理AI交互对象数字内容物理世界输出形式文本/图像/代码动作/控制信号反馈机制人类反馈环境反馈安全要求内容安全物理安全世界模型现阶段没有准确定义，但可以理解为AI内部的"模拟器"，能够预测一个动作之后世界会变成怎样。比如人看到杯子即将掉落时会下意识伸手去接，或者躲开怕玻璃扎到自己。现阶段模型没有这种能力，但如果是世界模型，它就会具备这样的能力——预测杯子会不会滚落、车辆变道后其他车的反应、机器人要花多大力气才能捏起一个物体又不至于捏碎。世界模型包含三大核心能力：1. 物理推理：通过牛顿力学、流体力学等物理引擎模拟物体运动。2. 动态预测：基于历史数据和当前状态，生成未来几秒到几分钟的环境演变。3. 社会交互理解：具有心智模型能力，能分析人类情绪、意图和社会规范。趋势十：合成数据革命+企业数据深挖大模型早期训练依赖互联网公开数据，但现阶段高质量公开数据不是无限的。随着模型越来越大、训练轮次越来越多，公开数据的边际价值会越来越小。故有两个趋势：第一是合成数据，第二是企业自身具备高价值业务数据。一般讲大模型数据主要有几层：最底层是世界知识数据，提供基础训练知识；接下来是专业数据（金融、医学等），让模型具备领域能力；还有指令数据让模型知道如何回应；思维链数据和推理数据提升复杂问题推理能力；反馈和偏好数据让模型更符合人类业务目标。另外训练大模型时数据不是越多越好，更多要看数据质量、结构和覆盖范围。企业在大模型落地过程中真正的壁垒不是把所有数据丢给大模型，而是把知识、数据和流程变成一套可运营的数据体系。业界观点认为预计2030年左右公开文本/图像数据将接近枯竭，合成数据将成为关键补充。数据体系分层：层级数据类型来源用途世界知识通用语料互联网/书籍预训练指令微调指令-回答对人工标注/合成SFT思维链推理过程模型自生成推理能力反馈偏好偏好排序人类标注RLHF/DPO企业壁垒：构建可持续运营的数据体系，将内部数据转化为AI训练资产。趋势十一：算力需求爆发式增长原来跟企业交流时算力属于IT部门关注的问题，高层不太关注。但现阶段算力已经变成很多企业、行业乃至国家级的基础设施问题。华为《智能世界2035》预测，2035年算力需求预计增长10倍。算力增长带来了一种新技术范式——超节点。简单理解就是把大量GPU或NPU通过高速互联在逻辑上形成更大的计算单元，特别适合大模型使用。超节点技术重塑算力集群建设范式，将逐步成为AI算力集群的建设主流，AI 能力仍在快速扩展，而算力、能耗和数据中心基础设施会成为关键约束。模型越大，瓶颈往往不是单卡算力，而是卡与卡之间、节点与节点之间能否高效协同。就像一个庞大的军队，如果每个人都很强但沟通很慢，整体效率也会很低。所以未来计算中心建设会越来越强调整个系统级能力，包括通讯、存储、网络、冷却和供电。实际使用中真正遇到的问题可能是"算力没有被充分利用"。算力的使用不是简单让模型跑推理和训练，而是一个系统工程：模型推理的并行方式是否合理？算子之间有没有优化？通信开销如何？调度是否合理？这些都会让算力做相应折扣。所以未来搭建AI算力集群时，不能只看算力分值有多少，还要看有效算力有多少、单位能耗多少、生产一个Token的成本是多少、稳定性如何。软硬件深度优化将成为发挥智算算力效能的核心要素趋势十二：开源生态与AI治理开源让更多企业能够低成本接触到先进模型。对开源模型厂商来讲，更多是希望开发者围绕开源模型形成模型、工具和框架的应用形态。开源有几个好处：第一个是降低门槛，现阶段很多厂商使用开源模型做部署，易获取且可以做后训练微调和行业适配；第二个是容易形成生态，围绕模型会有工具链、评测集、插件和开放社区；第三个是推动生态有效发展。另外随着AI越来越深入业务流程，风险不能只靠政策或口号去管控。要管控模型生成内容、智能体调用工具范围、数据处理方式。企业用AI过程中一定要建立清晰明确的安全审计和责任体系，才能让AI进入具体业务流程。发展。各个国家和地区都会要求AI不能黑箱运作。未来企业使用AI肯定要回答几个问题：数据从哪里来？模型如何评测？生成内容如何标识？授权如何管理？出错如何负责？执行完的动作是否可审计、可溯源？全球主要国家和地区密集出台了一系列AI新规与框架，呈现出“加速创新”与“风险防范”并重的趋势。四、核心总结维度核心趋势应用层智能体从问答到执行；AI OS重塑交互入口模型层多模态普及；MoE架构主流；轻量化兴起训练层Scaling Law扩展至后训练；强化学习成为必选项创新方向具身智能实用化；AI for Science；物理AI与世界模型基础设施算力需求爆发；合成数据革命；企业数据深挖安全治理开源生态繁荣；全球AI治理框架逐步完善一句话总结：AI正在从'工具'进化为'伙伴'，从'数字世界'走向'物理世界'，企业需要构建系统级的AI能力，而非追逐单一技术。
【干货分享】会用AI≠懂AI——当AI给出答案，如何培养学生的思考力？
在这个AI爆发的时代，“要不要学AI”已经不是选择题，而是必答题。可现实却越来越魔幻楼下兴趣班换了块牌子，就说自己在教AI很多家长以为，学AI就是教孩子用用豆包、问一问智能体甚至还有人说：“AI越发达，人越不需要学AI。”但真的是这样吗？到底什么才叫真正地学AI？AI又能怎样重塑教育本身？这期直播，我们请到了——史启权博士，华为AI通识教育解决方案专家，一位深耕AI通识教育的研究者。听听他怎么拆解带你跳出焦虑，看清AI教育的本质
【干货分享】 企业运维 AI Agent 落地实践
企业运维 AI Agent 落地实践：从 MVP 演示到稳定可控运行的运维Agent系统一、运维的痛与 Agent 的价值运维人的日常痛点 做运维的同学应该都有共鸣：On-Call 的代价。无论故障大小，运维团队基本处于随时待命的状态。哪怕出去旅游，领导也会要求带上电脑。凌晨 3 点被告警叫醒，排查半小时发现只是个 VPN 连不上的问题——这种事每周都在发生。排查费时费力，现网中的服务问题通常不是单点问题。应用运维说可能是数据库，数据库那边查了说没问题，可能是系统或网络——各团队互相扯皮，排查链路漫长， 重复工单堆积，权限申请、服务器扩容、防火墙变更，大量重复性 Case 堆积如山。老员工的排障经验无法有效沉淀，新人接手断层严重。AI Agent 能带来什么？这三个痛点在没有 AI 之前也能解决——堆人力、招 SRE 专家。但 AI 的出现提供了第二种选择：用更低的成本实现同样的效果。释放重复劳动：让 Agent 处理标准化 Case，运维专注高价值工作；7×24 极速响应：全天候无休，减少 On-Call 对工程师的消耗；降低人为失误：标准化执行，减少疏漏；跨系统自动联动：一句话触发，Agent 自动跨多个系统完成操作。 实际场景举例 ：场景一：零信任工单自动处理。传统方式需要登录 OA 看工单 → 切到零信任后台 → 查用户 → 建资源 → 配授权 → 回钉钉通知 → 回 OA 关工单，6 个系统 7 步操作。引入 Agent 后，工程师只需说一句"处理下 xx 的零信任工单"，Agent 自动跑完全流程。场景二：内核级深度问题定位。传统排查到应用层就停了——Connection Reset，重启试试。但 Agent 会继续往下挖：查 dmesg、查 syslog，发现 nf_conntrack table full。借助 LLM 广阔的知识图谱，Agent 具备跨越应用层、系统层到内核层的深度诊断能力。场景三：开发测试自助排障。以前开发同事反馈"测试环境 user-service 启动失败"，需要提工单等运维响应。现在直接问 Agent，Agent 自己去查日志、定位问题、给出建议。开发自助闭环，运维不用介入。 二、Agent 架构设计 ### 整体四层架。 我们的架构分为四层：1. 钉钉通道层：Agent 入口在钉钉，通过 Stream 长连接接收消息。包括消息回调、卡片交互、OAuth 认证、附件处理等。2. 消息路由层：身份认证、会话管理、Agent 路由。不同用户的消息会到达不同的 Agent——非技术员工走自助服务 Agent，运维人员走运维 Agent。3. Agent Harness 层：核心编排框架，包含 ReAct 推理引擎、上下文工程、多层记忆、工具调度、安全控制。4. 基础设施层：LLM 集群、Neo4j 图数据库、向量库、对象存储、JumpServer 等。Agent 不是一个模型，而是一个编排框架。模型只是其中的推理引擎，围绕它还有大量的工程设计。 三、工具能力封装演进- 共四个阶段。起步期：MCP 标准工具。按 MCP 标准封装每个运维原子能力。Schema 定义繁琐，大量适配代码，工具数量面临爆炸风险。觉醒期：脚本框架。发现命令执行通道是通用的——既然 Agent 能通过 JumpServer 执行命令，那各种运维脚本就是可以直接执行的能力。突破期：SOP 知识驱动。用"知识指引"替代"代码堆砌"。为 Agent 编写 SOP 文档，有效化解多云运维的庞大工作量。成熟期：Agent CLI 化。60+ 独立工具被压缩为单一 CLI 入口。工具元数据 Token 消耗从万级降至数百。 Agent CLI 工具全景CLI 化之后，Agent 只需要知道 `agent-cli --help` 就能自助查阅工具用法。上下文里只放一个能力速查表，详细参数按需获取。凭证托管：最关键的设计 Agent CLI 不只是工具封装，更重要的是**用户凭证的托管和权限控制。大模型不参与凭证处理，凭证在 CLI 层透明注入。不同用户、不同角色加载不同的凭证。 四、JumpServer 命令执行器这是运维场景最经典的工具——让 Agent 能登录数千台服务器和网络设备。 我们采用 SSH 自动化的方式，模拟人类登录 JumpServer 的过程。每轮给 Agent 一个随机结束符（cli_round_guard），确保复杂多行命令的准确提取。命令执行后的输出捕获是动态的：设置最大阈值，同时设置动态阈值（连续 2 秒无新输出则提前终止）。 五、SOP 知识体系SOP 是 Agent 的操作手册。Agent 不是靠 LLM 的通用知识做运维，而是先读 SOP 再执行——和人类工程师一样。 我们积累了 68 篇 SOP，覆盖各运维领域。新增一项运维能力，最低成本的方式就是写一篇 SOP 上传。Agent 下次遇到相关问题时会先读 SOP，然后按流程操作。不需要改任何代码。 六、多层记忆系统-四层记忆体系普通聊天机器人只有对话历史。但运维 Agent 面临不同的挑战：复杂排查需要 10+ 轮工具调用，早期发现会丢失；不同用户之间有协作关系；同一台服务器可能反复出问题。我们设计了四层记忆：短期记忆、事件记忆、协作记忆、长期记忆。 事件记忆：解决"马冬梅问题"Agent 在第一轮很清楚这是"马冬梅"，但过了两轮之后就变成了"马东什么"或"马什么梅"。前几轮推理过程中发现的关键信息，在后续循环中丢失了。解决方案：给 Agent 配两个"秘书"。S1 管理消息入口（新 Case 还是老 Case），S2 记录每轮的"会议纪要"（关键事实实时提取）。 协作记忆：跨会话感知A 让 Agent 转达消息给 B。传统做法是单向的——B 收到消息但不知道来龙去脉。我们把所有用户 Session 全量归档到 Neo4j 图数据库，协作类消息事件作为锚点，在两个 Session 之间建立连线。B 再次对话时，Agent 就知道背景。 长期记忆（Mem0）基于开源 Mem0 框架，提供跨 Case、跨时间的永久记忆。坦率说，在运维场景中长期记忆并不是最重要的——运维 Case 处理更多依赖 SOP 和实时状态查询。但作为记忆体系的补充，我们还是引入了。记忆优先级 四层记忆有时会冲突。优先级：短期记忆 > 事件记忆 > 协作记忆 > 长期记忆。 七、安全基石：AI 审批与凭证隔离AI 审批：拒绝"先斩后奏"在 ReAct 循环的工具解析节点插入 AI 审批判断。引入 Flash 级别的小模型，2 秒内判断这个命令是否需要用户二次确认。高风险操作通过钉钉卡片让用户确认。AI 审批比硬规则更智能。Agent 第一次删除用户因没加 sudo 失败，第二次加了 sudo 重试。AI 审批能看到上下文——这是刚才已经审批过的同意图命令，不需要重复审批。 凭证隔离：千人千面全员可用的 Agent 服务，但每人只能操作权限范围内的资产。凭证在 CLI 层托管，不暴露给模型，也不暴露给用户。 八、实战表现：阿里云网络变更 一个真实案例：把一个 /16 的 VPC 拆成两个 /17 的 VPC，重新规划 CIDR。Agent 自动读 SOP、查询现有配置、逐个清理资源、重建 VPC 和交换机。最后一次经历了 30 轮循环，把整个变更做完了。OA 自动化与数据查询 财务同事看费控数据、运营同事看外呼数据，都能通过 Agent 自助查询并生成图表。OA 工单的查询、审批、提交也已全面覆盖。 九、未来方向1. 运维知识图谱：从扁平 SOP 文档升级为关系图谱，让 Agent 能做影响分析和根因推荐；2. Agent 间协作：用户的自助 Agent 向运维 Agent 发起求助，经人工审批后由运维 Agent 执行；3. 用户运行时沙箱：基于 K8S 为每个用户提供隔离容器，支持个人脚本和定时任务；4. Agent 安全：IM 入口让安全边界前置到钉钉消息层面，需要更完善的身份确认和攻击防护 。 Q&A 精选Q：用的是什么模型？A：主要用先进模型（Claude Opus 4.6 等）。运维 Agent 这种主动式任务处理，消耗的 Token 并不多，每月不到 200 美元。真正消耗大的是循环型任务和 AI Coding。 **Q：这个是基于 OpenClaw 做的吗？** A：不是，我们是从去年 9 月开始自研的，基于 LangGraph 框架。如果现在要快速落地，可以考虑拿 OpenClaw 或 Claude Code 二次开发。但如果追求深度定制，自研更灵活。Q：如何处理没有 API 的老旧系统？A：我们遇到过只有 Web 管理页面的语音 SBC 设备。通过逆向 HTTP 调用、提取 Cookie，甚至用图像理解模型识别验证码来实现自动化。做起来有点复杂，但可行。Q：Agent 的准确性如何保证？A：模型幻觉依然存在，这是事实。我们通过 SOP 约束、AI 审批二次确认、用户凭证隔离三层保障来兜底。即使 Agent 的指令遵循不是 100% 准确，用户二次确认可以帮它兜底。 欢迎更多小伙伴跟帖提问~
【干货分享】实体数据空间—— 医疗健康与养老行业数字化转型的新范式
随着医疗健康与养老行业数字化进程的加速，数据孤岛、标准不统一、语义不一致等问题日益突出，严重制约了数据价值的释放和智能化应用的发展。本文提出了一种基于本体论的实体数据空间构建方法，通过以实体为中心重构数据组织方式，建立统一的语义框架和数据模型，实现多源异构数据的融合与互通。文章详细阐述了实体数据空间的核心概念、理论基础、技术架构和关键特性，并结合医疗健康与养老领域的实战案例，展示了实体数据空间在临床科研、患者招募、慢病管理、养老服务等场景中的应用价值。实践表明，实体数据空间能够显著提升数据治理效率，降低数据应用门槛，为医疗健康与养老行业的智能化转型提供强有力的数据支撑。关键词： 实体数据空间；本体论；医疗健康；智慧养老；数据治理；数字孪生一、引言在数字经济时代，数据已成为核心生产要素。医疗健康与养老行业作为数据密集型行业，积累了海量的结构化、非结构化和半结构化数据。然而，这些数据分散在不同的业务系统中，存在标准不统一、语义不一致、互操作性差等问题，形成了一个个 "数据孤岛"国家数据局。传统的数据仓库和大数据平台虽然能够实现数据的集中存储，但在处理跨领域、跨系统的数据融合和语义理解方面仍存在明显不足，难以满足医疗智能化对高质量、高时效性数据的需求。近年来，欧洲率先提出了健康数据空间的概念，并在德国、法国、卢森堡等国家开展了实践探索国家数据局。我国也在《可信数据空间发展行动计划（2024—2028 年）》中明确提出，要加快建设行业、城市和企业三类可信数据空间，推动数据要素安全有序流通和价值释放国家数据局。在此背景下，我们基于本体论思想，结合医疗健康与养老行业的业务特点，研发了数象实体数据智能平台，并在多个城市和医疗机构开展了落地实践，取得了显著成效。二、实体数据空间的概念与理论基础2.1 实体的定义在数据空间中，实体是指物理世界中真实存在的服务提供者、服务使用者、服务监管者等对象在数据空间中的动态数字孪生。例如，患者、医疗机构、老人、养老机构等都可以被定义为实体。实体具有以下特征：唯一性：每个实体都有唯一的标识符动态性：实体的属性和状态会随时间变化关联性：实体之间存在各种复杂的关系完整性：实体包含了其所有相关的数据信息2.2 本体论与实体数据空间的关系本体论是实体数据空间的 "语义骨架"，为数据空间提供了统一的语义基础和概念框架，确保了不同数据源之间语义的一致性和可理解性。数据空间则是本体论的 "血肉载体"，承载着具体的、多样化的数据实例，将本体论定义的抽象概念和关系具体化、实例化。二者结合实现了 "语义统一、数据互通、智能可及"。本体论的核心构成包括五元组：类 (Classes)、属性 (Attributes)、关系 (Relations)、实例 (Individuals) 和公理 / 规则 (Axioms/Rules)。其中，实例与我们定义的实体概念最为接近，类和属性则为实体提供了分类和描述的标准。2.3 领域实体数据空间的定义领域实体数据空间是一个面向特定业务领域（如健康医疗、养老）的数据价值化逻辑数据空间。它通过通用数据模型、标准、治理机制和数据处理智能平台，整合公共数据资源，构建以实体为中心的领域数据集，为科研、创新、政策制定和监管活动提供可信、易用的数据再利用环境。领域实体数据空间的核心价值在于建立了信任管控流、数据资源流和服务价值流，为上层应用活动提供了一个更高效率的支撑环境。三、医疗健康领域实体数据空间的构建3.1 构建的必要性医疗健康领域构建实体数据空间主要基于以下两个方面的需求：业务需求方面：医疗健康业务涉及医院、民政、公卫、人社等多个行业，数据来源复杂缺乏权威统一的数据标准，跨行业术语差异与编码冲突严重个人无法有效掌握和授权自己的健康数据应用需要以实体为核心的高质量数据集技术需求方面：以实体为中心重构数据组织，为个人数据授权提供必要条件统一语义和标识，解决数据标准和术语差异问题实时预处理和加工特征数据，为数据价值化产品提供工具提供行业预定义数据产品，实现应用快速落地3.2 欧洲健康数据空间的经验借鉴欧洲健康数据空间计划由德国和法国牵头，SAP、西门子等 22 家创始企业参与运营。其核心目标是把来源各异、编码不一的观察性健康数据转换成同一张大表，实现：用同一套分析代码跑所有数据支持跨国、跨库的真实世界研究、药物警戒和疗效比较让监管、科研、产业共享结果而无需交换原始敏感数据目前，德国的 HEALTH-X dataLOFT 项目和卢森堡的 Dataspace4Health 国家级项目已经取得了良好的应用效果。3.3 我国医疗健康数据空间的实践框架我国医疗健康数据空间的数据来源主要包括：个人：患者、居民的健康数据健康服务方：医疗机构、养老机构、体检机构等监管方：卫健、医保、民政、药监等政府部门创新企业：生命科技、药械、AI 创新企业、商业保险等通过构建医疗健康实体数据空间，我们可以将这些分散的数据整合起来，形成一个统一的数据价值化生态链，支撑临床试验患者招募、不良事件监测、AI 模型训练、商业健康险快赔等多种应用场景。四、养老领域实体数据空间的实践4.1 养老数据空间的构成养老实体数据空间的数据来源更加广泛，除了传统的医疗数据外，还包括：养老数据：养老机构信息、服务记录、补贴发放等人口数据：老年人基本信息、家庭结构等养老保险数据：参保信息、待遇领取等服务设施数据：养老床位、社区服务中心等政策法规数据：养老政策、财政补助等4.2 养老数据空间的核心能力养老实体数据空间通过构建实体关联模型、标签体系和全息档案，实现了以下核心能力：个性化服务：根据老年人的标签及全息档案，提供定制化的健康管理和生活照料服务精准监管：对养老服务机构进行监管和评估，精准识别符合补贴条件的老年人资源优化：利用标签数据分析预测老年人未来服务需求，优化养老资源配置风险预警：建立风险预警模型，实时监测老年人健康状况和生活安全五、实体数据智能平台的技术架构与特性5.1 平台总体架构实体数据智能平台是一个跨领域实体数据分析与服务平台，它包括五大核心模块：实体数据服务：提供数据检索、查询、统计等基础服务实体数据产品开发：支持标签、画像、全息档案等数据产品的开发多域融合统一实体数据模型：构建跨领域的统一数据模型安全可信合规可控体系：保障数据安全和隐私保护数智大脑：提供 AI 驱动的智能分析和决策支持5.2 关键技术特性5.2.1 以实体为中心的跨域数据模型平台结合 OMOP-CDM 国际标准和我国实际业务情况，构建了以实体为中心的健康医疗和养老行业跨域数据模型。通过固定表结构和统一词汇表，将碎片化的数据变成统一数据，实现了跨系统、跨领域的数据互通。5.2.2 多源数据融合的行业标签体系平台将分散、庞杂、难懂的原始数据转变为易获得、易理解、易分析的标签信息。在医疗健康领域，构建了包括基本信息、过敏测试、病史、疾病诊断等多个维度的标签体系；在养老领域，依据国家标准设计了 224 个预定义标签，覆盖了老年人能力评估、健康档案管理等多个方面。5.2.3 实体画像与全息档案平台基于标签体系构建了多维度的实体画像，从多个数据维度展现实体状态。同时，通过融合来自不同数据源的多源异构数据，形成了实体的全息档案，实现了 "一人一档一码"。5.2.4 多种分群方式平台支持多种实体分群方式，包括特征创建、患者特征创建、规则创建、智能创建和群体间复合计算创建，能够适配不同精细度的实体数据查询需求，为服务撮合提供数据支撑。六、典型应用案例与成效6.1 高端医院医疗数据价值化解决方案案例背景：某国家儿童区域医疗中心建设高质量数据集项目，入选 "国家数据基础设施建设第二批先行先试" 项目。解决方案：构建全量数据中心 + 智算服务平台 + 专病数据库 + 高质量数据集 + 科研合作 + 成果转化的全栈解决方案。应用成效：已建成 10 个左右专病数据库，计划到 2027 年完成 70 个支撑了脑疾病、情感障碍、乳腺癌等多个领域的科研合作实现了临床、科研、运营管理和患者服务能力的全面提升6.2 "互联网 + 重点疾病全周期管理"案例背景：某医科大学第一医院构建线上线下一体化、专病全周期管理新模式。解决方案：以患者为中心，以疾病为链条，构建 24 个专病数据库，覆盖 34 个病种。应用成效：实现了筛查入组、精准分群、诊疗路径、动态评估、患者服务和个案管理全流程智能化成为区域标杆示范项目，得到了省卫健委的高度认可有效降低了医疗费用支出，提高了患者健康水平6.3 三甲医院智算服务平台案例背景：某三甲医院面临数据集成治理难、数据加工处理难、数据分析建模门槛高等问题。解决方案：围绕 "探索多模态医学人工智能平台 + 飞标医学影像标注平台" 双核心，构建覆盖 "数据管理 - 加工处理 - 建模分析 - 标注赋能 - 成果管理" 的全链路闭环。应用成效：医师科研时间有效释放，将更多精力投入到医学问题研究零代码建模降低了 AI 应用门槛，实现了 AI 能力普惠全流程可视化操作，提升了科研效率和结果可靠性6.4 健康医疗智能体应用案例背景：南京某区希望提升基层医生诊疗能力，支撑分级诊疗。解决方案：部署 HAIAs 健康医疗智能体，提供辅助决策、病历生成和内涵质控等功能。应用成效：模型支持 10,549 个 ICD 病种，Top5 诊断推荐精度达 91.5%医生主动使用频率达 2 次 / 天有效提升了基层医疗服务的一致性和质量6.5 6.5临床试验患者招募案例背景：传统临床试验患者招募周期长、成本高、效率低。解决方案：基于实体数据空间，结合标签和大模型技术，实现精准人员筛选。应用成效：为拜耳、恒瑞、北肿等多家知名药企和医疗机构提供服务将患者筛查时间从几个月缩短到几天显著降低了新药研发成本，加速了新药上市进程七、挑战与未来展望7.1 面临的主要挑战尽管实体数据空间在医疗健康与养老领域取得了显著成效，但在实践过程中仍面临一些挑战：数据质量和治理：前期数据治理工作量大，数据质量参差不齐行业业务理解：需要深入理解行业业务知识，才能构建出有价值的数据模型统一标识和语义：跨领域、跨系统的统一标识和语义定义仍然存在困难数据价值变现：如何通过实体数据空间构建出创新的应用场景和商业模式7.2 未来发展方向未来，实体数据空间将朝着以下几个方向发展：多模态数据融合：进一步加强文本、影像、语音等多模态数据的融合处理能力AI 深度赋能：利用大模型技术提升数据标注、语义理解和智能分析的自动化水平跨区域数据流通：推动城市间、区域间的数据空间互联互通，实现更大范围的数据价值共享隐私计算技术应用：结合联邦学习、差分隐私等技术，在保护数据隐私的前提下实现数据价值释放标准化建设：加快制定行业数据标准和技术规范，促进实体数据空间的健康发展八、结论实体数据空间作为一种新型的数据组织和管理范式，为解决医疗健康与养老行业的数据孤岛问题、释放数据价值提供了一条有效途径。通过以实体为中心重构数据组织方式，建立统一的语义框架和数据模型，我们能够实现多源异构数据的融合与互通，为临床科研、医疗服务、养老服务和政府监管提供高质量的数据支撑。实体数据智能平台在多个城市和医疗机构的成功实践表明，实体数据空间能够显著提升数据治理效率，降低数据应用门槛，加速医疗健康与养老行业的智能化转型进程。未来，随着技术的不断进步和标准的逐步完善，实体数据空间必将在数字经济发展中发挥更加重要的作用。参考文献[1] 国家数据局。可信数据空间发展行动计划（2024—2028 年）[EB/OL]. 2024.[2] 全国数据标准化技术委员会。可信数据空间 技术架构 [EB/OL]. 2025.[3] European Commission. European Health Data Space [EB/OL]. 2022.[4] OMOP Common Data Model. Observational Medical Outcomes Partnership [EB/OL]. 2026.[5] 东软集团。城市级智慧养老综合服务平台白皮书 [R]. 2025.[6] 清华大学。中国城市养老服务需求报告 [R]. 2025.
【干货分享】智能会议室解决方案
前言大家好，我是 JDC 的花花11。很高兴今天能和大家进行直播互动，本次我将为大家分享的主题是 —— 智能会议室解决方案。接下来我将从五大方面展开讲解：智能会议室行业发展趋势整体框架核心功能方案亮点成功案例在整个行业趋势里，我们还是要围绕用户痛点来谈。尤其在智能会议领域，痛点主要集中在会前、会中、会后三个环节：①会前：客户需要反复预定会议、准备大量资料，还要逐一检查会议室设备是否正常，准备工作繁琐。②会中：会议体验差，常见问题包括画面不清晰、声音断断续续、设备多且操作复杂。③会后：核心是统计与运维问题，一方面需要人工实时记录会议内容，效率低；另一方面多会议室、多设备难以统一管理。 针对会前、会中、会后三大痛点，我们不难发现智能会议室的发展路径十分清晰：从早期依靠遥控器简单解决问题，到如今通过中控平板实现设备集中控制，再到当下 AI 时代，我们更希望用 AI 为智能会议室注入新的灵魂。这也是未来会议室发展的核心趋势。结合前面的趋势，我们对未来智能会议室的发展，有三个核心理解：第一，提升全流程会议效率。围绕会前、会中、会后打造一体化会议体验，让整个系统更易用、易维护、更好用，真正实现会议全流程高效运转。第二，实现节能环保。在多会议室统一管理场景下，实现设备、用电及整体能耗的智能管控，做到绿色节能、降本增效。第三，助力企业数字化转型。从单一会议室的数据传输，升级为多会议室设备统一接入、集中管理，通过统一数据平台实现全局可视、统一管控。总而言之，我们理想中的智能会议室，就是高效便捷、节能环保、全面数字化的智慧协同空间。结合我们刚才对智能会议室的三大核心理解，接下来给大家介绍我们的整体解决方案。大家可以看下面的这张图，这就是我们智能会议室整体方案的总体框架。建议大家从下往上，逐层了解这个框架的构成。首先是最底层的硬件终端部分，我们核心采用的是专业级音视频设备，同时还会配套一系列辅助配件，包括中控设备、矩阵、麦克风、桌牌、门口屏、音箱、音柱、音频处理器等。这些不同类型的设备，能够灵活适配不同形态、不同大小的会议室场景——无论是小型、中型、大型会议室，还是报告厅、指挥中心这类特殊场景，都能通过设备的合理搭配，满足其核心使用需求。而不同会议室之间的互联互通、高效协同，离不开平台的支撑。在硬件终端之上，我们搭建了专属的管理平台，主要包含会议预定平台、设备运维平台等，以此实现会议全流程的衔接：会前可完成会议预定及各项准备工作；会中可开展本地视讯会议；会后则通过平台进行智能运维管理，为整个智能会议室系统的有序运行提供保障。以上就是我们智能会议室整体方案的全部总体框架。我们再来看下一张图。不同公司开会，本质都离部开网络，目前主要有三种会议模式：第一种是纯云会议，全部通过云端召开，比如 WeLink 这类云会议平台都属于这一类。第二种是入驻式部署，采用专业音视频设备，通过 MCU、SMC 等硬件架构实现本地会议。第三种是混合云模式，同时支持云端会议和入驻式部署，两者结合使用。我们这套整体方案，同时覆盖这三种网络拓扑。从图中可以看到，无论是指挥中心、报告厅，还是各类大小会议室，都能统一纳入这套架构。接下来，我们来看一下建成后的智能会议室实际效果。这是我们第一张效果图，展示的是指挥中心。我们可以根据不同的使用场景和预算，来配置不同的方案。在这次方案里，中间会使用 LED 大屏，大屏左右两侧布置音柱。前方设有大型长条会议桌，每个座位前都配备鹅颈麦克风。 现场每个人的发言，都可以通过麦克风清晰采集，再由音柱进行本地扩声，同时也能将声音传输到远端会场，实现本地和远程的正常沟通。这就是我们指挥中心的整体效果。接下来是多功能报告厅的解决方案。多功能报告厅通常空间较大，需要满足多场景、远距离观看的需求。和之前的方案相比，这里会增加多辅助显示屏幕，可以把 LED 大屏的信号同步分发到每一块辅助屏上，实现小屏、大屏和 LED 之间画面统一、多屏联动的效果。整体配置以满足扩声、显示、交互和视频功能为主。接下来我们看大会议室的解决方案。大会议室的方案功能最为齐全，配备了 LED 大屏、ideahub设备以及摄像头设备。每个参会者的座位前，都配有平板、桌牌和无纸化升降器。参会人员可以通过面前的麦克风拾音，通过无纸化升降器完成签到、查阅文件、传递文件、投票等操作，这就是大会议室的整体配置情况。中会议室的方案和大会议室比较类似，只是功能相对精简一些。屏幕数量会减少，桌面上配置的设备也会相应简化。最后是小会议室的方案。小会议室的需求比较简单，核心是方便快捷，一台ideahub就可以满足全部使用需求。以上就是我们根据不同场景，为大家介绍的不同形态的会议室方案。接下来，我们来看一下这些智能会议室究竟能实现哪些功能，先用一张图给大家做一个概括性的了解。首先，前期我们可以实现统一的会议室预定。预定成功后，会议室环境会自动准备就绪。环境准备好后，我们可以通过一台平板，轻松控制整个会议室的声、光、电设备。在会议进行中，借助各类音视频设备，我们可以完成发言、发言跟踪、批注、白板书写等各项操作。会议结束后，平台会自动释放会议资源，同时自动导出整个会议的纪要，全程便捷高效。下面我们把每个功能单独拆解说明。首先来看会前环节，核心是会议预约。在这套方案里，会议预约支持多产品、多终端使用，包括电脑端预约和手机端预约。手机端预约可以直观展示每间会议室的场景，用户直接选择对应的时间即可，操作简单。PC 端预约的功能更全面，可以填写会议主题、上传会议所需文件，同时选择会议时间，一站式完成所有预约操作。因此，会前的会议预约支持手机、电脑等多设备统一使用，满足不同场景下的预约需求。我们预定完会议室之后，会议室的设备会自动进行监测。在本次的方案中，配备了环境检测器，在会议开始前就会对会议室进行检测，包括二氧化碳浓度、甲醛等指标。如果检测到浓度过高，系统会自动联动中控，对新风进行调节。同时，最新方案还采用了 WiFi 7 的 AP 设备，不仅可以为用户提供稳定的网络环境，还能实现人来灯亮、人走灯灭的智能控制。只要完成指定会议室的预约，会议室的相关设备就会自动调节到最优状态，提前开启并准备好合适的会议环境。上面介绍的是会议室内部提前准备的相关功能。除此之外，每间会议室门外还配备了门口屏。完成会议室预约后，门口屏会实时显示会议主题、会议名称、会议室相关信息以及参会人员等内容。 同时，门口屏还支持门禁与签到功能。参会人员可以通过刷脸完成签到，刷脸成功后，会议室门会自动打开，实现签到与门禁一体化。 在细节设计上，门口屏还带有状态灯条。绿色代表会议室空闲，红色代表会议室正在使用，橙色代表设备故障。通过不同颜色，外部人员无需进入会议室，就能直观了解当前会议室的使用状态。这部分功能主要由会议室门外的门口屏来实现。在之前预定会议的界面右下角，我们还可以提前设置本次会议的参会人员。比如这次会议有王总、张三、丁一、李四、王五等人，在预定阶段就可以把这些人员信息录入，并直接编排好座位，比如张三坐三号位。 会议开始后，现场屏幕就会按照预定好的座位安排，把人员信息统一显示出来。这样就不用像以前一样，提前打印纸质桌牌再摆放。现在只需要在预定会议时批量导入和设置人员信息，系统就会自动同步显示，还能和平台对接，实现座位编排一键同步，使用起来非常方便。 另外，墨水屏门口屏的展示排版也支持定制化，可以添加 logo，调整显示版面。屏幕颜色也有多种选择，比如蓝色、绿色、黄色、红色、白色等，还有长条款样式，选型比较丰富，主要是帮助客户提前完成人员座位编排的工作。以上介绍的都是会前相关的功能，接下来我们看会中环节。以往开会时，往往需要用到多个遥控器，操作比较繁琐。在最新方案里，只需要一台中控平板，就能对整个会议室的声光电以及各类信号实现统一管控。从第一张图可以看到，系统预设了四种模式，分别是迎宾模式、本地模式、视频会议模式和离开模式，点击任意一种模式，就能快速切换会议室的整体状态。第二张图是中控平板的界面，整体设计简洁直观。上半部分用来控制灯光、空调、新风等设备，中间区域是显示屏，最下方是不同的信号源。使用者只需要将对应的信号源拖拽到显示屏区域，就能完成画面切换，操作十分简便，可实现一键切换。 除了选择场景模式、控制各类设备，还能在平板上查看环境检测器的实时数据。也就是说，每位进入会议室的人员，只需要通过这一台平板，就能控制会议室里的全部设备，使用起来非常方便。第二点，平板除了控制设备，还可以直接在这套系统上召开会议。从第二张图可以看到，系统里自带通讯录，点击通讯录后，可以直接对单个设备呼叫，也能同时呼叫多方设备，不需要多余繁琐的步骤，只要在通讯录里勾选需要参会的人员，把他们邀请进来就可以发起会议。同时，在会议过程中还可以自由切换信号。使用会议室开会时，可以任意选择远端参会人员看到的画面，无论是电脑画面、白板画面，还是现场发言人的画面，都可以通过平板统一进行调控。第三点，除了中控平板之外，我们的ideahub产品也具备很强的实用性。最新版本支持九分屏、镜像控制、智慧多窗等多种功能，可以支持九方同时投屏，还能随时进行批注和书写，主要满足用户日常投屏、白板书写等使用需求。接下来我们讲无纸化会议功能。整个会议室方案秉承节能环保的理念，具体实现方式之一，就是前面提到的电子桌牌，实现了人名信息的无纸化展示。除此之外，我们还配备了无纸化会议平板。以往开会需要打印大量纸质文件供参会人员查阅，现在每个人在开会时，只需要使用一台平板即可。在会议预定阶段，就可以把本次会议所需的文件提前上传到平板中。参会人员通过平板完成签到后，就能直接查阅和传阅会议文件，还可以实现多人同屏共享，在会上发起投票、申请会务服务等操作。同时，这套系统可以部署在内网环境中，有效避免外网带来的安全风险，保障会议文件安全。整体操作简单便捷，结合这两张图可以看到，我们提供两种无纸化方案。一种是移动式平板，方便灵活携带；另一种是固定式升降平板，安装在每个座位前，不可移动。客户可以根据实际需求，选择固定式或者移动式的无纸化方案。接下来是语音转写功能，我给大家说明一下它的具体作用。以前开会发言时，通常需要专门的人员做笔记、听录音，再手动整理成会议纪要，才能分享给其他同事，流程比较繁琐。针对这个问题，我们配套了专门的语音转写系统。点击前方的麦克风，系统会自动给到发言人特写画面，同时显示发言人姓名，他说的每一句话都会实时转写成文字，同步呈现在后台。在后台可以直接对转写的文字进行修改和编辑。以这张图为例，虽然图片清晰度不高，但可以看到，会议进行中点击进入后，会按发言人分别显示内容，比如标注 “花花11”：后面跟着对应的讲话内容，以及这句话对应的时间点，文字里的错别字也都可以逐一核对和修改。会议结束后，我们可以在平台上选择导出音频、文本，或者同时导出音频和文本，再分发给每位参会人员进行传阅。最新的方案还支持 AI 功能，只需要给 AI 发送指令，让它帮忙总结本次会议纪要，AI 就会自动根据语音转写内容，整理出完整的会议纪要，不再依赖人工整理。到这里，会中的功能就全部讲完了。会中主要实现中控集中控制、语音转写、电子桌牌显示，以及中控平板的各类交互操作。接下来是会后环节。第一点就是刚才提到的，会议纪要可以导出并分享，方便所有同事查看。第二点是后台感知与资源自动释放。我们前面提到，最新方案支持 WiFi 7 的 AP 设备，可以实现人来灯亮、人走灯灭。当会议室在三到五分钟内检测到无人时，系统会自动释放所有设备资源，关闭灯光、空调等设备，不需要人工手动操作。这样可以避免会议结束后忘记关闭设备造成浪费，让整个空间更加智能，真正做到无人时自动关停，更加节能省心。最后是统一运维功能。前面这套会议室方案会用到音频、视频、摄像头等多种设备，对管理员来说，统一管控非常重要。首先，在管理平台上可以查看每间会议室每天的使用时长，直观了解使用情况。其次，进入系统后能看到所有设备的在线与连接状态，如果摄像头等设备没有正常接入，平台会自动发出故障告警；连接正常则会显示正常状态，方便管理员提前排查问题。通过这个统一平台，一位管理员就可以管理多间会议室、多类设备，在会议开始前就能提前检查设备是否正常联网，实现提前预判、提前处理。同时平台还具备数据管理功能，方便向领导汇报使用效果。可以清晰看到总共有多少间会议室、每间会议室有多少设备、告警次数有多少，通过一个平台就能完成所有数据汇总，直观了解会议室的使用率、故障率等关键信息。以上就是会前、会中会后三个环节的功能演示，我们来看一下方案的亮点。第一个亮点是在成本上有大幅降低。我们之前做过很多项目，都有上百间会议室，以往需要大量人员进行维护。现在只需要一到两个人，通过运维平台就可以完成远程监控和管理。第二个亮点是节省费用，降低会议成本，提升会议效率。以前开会需要用到大量纸张，比如打印桌牌、会议文件等，经常会出现打印数量不够，或者信息需要临时更改的情况，使用起来很不方便。现在通过电子化的方式，提前上传文件即可，如果桌牌上的名字有误，也可以通过手机快速修改。所以整体来看，方案的核心优势就是节约成本，同时提高会议和管理的效率。第二个亮点是集中化控制管理能力很强。整个会议室只需要一台中控平板，就可以控制所有的声光电设备。可以通过平板实现远程操作、一键开会、信号源拖拽切换等功能。在后续更新的方案里，我们还会加入 AI 语音唤醒功能，比如通过小艺帮我打开灯光这类语音指令，直接控制会议室设备。第三个优势是和视频会议产品深度联动。我们搭配使用 4K 摄像头和 4K 会议终端，保证远端参会人员能够看得清晰、听得清楚。同时借助这些设备，网络抗丢包能力更强，会议过程更加稳定流畅。接下来是成功案例部分，这里我只讲两个，其中部分内容涉及涉密环节，就不展开细说了。这张图大家看上去和我们前面的效果图很像，但这张是我们客户现场实际落地后的真实效果。我们一般会在项目前期，到客户现场进行实地勘测，然后为客户制作 3D 渲染图，提前告诉客户，项目建成之后最终呈现的效果是什么样的。这张就是我们当时做的其中一个指挥大厅项目。可以看到，这间会议室不仅用到了我们的统一运维平台管理，还部署了 LED 大屏用于画面显示，每个座位前都配备了电子桌牌。整套系统可以实现中控平板统一控制、运维平台集中管理，同时支持正常会议沟通，整体运行都很稳定。第二个案例会更加直观，这是我们近期完成的一个集团项目。大家可以重点看这两张图。下面这张图里，可以看到我们为客户配置了有线麦克风、音箱，右侧还配备了显示屏。这个客户之前有很多间会议室，但会议预约和管理都不清晰，比较混乱。所以在这次方案里，我们上线了预约管理平台和整套音频设备，帮客户实现规范化管理。再看上面这张图，桌面上有白色的区域，这就是我们前面提到的升降式无纸化设备。参会人员开会时不需要携带任何纸质文件，开会时这个位置会自动升起屏幕，上面显示人名，还可以直接完成签到、查看文件、批注内容等操作。通过我们这套整体解决方案，帮助客户实现了更流畅的会议流程，会前预约、会中管控、会后运维都非常方便。以上就是我今天介绍的智能会议室解决方案。后续这套方案还会持续升级，未来我们会加入 AI 功能，为参会人员提供任务管理。比如开完会议后，系统会自动生成待办任务，AI 会提醒相关人员在会后需要完成哪些工作，让整个会议流程更加智能高效。以上是我的全部分享，感谢各位聆听。 答疑部分（1）批量刷入文字时，如何保证所有桌牌显示内容一致?如果出现个别桌牌刷新失败有什么容错机制?答：在批量刷入文字时，后台会有预览的界面可以进行查看，可以通过这种方式去查看内容是否一致。一般批量的刷入，后台是采用固定的模版，固定桌牌的两面显示一样的界面，出现与显示内容不一致的概率很低。如果个别出现刷新失败，后台会收到对应的提醒，会告知哪个桌牌刷新失败，需进行查看。 （2）请问，多人通过一个会议窗口讲话，如何区分不同人的发言内容。答：在我们本次的方案中，每个发言人面前是有一个固定的麦克风，由发言人触摸麦克风，才可以开启转录的功能。例如，A点击了自己面前的麦克风，那么就会显示A：............，接下来，B点击了自己面前的麦克风，就会显示B:.............转录的逻辑，是以发言人点击自己面前的麦克风作为触发点，通过不同发言人，点击各自的麦克风，从而去区别不同人的发言内容。 （3）这个功能对于固定人员名单比较好，但如果人员有变动还可以修改吗?答：可以的。在预定会议的时候，可以把人员编排好，一次性刷新好。如果在正式开会时，发现人员变动，可以通过手机/平板，进行快速的刷新修改。只需要手机安装个APP，打开手机的蓝牙功能，检测到对应的桌牌，就可以进行临时快速的修改刷新。 （4）部署这套方案对会议室硬件有什么要求?答：这个要看具体的情况。我们很多的项目也有改造的情况，如果原先的会议室硬件可以利旧，加入到我们的系统，那就可以不改动。但如果说，部分的硬件存在我们对接不了的接口，就可能需要增加其他的设备，然后去实现联动。这个需要具体看不同的硬件和硬件的接口协议等，按以前的经验来说，大部分硬件我们都是可以兼容的。 （5）多角色最多支持区分多少种角色?语音文件保存期限多久?答：如果本次会议，有10个参会者，每个参会者面前都有自己对应的麦克风，就可以区别这10个参会者的角色。如果有20个参会者，但只有其中15个参会者面前有麦克风，就只能区别这15个参会者。一般我们是以会议室的麦克风数量作为角色区别的。语音文件保存期限这个不限制，当时也可以设置为半年清理一次语音文件，这个可以根据需求设置。
【持续更新】付豆课程兑换合集|数据库选型、AI 大模型基础架构等热门课程，付豆即可解锁！
一大批干货正在袭来，错过大咖直播的小伙伴看过来公开课回放可以智豆兑换啦快来看看是不是有你关注的话题！点击对应的课程跳转链接就能兑换！分享人：Pingmaster大V勋章：知识达人、钻石发言人💡此课程为连载内容，建议三期回放一并兑换，学习效果更佳哦，点此兑换。【课程回放】AI大模型基础架构系列课程（第一讲）【课程回放】AI大模型基础架构系列课程（第二讲）【课程回放】AI 大模型基础架构系列课程（第三讲）公开课分享人：wyliudehua，医疗行业信息化工程师大V勋章：知识达人本期为虚拟商品兑换，💡点此兑换。分享人：igc，大数据智慧城市方案架构师大V勋章：知识达人本期为虚拟商品兑换，💡点此兑换。公开课分享人：TTTT11，金融行业解决方案架构师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换。本期为虚拟商品兑换，💡点此兑换。公开课分享人：Capybara，金融行业资深架构师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换。公开课分享人：黄雪橙，金融科技高级运维工程师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换。公开课分享人：高林，智能发电部副主任，JDC有奖探讨一等奖获得者本期为虚拟商品兑换，💡点此兑换。公开课分享人：小子wjyao；高级算法工程师JDC勋章：黄金发言人、VIP专属勋章JDC大V认证：技术大牛本期为虚拟商品兑换，💡点此兑换。公开课分享人：Kevin_jun；金融行业核心系统架构师JDC勋章：黄金发言人JDC大V认证：知识达人本期为虚拟商品兑换，💡点此兑换。公开课分享人：魔鬼教父，酒店行业数字化解决方案架构师JDC勋章：知识达人本期为虚拟商品兑换，💡点此兑换公开课分享人：凛冬将至，金融行业解决方案架构师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：海涛2，智慧医疗软件工程师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：liujiayou_for，大企业-数据通信领域-行业解决方案销售JDC勋章：黄金发言人、产品建议大师本期为虚拟商品兑换，💡点此兑换公开课分享人：q1uguohaou，能源行业高级销售工程师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：情倾摩天轮，解决方案专家JDC勋章：黄金发言人，知识达人本期为虚拟商品兑换，💡点此兑换公开课分享人：雪橙子（前昵称黄雪橙），金融科技高级运维工程师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：FIEforever，资深开发工程师JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：Catherine800522，能源企业高级主管JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：情倾摩天轮，解决方案专家JDC勋章：黄金发言人，知识达人本期为虚拟商品兑换，💡点此兑换公开课分享人：大道至简，能源行业高级销售工程师JDC勋章：技术大牛、黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：曾维，高速公路运营调度中心副主任JDC勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：q1uguohao，能源行业高级销售工程师大V勋章：黄金发言人本期为虚拟商品兑换，💡点此兑换公开课分享人：陈志康，高级讲师，专注于人工智能解决方案与云原生底层技术，精通数据通信、大模型本地部署及MindSpore全栈应用。本期为虚拟商品兑换，💡点此兑换
【干货分享】2026太空光伏市场空间、技术路线及布局企业分析报告
2026 太空光伏市场空间、技术路线及布局企业分析报告各位来宾，大家好！古人云：读书而无友，则孤陋而寡闻。今天我将围绕太空光伏这一商业航天领域的万亿级蓝海，从市场空间、技术路线、全球布局企业三个核心维度，为大家展开全面分析。第一部分 市场空间：从千亿到万亿的星辰大海太空光伏的爆发，核心源于全球商业航天的飞速发展，当前市场正从千亿级规模向万亿级跨越。一、全球低轨卫星星座进入 “万颗” 时代轨道资源具备稀缺性，且遵循 “先到先得” 原则，这直接驱动全球主要航天力量加速布局，卫星数量呈现指数级增长。·全球卫星规划总量已突破10 万颗，太空竞赛进入白热化阶段；·中国轨道申请数量达20.3 万颗，位居全球前列；·SpaceX 星链在轨卫星超 9300 颗，第二代星座获批 1.5 万颗，是当前太空光伏最大的应用载体。二、太空光伏市场规模预测随着商业航天规模化与技术成熟，太空光伏市场将迎来爆发式增长，远期（2050 年）市场空间有望达到万亿级别，成为能源与航天交叉领域的核心增长点。三、核心应用场景：从卫星到太空基建太空光伏的应用场景持续拓宽，三大核心场景需求明确：1.低轨卫星星座：卫星数量激增 + 单星功耗提升，是当前最确定的需求驱动力，市场空间近2000 亿元；2.太空数据中心：AI 算力需求爆发推动算力中心向太空迁移，带来吉瓦级能源需求，年市场规模超100 亿美元；3.深空探测与月球基地：极端环境下的长期能源供给刚需，市场年复合增长率达15%。四、核心优势与关键挑战核心优势：无限的能源潜力1.全天候高效发电：无大气衰减与昼夜交替，24 小时稳定供电，转换效率远超地面光伏；2.无地理环境限制：不占用陆地资源，不受气候、纬度影响，是解决全球能源危机的终极方案之一；3.全球能量无线传输：通过微波 / 激光实现电能直达地球任意角落，推动全球能源互联；4.支撑深空探索：为空间站、月球 / 火星基地提供可靠能源，奠定深空探索基石。关键挑战：现实的技术壁垒1.建设与发射成本极高：运载火箭费用是制约商业化的核心经济因素；2.空间环境严苛：强辐射、极端温差、微陨石撞击，对材料可靠性与寿命要求极高；3.在轨组装与维护复杂：微重力下大型电站组装依赖高级机器人技术，运维难度大；4.能量传输存短板：需解决低损耗传输问题，同时兼顾安全与环境影响。第二部分 技术路线：三阶段演进的光伏革命太空光伏技术并非一蹴而就，而是按照短期→中期→长期分阶段演进，不同技术路线各有侧重。一、主流技术路线性能对比目前行业聚焦砷化镓、HJT、钙钛矿三大路线，在转换效率、比功率、成本、抗辐射能力等维度差异显著。二、技术演进三阶段1.短期：三结砷化镓（当前主流）·技术特点：成熟度高、抗辐射能力强、转换效率领先；·核心优势：太空光伏 “主力军”，高价值场景不可或缺；·应用场景：同步轨道卫星、深空探测、空间站；·市场格局：乾照光电等企业市占率领先。2.中期：超薄 P 型 HJT（渗透期）·技术特点：可超薄化、轻量化，成本优势明显，抗辐射性能接近砷化镓；·核心优势：性价比最优，是低轨卫星大规模部署的理想选择；·商业化进展：国晟科技、东方日升已实现技术突破与落地。3.长期：钙钛矿叠层（突破期）·技术特点：理论效率极高、比功率惊人、成本潜力巨大；·核心优势：颠覆性技术，有望支撑 GW 级太空能源需求；·关键挑战：稳定性与抗辐射能力待提升，目前处于实验室与中试阶段。三、2025-2026 年关键技术突破近一年行业迎来多项核心突破，为商业化提速：1.超薄化工艺：HJT 电池厚度降至 50μm，比功率达 400W/kg；2.抗辐射增强：HJT 抗辐射能力提升至砷化镓的 80%；3.钙钛矿稳定性：二维 / 三维复合结构解决高温、紫外线衰减问题；4.柔性封装：聚酰亚胺基板减重 50%，使用寿命达 15 年。四、工程施工与在轨组装1.关键施工流程地面预制与测试→分段运输入轨→在轨精确对接→机械臂辅助安装→系统调试与并网。2.核心工程挑战微重力环境、数百摄氏度极端温差、强辐射防护，是在轨施工的三大难题。3.两种在轨组装模式·机械臂精确作业：毫米级对接、标准化模块化、全天候无人化，降低宇航员风险；·宇航员漂浮式安装：人机协同，处理精细操作与突发状况，未来人类将转向监督角色。4.月球基地光伏安装系统需适配月球 300℃温差、1/6 低重力、14 天长夜等极端环境，依赖特殊材料、低重力锚定、长周期储能与自主机器人运维。五、太空光伏电力系统与能量传输1.电力系统框图核心分为能量产生、管理、存储、分配、负载、传输、地面接收七大单元，协同完成供电闭环。2.两大能量传输技术·微波无线能量传输（MWPT）：传输距离远、不受天气影响、技术成熟，是太空电站向地面供电的首选；·激光无线能量传输（LWPT）：能量密度高、方向性强，适合短距离高功率场景（如卫星间供能）。第三部分 布局企业：全球玩家的竞逐与卡位太空光伏赛道已形成国际航天巨头 + 中国光伏 / 航天企业的双强竞争格局。一、国际龙头：航天巨头主导1.SpaceX：星链是太空光伏最大单一用户，依托 Starship 与机器人实现在轨组装；2.Boeing：化合物半导体电池效率领先，为国际空间站提供核心电源；3.Northrop Grumman：适配月球、火星极端环境，为 NASA 阿尔忒弥斯计划供能。二、中国力量：光伏企业跨界渗透中国光伏企业凭借技术优势，快速切入太空赛道：1.国晟科技：HJT + 钙钛矿叠层，已实现商业化落地；2.东方日升：P 型 HJT 超薄电池，已供货 SpaceX；3.隆基绿能：成立太空实验室，布局叠层电池；4.钧达股份：参股公司开发钙钛矿叠层，已完成送样。三、中国力量：航天企业核心配套1.中国卫星：GW 星座核心供应商，直接拉动光伏组件需求；2.云南锗业：全球锗衬底龙头，砷化镓路线核心材料供应商。四、太空光伏产业链梳理表格:产业链环节核心技术代表企业电池芯片三结砷化镓、超薄 HJT、钙钛矿叠层乾照光电、国晟科技、东方日升封装材料抗辐射封装、柔性基板瑞华泰、云南锗业设备制造HJT / 钙钛矿整线设备迈为股份、捷佳伟创系统集成光伏系统设计 + 在轨部署SpaceX、中国空间技术研究院能量传输微波 / 激光传输技术波音、中国电子科技集团第四部分 投资机会与风险提示一、投资机会1.技术迭代：HJT 超薄化、钙钛矿叠层技术突破带来增量；2.场景落地：低轨卫星星座加速部署，需求持续释放；3.产业链延伸：设备商、材料商同步分享行业红利。二、风险提示1.技术风险：钙钛矿稳定性问题尚未完全解决；2.市场风险：低轨卫星发射计划存在调整可能；3.竞争风险：国际巨头带来技术与成本双重压力。第五部分 总结与展望一、核心总结1.太空光伏已从 “卫星配套” 升级为万亿级增长蓝海；2.技术路线三阶段演进清晰，不同阶段投资机会明确；3.中国企业已实现核心技术突破，具备全球竞争力。二、未来展望1.2026 年：HJT 完成在轨验证，钙钛矿中试线投产；2.2030 年：HJT 渗透率达 40%，钙钛矿开启商业化应用；3.2035 年：GW 级太空光伏系统完成验证，向地球大规模供电成为现实。太空能源时代，正加速向我们走来！我的分享到此结束，感谢大家的聆听
【干货分享】星河AI高品质中小医院网络解决方案
1. 行业趋势及需求当前医院已有多种业务系统，根据医院业务部门的划分，以及各系统对硬件支持平台等IT基础设施的不同要求，主要可划分为门诊系统(HIS)、住院系统(HIS)、影像系统(PACS)、体检系统(LIS)等核心应用系统，以及医院运营管理系统、智能楼宇系统等。在这些业务中，硬件平台资源必须优先保障医疗业务的正常开展，分析医疗类业务特点，主要包括：HIS与LIS系统要求实时性高、可靠性高，带宽要求相对较低，数据的传输，必须安全可靠；而PACS影像具有单张数据量大、数量多的特点，为保障良好的业务体验，从医生点击阅片到完成影像展示时间应在3~5秒以内，因此需要网络保障在3秒内完成数据传输，不能丢包；网络建设的好坏直接影响医院信息化建设的成败，如何建设一个稳定，可靠，安全，应用集中的综合业务网络平台，是医院信息化建设需求的根本出发点。目前，很多医院的计算机都是放置在各部门或科室的固定位置，甚至是在病房中，通过综合布线连网组成医院管理系统网络。这种固定部署计算机的方式存在终端设备移动不方便、信息点固定等局限性，让信息系统和病房的管理模式并没有实现信息衔接，等于从医生、护士办公室到病人床前这一段“路程”没有实现数字化。如何利用计算机网络更有效的提高管理人员、医生、护士及相关部门的协调运作，满足无线查房、无线医嘱执行、无线医疗设备管理、无线输液、无线导医等需求，是当前中小医院需要考虑的问题。2. 网络运维需求随着信息化整体水平不断提升，中小医院也都采购了越来越多的硬件设备、以及关键业务系统例如HIS、LIS、PACS等等，随之而来，网络系统越来越庞大，管理的复杂度也越来越高，给医院的运维工作造成了越来越大的难度和压力；中小医院IT部门（信息科）的人员数量相对来说一直比较少，而当硬件和软件系统出现了故障之后，因为网络规模大情况复杂，故障排查难度大处理起来非常被动，医院IT人员需要经常面对查找问题也很难准确定位到底根源在哪里的情况。除了日常的管理维护外，医院IT人员需要考虑如何实现业务系统运行健康度的监测评估，保障7x24小时关键业务系统的不间断运行，通过有效的网络流量和网络故障安防，及时有效的发现网络中存在的各种故障和隐患，以便能够通过及时的故障处理，有效的排除网络故障，降低网络使用风险，确保各种业务的正常开展。上述这些要求，都是医院需要考虑的，也是大部分中小医院IT人员的普遍关注点。医院网络作为搭建整个医院信息系统的基础平台，在与医院各项业务相融合的前提下，不仅应具备高速、安全、稳定、标准、可扩展等特征，还应拥有一定的技术超前性和较高性价比。华为中小医院网络解决方案，以“稳定、安全、可靠”作为网络建设目标。3. 网络组网设计医疗内外网为了满足医院安全等保要求，采用物理隔离，分别部署网络，内外网相关互访通过网闸控制；网络采用双核心设计，双万兆互联，汇聚到核心双千兆链路上联，提高网络稳定性；核心、汇聚光纤互联，房间数量较少的楼栋可采用两层组网（院区核心+楼栋汇聚），房间数量较多的楼栋可采用三层组网（院区核心+楼栋汇聚+楼层接入）。光进铜退，光纤入室，保护投资，支撑带宽平滑升级： 小行星交换机入室部署，在门诊室，病房等区域可采用本地供电，在本地供电不方便的区域也可采用光电复合缆为小行星远距供电。无线AP选择Wi-Fi7款型，可融合IOT共址部署，为医疗以及物联无线终端提供入网服务。AP上行选择2.5GE、5GE或者10GE接入交换机，可充分发挥Wi-Fi7大带宽、低延时、高并发的优势，提升用户体验在医院核心机房/数据中心等区域可部署部署网络管理控制器、认证服务器，满足集中管理运维的诉求。在病房区域，采用分布式零漫游AP实现Wi-Fi信号覆盖，医护人员携带如PDA设备查房时可实现零漫游、不掉线，提高工作效率。同时支持内网、外网、物联网三网物理隔离、融合部署。医疗物联&医院网络融合，进行医疗数据的采集、传输、处理，以满足医疗智慧化的发展需要在医疗无线网络应用中普遍存在以下场景：移动医护：医院病房普遍开展的基本业务，护士通过PDA等设备或移动推车（带平板），开展例行查房，记录病人基本信息，省去了手工记录，往返护士站录入的麻烦。手持PDA要在移动过程中保持和上层应用系统的数据连接，包括维持在线登录状态、PACS影像数据下载等，该过程对丢包敏感，AP漫游过程中的丢包，卡顿，会导致设备连接中断，需要重新登录的问题，因此医院普遍要求漫游过程中终端应用采用无感知漫游。内外网隔离：无线内网主要提供移动医护、辅助医疗物联、临床医疗物联等医疗办公业务。无线外网主要为患者提供Internet访问服务。无线物联：当前辅助医疗物联在医院已经大量开展，物联协议大部分以蓝牙、RFID、Zigbee等协议为主，在医院环境中使用一套WLAN网络满足物联接入的诉求，能够降低多张网络的运维成本分布式零漫游方案很好的解决了上述问题，通过“中心AP+光射频单元+天线单元”组合部署，可以同时实现病区内无线网络零漫游、内/外网隔离以及物联覆盖。其中，中心AP和外网AP、物联基站可部署在楼层弱电间。中心AP通过光纤馈线收集整个病区的无线信号，其中内网业务流通过中心AP处理后上行连接内网转发；外网无线信号通过连接外网AP的馈线发送到外网AP处理，并通过外网AP连接的外网设备转发；IoT业务流通过馈线连接到IoT基站处理，从而实现一套网络同时支持内网、外网和物联网。4. 网络基础运维对于医院网络运维人员而言，日常维护工作不仅繁杂，而且工作量大，涉及的工作内容包括查看拓扑对象、查看网元、配置网元、查看业务、诊断故障、查看性能、查看资源、报表生成等。通过iMaster NCE-Campus网络管理系统，可以准确、快捷的提供运维人员所需要的信息，大大减轻运维人员的工作量园区网络发生问题时，使用传统运维工具进行分钟级指标采集显示各项指标均正常，分钟级别的故障采集有可能错过故障发生时间，在问题发生时刻数据却无法准确的获取。园区网络发生问题时，会采集设备大量数据，靠人工去排查日志是相当费时费力的，缺乏一个大数据平台，能对数据进行统一采集、存储和分析，具有高效的大数据处理能力。网络和用户的故障识别，缺乏准确故障识别算法，对故障发生的原因能做出正确的定界和定位。无法随时随地感知WiFi网络用户的体验是WiFi网络运营的最大挑战，每时每刻的用户体验感知需要基于大数据分析进行用户旅程回放，基于时间、空间维度，准确识别用户问题。传统基于静态阈值的方式无法准确识别网络异常，无法适应动态变化的网络情况。网络需要具备动态学习能力，能基于历史数据，分析数据特征，持续学习优化。而iMaster NCE-CampusInsight网络智能分析平台将人工智能应用于运维领域，通过Telemetry技术采集网络设备的性能指标和日志数据，通过大数据、人工智能算法及更多高级分析技术，通过场景化的持续学习和专家经验，将运维人员从复杂的告警和噪声解放出来，使得用户网络体验可视化、运维变得自动化和智能化。
【干货分享】部署Hub&Spoke场景的MPLS VPN
好的，我们来说这个部署HUB-Spoke的MPLS这个场景。这个场景也是我们在广域网里面使用的MPLS VPN一个典型的案例，也是我们现在大家未来考过IE，甚至现在备考IE，我们锻炼的内容中，有第三部分，就是我们的MPLS广域网部分，用的也是这个场景。然后我们今天主要会去介绍一下MPLS VPN这个技术，它典型使用了哪些技术，然后我们还会去做一个实操，把理论和实操相结合，带大家把MPLS VPN的HUB-Spoke这个技术完整过一遍。然后我们首先来看一下前言，我们的前言说的是VPN，对吧？VPN它叫虚拟专用网络，是指在一个公共网络中实现虚拟的专用网络。然后我们今天说的这个MPLS VPN，主要是指三层的VPN技术。然后我们今天这节课主要会介绍什么是MPLS VPN的基本概念，以及它的工作过程，还有典型的配置方式。然后我们来看一下MPLS的定义。我们的MPLS IP VPN一般是由运营商搭建，然后我们去购买运营商的VPN服务，它可以实现我们这些用户之间的路由传递，我们可以实现不同站点之间通过MPLS VPN的骨干网进行通信。然后我们今天第一个要学习的就是MPLS VPN的网络架构。我们首先需要知道MPLS VPN这个网络架构中，这些设备的命名，一般就是我们的CE设备，也就是客户端设备，就是你的站点的边缘设备，连接着运营商MPLS VPN的边缘设备。这个边缘设备，一个是CE，就是站点的边缘设备；还有PE设备，就是MPLS VPN骨干网中连接CE的设备，我们叫它PE。然后还有P设备，这个P设备就是MPLS骨干网里面的设备。其中这个P设备和PE设备一般都是由运营商搭建的，而CE设备就是你自己，也就是客户这边自己的设备。然后我们这个MPLS VPN的一个优点就是，大家做实验的时候也能体会到，就是不同站点之间，想通过骨干网进行通信的情况下，基本上是感知不到MPLS VPN的存在的，因为它只需要将路由信息传递给MPLS VPN的骨干区域就可以了，然后由MPLS VPN将这个路由进一步传递。这一点我们做实验的时候还会给大家详细说。然后我们这个MPLS VPN的技术架构，主要会使用到哪些技术来实现呢？第一个就是，MPLS VPN不是单一的VPN技术，它是多种技术的融合，通过多种技术的结合，实现MPLS VPN。第一个就是我们学习的MP-BGP，对吧？MP-BGP在这里主要负责什么呢？就是负责不同站点之间路由信息的交换。比如说，我们这边有一个站点，你这边站点发送路由过来之后，这个路由如何传递给远端的站点呢？我们这里就可以使用MP-BGP。 因为MP-BGP的扩展性比较强，它可以传递非常多的路由信息，所以说使用MP-BGP是比较合适的。第二个就是LDP，这个LDP负责什么呢？它负责MPLS VPN中P设备之间隧道的建立，这个隧道就是基于LDP的，数据转发的时候，通过LDP隧道，实现站点之间的互访。第三个是VRF，我们的VRF负责PE设备上VPN用户的管理，也就是PE和CE之间，我们可以启用不同的VRF，这个VRF大家学习过的应该也知道，我们又把它简称为VPN实例。VPN实例，你也可以理解为，在PE设备这个路由器上，虚拟出了多个小路由器，每个小路由器对接不同的站点，并且不同的VPN实例之间，它们的路由表等都是完全独立的，所以不会相互影响。然后我们还需要使用哪些技术呢？还有静态路由，你可以使用静态路由、IGP和BGP，它们负责什么呢？就是负责CE站点，也就是客户站点和骨干网PE之间的路由传递。所以说，我们主要的部署重点还是在MPLS骨干网的搭建上，我们需要使用MP-BGP、VRF还有LDP来建立MPLS骨干网。然后是站点部分，你的用户站点和骨干网边缘的PE设备之间，只需要运行静态路由，或者IGP、BGP就可以了。所以说，对于我们运维人员来说，要求也是比较低的，无论是配置OSPF做对接，还是用静态路由做对接，都可以实现。然后我们今天主要会做整个HUB-Spoke的实验，我们会从CE设备到PE设备之间的路由传递，以及PE设备到远端PE设备的路由传递，再到路由传递到远端相同VPN的站点，最后实现整个网络的互通，一步步操作。然后我们MPLS常见的组网，不仅有HUB-Spoke组网，还有Intranet和Extranet这三种典型的组网，其中我们今天主要说的就是HUB-Spoke组网。第一个是Intranet组网，它的要求是，相同VPN内的用户站点之间，可以相互访问，不同VPN的站点之间不能相互访问。比如说，我们这里的CE1，它是用户X的站点A，上面的CE3也属于用户X，是站点B（分支站点），如果你使用的是Intranet组网方式，那么相同VPN的站点之间是可以直接互访的。但如果你CE1（用户X的站点A）想去访问CE4（用户Y的站点），因为属于不同VPN，就不能直接互访，也不能通过P设备直接访问，这就是Intranet组网，同一VPN用户站点可互访，不同VPN用户之间不能互访。第二个是Extranet组网，这个Extranet组网的特点是，我希望我这个站点里的部分资源，可以分配给其他VPN的用户访问。 比如说，我们这个站点C（CE4）是用户Y的站点D，这个站点内部有些资源，需要用户X的站点A访问，那么即使我们不属于同一个VPN，也可以通过Extranet组网，让部分资源实现跨VPN访问。第三个就是HUB-Spoke组网，我们HUB-Spoke组网的场景是，我们希望分支站点之间的通信，不直接进行，而是必须经过总部站点（HUB CE）。比如说，你有两个分支站点，都属于同一个VPN，我不希望这两个分支站点直接互访，它们的所有流量必须经过总部站点（HUB CE）转发一遍，这样做的好处是可以监控所有站点之间的流量，实现分支站点通过总部站点进行交互。这就是我们的HUB-Spoke组网。我们刚才说的这三种模型，它们的主要区别，等会儿我们会通过介绍路由的RT值来讲解，通过RT值来实现不同组网的需求。第一个，我们来学习一下MPLS VPN的路由发布。我们刚才简单介绍了三种模型，接下来要说的MPLS VPN路由发布，就是我们站点之间要实现通信，必须要有路由传递，所以我们现在需要将站点A里面的路由传递到远端的站点B，中间就是通过MPLS VPN里面的MP-BGP来实现传递的。我们这个路由的传递主要分为三个部分：第一个是本地CE设备到入口PE设备，将本地路由传递给入口PE；第二个阶段是入口PE到远端的出口PE的路由传递；然后第三个阶段是从出口PE到远端的CE设备。整个过程，我们的实操都会全部涵盖到。然后我们这里先说说本地CE到PE，以及远端PE到CE的路由交互，这里的路由交互是比较简单的，你使用BGP、IGP（比如OSPF）或者静态路由都可以，只需要将 路由能够传递给PE设备就可以了。所以说这里比较简单，我们的重点还是在MPLS VPN骨干网内部，路由信息是如何传递的。第一个问题就是，你通过OSPF将路由传递给PE1之后，可能会出现一种情况，就是地址重叠的情况。什么是地址重叠呢？就是用户X的站点和用户Y的站点，使用了相同的IP地址段，那么如果我在PE1上只使用一个路由表，是不是就会学习到两个相同的路由？如果你使用OSPF，它会进行优选比较，根据优先级、开销等，如果优先级和开销一样，就会做等价负载分担。然后，为了实现不同站点之间路由的隔离，解决地址重叠的问题，我们就会使用到VRF。我们的VRF可以实现什么呢？就是在PE1设备上，虚拟出两个VPN实例，一个VPN实例对接G0/0接口，一个对接G0/1接口，然后使用这个VPN实例与对应的站点之间运行OSPF、IGP、BGP或者静态路由都可以。我们的VRF，叫虚拟路由转发，又称为VPN实例，这是我们MPLS架构当中的一个关键技术，它可以实现路由的隔离，每一个VPN实例都有独立的路由转发表，所以可以实现PE设备上不同VPN实例的路由表独立，与公网的路由表也隔离开，并且互不影响。这样就可以解决地址重叠的问题，就好比在PE设备上虚拟出两台小路由器，分别对接不同的站点，各自管理自己的路由。这个应该是比较好理解的。然后我们也说了，通过VRF实例隔离路由表，就可以区分地址重叠的问题了。接下来我们还需要学习一个，就是RD值。这个RD值，是为了解决什么问题呢？就是路由在传递的过程中，比如传递给PE2的时候，我们主要使用MP-BGP来传递路由，如果你通过MP-BGP传递了两个相同的IP路由，那么PE2设备，大家学习过BGP的都知道，BGP会根据选路原则，选取更优的路由。为了在MP-BGP传递路由的时候，区分这两个相同的IP路由，我们就需要使用RD值，就是给这个路由打上一个RD值。这个RD值，我们叫它路由标识符，主要作用就是区分路由，用于区分不同VPN的相同IP路由。 然后它做了哪些扩展呢？就是MP-BGP在传统BGP-4的基础上，做了两个路径属性的扩展。第一个是MP_REACH_NLRI属性，它主要用于传递可达的VPNv4路由信息，发布下一跳可达的路由；第二个是MP_UNREACH_NLRI属性，它用于撤销不可达的VPNv4路由信息。这两个扩展属性，大家如果学习过MP-BGP，应该是非常熟悉的。然后我们刚才说了，我们可以通过VPN实例，实现CE设备到PE设备的路由区分，然后通过MP-BGP，将VPNv4路由从本地PE传递到远端PE。但远端PE也有不同的VPN实例，那么我如何将从远端PE学习到的VPNv4路由，正确导入到对应的VPN实例里面呢？是导入到上面的VPN实例，还是下面的VPN实例？为了解决这个问题，我们又引出来一个RT值。这个RT值主要用于什么呢？主要用于将路由正确引入到不同的VPN实例中。就是在MP-BGP传递VPNv4路由的时候，远端PE需要将收到的VPNv4路由，正确导出到对应的VPN实例，所以我们需要使用一个叫VPN标签（也简称路由标签，即RT值），来控制路由信息的发布和接收。也就是说，在本地PE发布路由的时候，给这个路由携带一个RT值，这个RT值需要和远端PE上对应的VPN实例所配置的RT值一致，这样远端PE才能将这个路由正确接收，并导入到对应的VPN实例中。
【干货分享】智慧高速路网运行与监测探讨 ——基于网格化算法的智慧化方案
引言：为什么要做智慧高速？随着交通强国战略的深入推进，智慧高速建设已成为行业发展的必然趋势。截至目前，全国高速公路里程已达19.94万公里，四川省突破1.1万公里，路网规模持续扩大，传统的人工巡查和被动响应模式已经难以满足管理需求。图1 智慧高速：路网感知、智能分析、协同处置一体化与此同时，公众对出行服务的要求也在不断提升，希望获得更安全、更畅通、更智能的出行体验。智慧高速正是交通运输数字化转型的必然方向，也是满足人民群众美好出行需求的重要举措。本文从行业背景、技术路线、核心原理、平台架构、功能模块、应用场景、实施效果等多个维度，系统探讨基于网格化算法的智慧高速路网运行与监测方案，为智慧高速建设提供参考与借鉴。一、三重驱动：政策、技术与需求智慧高速的发展并非偶然，而是多重因素共同驱动的结果，主要体现在以下三个方面：（一）政策驱动国家层面先后出台了《交通强国建设纲要》《国家综合立体交通网规划纲要》《数字交通发展规划纲要》等一系列重要文件，为智慧高速建设指明了方向。新基建战略的提出，更是将智慧交通列为重点发展领域。《智慧公路建设技术指南》则对感知设施、管控平台、服务应用等方面做出了具体规范。（二）技术赋能近年来，人工智能、大数据、云计算、物联网等技术日趋成熟，为智慧高速建设提供了坚实的技术支撑。特别是深度学习算法在视频图像识别领域的突破，使得智能事件检测成为可能，为高速公路的智能化管理开辟了新的技术路径。（三）需求升级我国高速公路里程持续增长，路网规模越来越大，传统的人工巡查和被动响应模式已经难以满足管理需求。同时，公众对出行服务的要求也在不断提升，希望获得更安全、更畅通、更智能的出行体验。行业建设要求概括为“四个全”：全路段感知覆盖、全时段事件检测、全要素数据融合、全流程协同处置。二、两种技术路线：硬件密集 vs 算法驱动在智慧监控领域，目前主要有两种技术路线，各自有着不同的适用场景和优劣势：（一）方案一：全线感知设备部署这种方案的思路是通过在高速公路沿线密集部署各类感知设备，包括摄像头、事件检测设备、激光雷达、毫米波雷达等，实现对道路的全面感知。一般来说，大约每500米就需要安装一个摄像头，而带事件检测功能的摄像头有效检测距离通常在100米以内。这种方案的优势是检测精度高、覆盖全面，但缺点也很明显——工程造价和后期运维成本都非常高，单公里建设成本可达数百万元。（二）方案二：网格化算法智慧检测这种方案是基于现有带事件检测功能的摄像头，通过网格化算法对视频数据进行智能分析和处理，实现事件的自动检测和定位。它不需要大规模新增硬件设备，而是通过软件算法来提升检测能力和覆盖范围。这种方案的优势是成本低、部署快、可扩展性强，但对算法的精度和可靠性要求较高。这也是一种对于经济不那么发达的地区可以推广的智控路网监测手段。图2 方案二：网格化算法智慧检测 — 复用现有摄像头，网格全域覆盖两种方案的详细对比如下：对比维度方案一：全线感知设备部署方案二：网格化算法智慧检测核心思路沿线密集部署摄像头、雷达等硬件复用现有摄像头，软件算法提升能力部署密度约500米一个摄像头无需新增硬件检测范围单摄像头有效距离100米内网格全域覆盖，无盲区建设成本单公里数百万元约为传统方案的40%扩展灵活性需破路施工，周期长软件定义，灵活扩展适用场景新建路段、资金充足地区已有摄像头路段升级改造从成本效益和推广可行性来看，网格化算法方案在经济性和可推广性方面更具优势，特别适合在已有摄像头资源的路段进行升级改造。三、传统感知设备方案的四大痛点为了更清楚地理解为什么网格化算法方案更具优势，我们来深度分析一下传统感知设备方案面临的痛点：图3 传统方案痛点一：设备密集，单公里建设成本数百万元（一）建设成本高昂全线铺设摄像头、雷达、事件检测等设备，单公里建设成本可达数百万元。按照500米间距部署，一条百公里的高速就需要两三百个摄像头，设备数量非常庞大，总投资是个天文数字。图4 传统方案痛点二：设备分散，运维难度大（二）运维难度大设备分散在沿线各处，日常巡检和维护的成本很高。而且随着使用年限的增加，设备故障率会逐渐上升，备件更换费用也是一笔持续的投入。（三）检测范围有限单个摄像头的有效检测距离一般在100米以内，存在大量检测盲区和重叠区域。而且在雨雾、夜间等恶劣天气条件下，检测精度还会明显下降。图5 传统方案痛点四：扩展灵活性差，需破路施工、周期长、响应慢（四）扩展灵活性差如果要新增监测点或者调整检测范围，都需要进行硬件施工，不仅成本高，而且周期长，很难快速响应业务变化。传统方案面临着“高投入、高运维、低灵活”的三重困境，这也是我们探索网格化算法方案的重要原因。四、网格化算法核心原理网格化管理理念，简单来说，就是将监控对象按照一定的规则划分为若干个网格单元，每个网格都有明确的管理责任和检测范围，从而实现精细化、高效化的管理。图6 空间网格化：基于地理信息划分，每个网格为独立检测单元（一）空间网格化将高速公路路段按照地理信息划分为多个网格单元，每个网格都配备独立的检测与管理能力。这样做的好处是可以精确地定位事件发生的位置，提高处置效率。在事故多发路段可以划分更细的网格，在普通路段则可以适当放宽，实现差异化管理。图7 管理网格化：责任主体明确，组织架构清晰，职责边界分明（二）管理网格化为每个网格配备明确的管理责任主体，将管理职责落实到具体的人和岗位，确保每个网格都有人管、管得好。通过明确的组织架构和职责边界，实现管理责任的全覆盖。（三）算法架构与核心技术从算法架构来看，网格化算法系统主要分为四层：最底层是感知层，负责采集摄像头等设备的原始数据；往上是网格划分层，根据路段信息自动划分网格单元；再往上是算法处理层，运用深度学习等算法对视频数据进行智能分析；最上层是应用层，将检测结果以可视化的方式呈现给用户，并提供事件处置等功能。核心技术主要包括三个方面：·空间网格划分技术：基于路段地理信息自动划分网格，可以动态调整网格的粒度和边界，支持多尺度网格层级管理。·事件智能识别算法：采用深度学习目标检测模型，能够准确识别停车、逆行、抛洒物、行人上高速等多种交通事件。同时支持多摄像头数据融合分析，可以实现跨摄像头的事件追踪。还能自动对事件进行分类和定级，为后续处置提供依据。·协同联动机制：网格之间可以实时共享信息，当一个网格检测到事件时，相邻网格会自动加强监测。对于跨网格的事件，可以自动追踪事件的发展轨迹。一旦确认事件，系统会自动触发处置流程，通知相关人员和部门。像四川省目前在推广的五岗合一APP和恶劣天气预警平台，都是基于预警信息推送的“预警－响应－管控”全过程推行协同联动机制的。五、网格化方案三大优势图8 优势一：降本增效，充分利用现有资源，成本降低约60%（一）降本增效充分利用现有摄像头资源，大幅降低硬件投入成本，减少后期运维费用。建设成本仅为传统方案的40%左右，运维成本仅为35%，投资效益显著。图9 优势二：AI驱动，7×24小时不间断智能识别（二）智能赋能算法驱动，智能识别事件，实现7×24小时不间断监测，大幅提升检测效率和准确率。事件检测准确率可达95%以上，远高于传统人工巡查方式。（三）灵活扩展软件定义，可以按需调整网格粒度，快速部署，缩短建设周期，适应不同路段的需求。无需进行硬件施工，即可快速响应业务变化。六、平台总体架构：四层解耦设计基于网格化算法的智慧高速平台采用分层设计理念，自下而上分为四层，各层之间解耦，便于扩展和维护，同时保证了系统的稳定性和可靠性。图10 第一层 IaaS：计算资源、存储资源、网络资源（一）IaaS层（基础设施层）这一层主要包括服务器、存储、网络等基础硬件资源，为整个平台提供计算和存储能力支撑，是平台运行的物理基础。图11 第二层 DaaS：多源异构数据 → 采集清洗治理 → 统一数据湖（二）DaaS层（数据服务层）这一层负责数据的采集、清洗、存储和管理，构建统一的数据底座。数据来源包括视频监控数据、交通流数据、气象数据、收费数据等多种类型，通过数据治理形成统一数据湖。图12 第三层 PaaS：微服务核心、AI能力平台、大数据分析（三）PaaS层（平台服务层）这一层提供各种通用的平台服务能力，比如算法服务、消息服务、地图服务、用户认证服务等，为上层应用提供支撑。（四）SaaS层（应用服务层）这一层是面向用户的各种应用功能，包括事件监测、设备管理、信息发布、统计分析等，是用户直接交互的界面层。七、五大核心功能（一）网格化事件监测与处置平台通过网格化算法对视频进行7×24小时不间断智能分析，能够自动检测各类交通事件，包括停车、逆行、行人、抛洒物、拥堵等。检测到事件后，系统会自动弹窗告警，并在地图上精确定位事件位置。图13 平台运营监控主界面：实时事件、视频轮巡、车流统计一目了然主要功能包括：·自动检测工单：系统检测到事件后自动生成工单，包含事件类型、位置、时间、截图等信息，无需人工录入。·事件确认上报：值班人员可以通过视频查看现场情况，确认事件后一键上报给相关部门和领导。·全程跟踪管理：对事件的处置过程进行全程跟踪，记录每个环节的处理情况，形成完整的事件处置档案。图14 事件详情界面：实时视频、图像定位、一键发起业务协同（二）业务协同处置传统的事件处置模式往往涉及多个部门，信息传递不畅，协同效率不高。四川打造了“1+7”智控平台和五岗合一APP，将高速公安、交通执法、监控运维、路产巡查和机电运维等五个工作岗位整合到一个平台上，实现信息共享和业务协同。具体来说，当检测到交通事故等事件时，系统会自动将事件信息推送给交警、路政、救援、养护等相关部门，各部门可以在同一个平台上查看事件信息、反馈处置进度、进行语音对讲。同时，平台还支持与上级管理平台的数据对接，实现信息的逐级上报和下达。（三）网格化设备管理智慧高速系统涉及大量的设备，包括摄像头、编码器、服务器、网络设备等，设备管理的工作量非常大。平台采用网格化的理念对设备进行管理，将设备按照地理位置划分到不同的网格中，每个网格的设备状态、运行情况一目了然。主要功能包括：全量设备接入，支持多种品牌、多种类型的设备统一管理；可视化地图展示，在地图上直观展示设备分布位置和运行状态；运维数字化升级，自动巡检、故障告警、工单管理，让设备运维从被动抢修变为主动预防；故障实时监测，实时监测设备在线状态和运行参数，发现异常立即告警。（四）网格化隧道监控隧道是高速公路的特殊路段，环境封闭、光线差、通风差，一旦发生事故后果严重，因此隧道监控尤为重要。平台针对隧道场景做了专门的优化，提供网格化的隧道监控功能。图15 隧道场景：环境封闭，一旦发生事故后果严重主要功能包括：全景实时监控，将隧道内的多路视频拼接成全景画面，实现对隧道全程的连续监控；多维度数据融合，除视频数据外，还融合CO/VI检测器、风速风向检测器、火灾报警器等设备数据；设备自动联动控制，当检测到火灾、拥堵等异常情况时，系统可以自动联动控制风机、照明、情报板等设备，快速响应。（五）网格化信息发布及时、准确的信息发布是智慧高速服务公众的重要手段。平台支持网格化的信息发布管理，可以根据事件位置和影响范围，精准地向相关路段的情报板、广播、APP等渠道发布信息。支持对沿线可变情报板进行统一管理和内容发布，可以手动发布，也可以根据事件自动触发发布；支持隧道广播、服务区广播等语音发布功能，在紧急情况下可以快速提醒驾乘人员。八、四大典型应用场景（一）高速公路事件检测这是最基础也是最重要的应用场景。平台能够实时检测停车、逆行、抛洒物、行人上高速等各类交通事件，自动识别事件类型和严重程度，秒级响应，快速触发处置流程。相比传统的人工巡查方式，检测效率和准确率都有大幅提升。（二）隧道智能监控针对隧道的特殊环境，平台提供专门的隧道智能监控功能，包括交通状态实时监测、火灾烟雾等异常事件预警、与隧道机电设备的联动控制等，全面保障隧道通行安全。（三）收费站运行监测通过对收费站视频的智能分析，可以实时统计车流量、监测拥堵情况、预警异常事件，为收费站的运行管理提供数据支撑。还可以辅助绿通车辆核验，提高核验效率。（四）恶劣天气预警结合视频分析和气象数据，能够识别团雾、积水、积雪等恶劣路况，及时发布预警信息，提醒驾驶员注意安全，减少事故发生。这四个场景只是平台应用的一部分，实际上平台还可以根据用户的具体需求，扩展更多的应用场景。九、实施效果：用数据说话网格化算法方案的实施效果到底如何？我们来看一组对比数据：关键指标传统方案网格化算法方案事件检测准确率约85%95%以上事件响应时间平均约5分钟30秒以内建设成本基准值约为传统方案的40%运维成本基准值约为传统方案的35%从综合效益来看：·安全效益：事故发现率大幅提升，二次事故明显减少。·经济效益：建设和运维成本都大幅降低，投资回报周期短。·管理效益：管理效率显著提升，决策更加科学精准。·社会效益：公众出行体验改善，道路更加安全畅通。可以说，网格化算法方案在技术指标和经济效益两方面都表现出色，是一种性价比很高的智慧高速建设方案。十、平台核心价值总结一下，平台的核心价值主要体现在四个方面：·提升运维效率：通过智能化的事件检测和设备管理，大幅减少人工巡查和操作的工作量，让运维人员从烦琐的日常工作中解放出来，专注于更有价值的工作。·增强安全保障：7×24小时不间断监测，秒级事件响应，能够及时发现和处置各类安全隐患，有效预防和减少交通事故，保障道路通行安全。·优化决策支持：海量数据的积累和分析，为管理决策提供科学依据，让决策从经验驱动变为数据驱动。·提升服务品质：及时准确的信息发布、快速高效的事件处置，能够有效提升公众的出行体验，增强人民群众的获得感和满意度。平台通过数字化、智能化手段，全面提升高速公路运营管理水平，是智慧高速建设的重要抓手。十一、安全保障体系：三层防护智慧高速平台承载着大量的敏感数据，安全问题至关重要。我们建立了全方位的安全保障体系。图16 网络安全：传输加密 → 边界防护 → 入侵检测（一）网络安全保障采用数据传输加密机制，确保数据在传输过程中不被窃取和篡改；建立完善的网络边界防护体系，部署防火墙、入侵检测等安全设备；定期进行安全审计和日志分析，及时发现和处置安全威胁。（二）数据安全保障对数据进行分级分类管理，对不同级别的数据采取不同的保护措施；实施精细的访问权限控制，确保只有授权人员才能访问相应的数据；建立完善的数据备份和恢复机制，防止数据丢失；对隐私数据进行脱敏处理，保护个人信息安全。（三）系统安全保障采用高可用架构设计，避免单点故障；具备故障自动切换能力，确保系统连续运行；定期进行系统漏洞扫描和安全加固；制定完善的应急响应预案，能够快速应对各类安全事件。十二、运维管理方案除了安全保障，完善的运维管理也是平台稳定运行的重要保证。运维体系采用三层架构：最底层是基础设施层，负责服务器、网络等基础资源的运维；中间层是平台运维层，负责平台软件的日常运维和优化；最上层是业务运营层，负责面向用户的业务支持和服务。图17 工单管理：待办/已办任务清晰，责任到人具体运维措施包括四个方面：·智能监控预警：对系统运行状态进行实时监控，发现异常自动预警和告警；对性能指标进行趋势分析，提前发现潜在问题。·自动化运维：实现自动化部署和升级，减少人工操作的错误和风险；故障自动排查和恢复，提高故障处理效率；定期巡检自动化，降低运维成本。·运维服务支持：提供7×24小时技术支持，随时响应用户的问题；专家团队提供远程协助，解决疑难杂症；定期出具运维报告，让用户了解系统运行状况。·持续优化迭代：收集用户反馈，持续优化产品功能；根据业务发展需要，不断迭代升级算法模型和系统功能。图18 现场运维：专业团队，保障设备稳定运行十三、实施路径：分阶段稳步推进智慧高速建设不是一蹴而就的，建议分阶段稳步推进：·第一阶段：规划设计（约1-2个月）主要工作包括需求调研与分析，深入了解用户的实际需求和痛点；方案设计与评审，制定科学合理的建设方案；资源准备与配置，做好人员、设备、资金等方面的准备。·第二阶段：试点部署（约3～4个月）选择有代表性的试点路段，进行系统部署和调试；针对试点路段的实际情况进行算法训练和优化；总结试点经验，完善方案。·第三阶段：推广实施（约5-8个月）在试点成功的基础上，分批次进行全面部署；组织人员培训，做好工作交接；在运行过程中持续监控和调整。·第四阶段：运营优化（持续进行）系统稳定运行后，持续进行优化改进；根据业务发展需要，不断迭代新功能；定期对算法模型进行优化训练。这种“先试点、后推广”的实施路径，能够有效降低风险，确保建设效果。十四、未来展望：两大发展方向展望未来，智慧高速还有很大的发展空间。我们认为未来的发展方向主要有两个方面：（一）深化AI应用引入更先进的AI算法，实现更精准的事件识别和交通态势预测。比如，利用视频分析进行交通事故风险预测，提前干预，防患于未然；利用AI进行交通流预测，为拥堵治理提供决策支持。还要探索与自动驾驶的协同，让车路协同成为现实。（二）拓展数据融合除了现有的交通数据，未来还将融合气象、地质、公安等更多维度的数据，构建更加全面的数据底座。通过多源数据的深度融合，实现更加精准的态势感知和更加智能的决策支持。总结网格化算法智慧检测方案具有以下核心优势：·全路网覆盖：基于网格化算法，实现对高速公路全路段、全时段的智能监测覆盖，消除检测盲区。·高检测准确率：采用先进的深度学习算法，事件检测准确率达到95%以上，远高于传统方式。·低建设成本：充分利用现有设备资源，建设成本仅为传统方案的40%左右，投资效益显著。同时，也有一些待优化的方向：·特殊场景优化：在极端恶劣天气、夜间等特殊场景下，算法精度还有进一步提升的空间。·深度融合：与其他业务系统的深度融合还需要加强，数据共享和业务协同的潜力有待进一步挖掘。·智能决策：目前主要还是辅助决策，未来随着数据积累和算法进步，可以向智能决策方向发展。总的来说，网格化算法智慧检测方案是一种技术先进、经济高效、切实可行的智慧高速建设方案，具有很好的推广应用价值。技术永无止境，我们将持续探索创新，让智慧高速更智能、更安全、更高效。
【干货分享】技术岗如何少走弯路
分享主题：刚才加入直播群，看到留言问少走弯路的含义是不是直接去当保安呢？（因为业内流传，中年失业，常见的职业选择包括保安、保洁和保姆，这些职业被称为“吉祥三宝”。）今天要分享的就是解决这个问题的思路，就是我们如何避免中年失业去当保安，争取一路走到技术的终点。我准备按照如下五个标题来进行分享。我的社区昵称是蓝色空间，今年是工作第20周年，这是一个很有意义的年份，所以第一点给大家做一个20 年的工作总结。第二点就是分享我这20年的晋级之路。作为老一代的工程师，我是八零后，而现在年轻一代很多是零零后的工程师。也就是说，我们新老工程师之间可能差了整整一代人。我们这一代人当前面临的问题就是传帮带，如何能让工程师梯队持续的发展下去、继承下去，实现我们的人生价值。第三点讲中年危机。我们这一代已经人到中年，在35-40岁左右，中年危机到来，尤其IT行业，工作的生命周期比较短。如何在未来20年继续保持自身的价值？我会分享自己的思考，希望年轻人们能够借鉴一下，少走弯路。第四点讲人生半路的风景和思考。40岁的人生基本过半，此时所看到的风景和年轻时完全不同。我们都经历过年轻时代，现在到半路能看到什么？提前分享出来，有助于大家少走弯路，能尽快找到自己的方向。最后第五点，就是我自己的思考，传说、故事以及神话。后面分享过程中再展开，先留个悬念。一、一份二十年的工作总结第一件事是破题，为什么要破题？因为如果不做解释，那大家就会想是不是直接去当保安了。作为一个普通劳动者，我这20年没有得到过名利。也就是没赚到大钱，也不是很出名。（最近在咱们JDC社区里有些成绩，但这其实是工作经历带来的一个必然结果）虽然前几年很多人站上了风口，瞬间实现财务自由，看起来赚钱容易，其实很多人仍然靠工资养家，我也和大家一样是普通劳动者。这20年里我一直和大家一样，在做着普通的一线工作。这些经历分享出来对年轻人可能用处更大。对我们这代人，我也有些话想说，因为身边很多人也遇到了中年危机，我的经历也可以提供些借鉴。少走弯路的意思，就是认定方向一往无前，向着自己的理想前进。我是对计算机技术感兴趣，才进入了这个行业。至今持续20年没离开这个行业已经非常难得。我的同学们大部分已经离开了这个行业。我会向年轻人们展示我走的路以及相关思考，希望年轻人能够一路走下去。第二部分就是：人生多种多样。有的人是站立潮头做冲浪者，例如背景图片这个冲浪人，比喻名利双收。举例就是各位首富、企业家、一些业内的专家等，他们一般是名利双收。另外还有人是协助他们，自己也站上风口当着浪花，这些人大多财务自由了，或者是有了一定的名气，不必操心工作稳定性的问题，不会有中年危机。这些人我把它比喻成浪花，例如企业里的高管及股东。而我们绝大部分人，只是托起浪花，做了大海里的水滴。但是想要冲浪，必须有大海，必须有千千万万的水滴。冲浪的人要的是面子，我们这些大海里的水滴，就是他的里子。没有里子，面子是站不住的，也是无法冲浪的。借用小说《三体》中的名言：我们即使是一颗水滴，也可以发动末日之战！普通劳动者仍然可以发挥出难以想象的作用。所以不要妄自菲薄。接下来是我的工作总结。在这20年里经历了很多工作，前10年工作变动比较频繁。最初是在研发方向的软件和硬件测试工作。接下来是运维，最后转到现在的售后工作，至今持续10年。所以工作经历比较丰富，可以给大家分享一些经验了。另一个方面，经历过的企业类型有外企、私企、中外合资、还有国资控股企业等。体制内和纯国企的工作，目前还没经历过。技术方向上，有PC和服务器的硬件制造、网络安全、数通、企业级的IT设备、存储、虚拟化、超融合、云计算等等，工作经历长短不一。但在每个岗位时都会以专业的态度把本职工作做好。这一点很重要，后面会展开谈。接下来是20年的成长历程。第一步：看山是山，看水是水。这里借用了佛教禅宗的说法。为什么用这种说法？因为在工作后的一至三年，通常先照猫画虎学会工作内容。然后是在工作中学习，再不断积累经验，然后才能成为一名合格的工程师。某些岗位一年即可，少数岗位可能要三年左右。剩下的就是重复性的工作。第二步：看山不是山，看水不是水。如果我们积累了基本的工作经验，再继续干下去，表面的工作往往已经掌握，接下来就是工作中的细节，会不断的积累，遇到越来越多的困难，解决越来越多的麻烦，处理越来越多的难题。在这个过程中，我们就不断积累了经验，接下来发现熟能生巧。三年以后工作熟悉了，绝大部分人会产生职业倦怠。我当年也是跟普通人一样，因为都是普通劳动者。有些人3~5年期间就开始换工作。第三步：看山还是山，看水还是水。随着经验的不断积累和不同岗位之间所学知识的融会贯通，如果我们能不断的去提升自己，能够做到主动学习，并坚持下去，在某一个时间点，我们就会有所突破，有所感悟。一旦达到了这个突破点，就可以将自身的经验融会贯通并串联起来。此时会形成自己的独立认知，同时思想自成一套体系。这时就可以利用这套体系向各个技术方向去发展，并能做到主动选择自己未来的发展方向。刚刚群里问我们能否一劳永逸的认定方向？通常这种问题指的“认定方向”，不是一个具体的技术类别的方向，而是认定了我们要在技术领域成为专家，就专心去发展，在现实中具体工作涉及的技术领域也可能要不断的变换，就如我之前的工作经历一样。后面会给大家逐渐展开。个人的提升路径，这里以我所在的售后行业为例，其他行业的从业者大家可以做个参考。一般在第一年，做到初级工程师，主要是打杂的，做些初级工作，然后跟着前辈学习。中级工程师一般就可以独立干工作了，基本独当一面，某个项目交给你，基本可以去独立完成，或者带一些初级工程师做帮手。而高级工程师可以独立做规划、项目实施、做一些比较复杂的项目，可以带着一些中级和初级工程师一起完成工作。专家级工程师负责干什么？干最难的工作，一般是救火队的角色，哪里有问题解决不了，就去哪里。哪里的工作领导最不放心，就派专家工程师去哪里。最后这个业内专家的层次属于比喻，目前我还没到这个层次。图例中蓝色的部分，是我目前已经经历的阶段，黑色的是还没走到的。所谓业内专家，一般是快退休之前，可以不用干一线的工作了，更多是指导年轻人改善自己的不足。有些人退休后也会参加一些项目评审，项目验收等工作。我们做项目时也遇到过这种老专家。如果希望成为这种专家，退休后还能发挥余热，无疑是工程师方向一个很好的终点。二、持续二十年的晋级之路接下来看看我这20年的路，希望给大家一个借鉴，同时回应刚才的问题，就是我在刚开始工作时是怎么做的。我的前10年工作经历：绝大部分人的工作历程是第一年熟悉工作，接下来两年重复第一年的工作，接下来第三年，如果换了工作，就又重复之前的熟悉新工作的历程。有些人可能三年换一个，反复换了很多工作，有些人可能一两年就换工作，那就连熟悉工作都做不到。如果说三年到五年能坚持下来的话，那一般就对当前工作很熟悉了。那么我的历程是什么样？其实我的历程和左侧列出的差不多，平均下来大概也是2~3年换一次工作。但是现在回头去总结，当我突破了以后，我当年的做法跟其他的普通人有什么区别呢？只有一个很细微的差异，就是我是基于爱好来做的这份工作。当我上大学选择计算机专业的时候，是基于对计算机的热爱。毕业以后，选择进入这个行业，选择相关的岗位。计算机专业在当时是只有一个专业的，不分具体细分的方向。在我们毕业的时候，也就不分方向，有相关的岗位都可以应聘。在这种情况下，基于学习经验，以及自己的爱好就选择了相关岗位。我在工作中就会逐渐的学习、了解，积累经验。然后在第三年，绝大部分人厌倦的时候，我还能坚持下去，发现新的一些东西，探索一些别人不感兴趣的知识，积累属于自己的经验。因为这同时也是我的业余爱好。这样我就把爱好和工作经验结合到了一起。这段时间内我默默的积累了比别人更多的东西。当时自己是不太清楚的，只是觉得自己跟大家没什么区别。再看页面左侧，接下来别人可能重复了上两条，换个工作，继续重复。而我在换工作以后，还在这个行业里，但是可能从硬件测试到了软件测试，岗位的方向也从IT变成了网络，或者又变成了安全。回头来看，我不管干什么工作，毕竟还是在计算机这个大方向里，还是在摸索属于自己的路。在每隔几年换一份工作的经历当中，有一些是企业倒闭，不得不换，有一些是企业裁员，还有一些是遇到了不太匹配的岗位，知道在这种岗位干不久，那么我积累几年经验差不多了，工作该换就换。当时虽然比较年轻，但是我默默的积累的东西比普通人比同龄人要多一些。它的作用当时是看不出来的，在哪儿能看出来？我们接下来往下看。 前10年工作里有什么案例来说明这个作用呢？例如我在做硬件制造的时候，发现了有一次良品率太低，当然这个良品率低不是我发现的，是整个生产线都发现了。发现之后需要找出证据。当时我领着我们组员测了好久，然后最终找到了这个证据，找到了证据之后，发出了我们那个企业自成立以来第一次的停产提醒，也就是说，让生产线及时停产，冒着不能及时交货的损失风险停产排查。停产之后，依据我们学过的知识找出了证据，发现了一些重大缺陷。这些缺陷的发现，让我们及时避免了在交付之后造成更大的损失。也就是说这个工作并没有白做。当然这个案例的细节涉及我们业内的友商，所以在这里不谈具体细节。这是我毕业之后的第一个工作。也就是说，我毕业之后的第一个工作已经直接进入“地狱模式”，是经过地狱模式的训练走出来的。当时无论是工作强度、工作压力还是我面临的问题全都比较大。那么当我们经过了这个模式的锻炼，那接下来其他阶段的普通工作就不觉得难了。后续换了软件测试方面的工作，在实习阶段，找了产品的bug。这个说起来也很简单，刚入职的时候，熟悉工作阶段需要测试产品bug，目的是要运行一下测试用例。但是这个用例当我全部执行了以后，我就发现了几个产品的bug，这个bug持续了好多年。如果之前进来的这些年轻人，在我之前的前辈们，有人能把所有的用例执行一遍就能发现。这说明什么？这说明即使是我们年轻时候，我们也可以不唯上，不唯权威，不完全迷信我们的前辈，而是用我们自己的眼睛去发现问题。如果你形成了这种科学的习惯，那么就可能在自己的工作中做出一定的成绩。此时不必考虑前辈们是怎么执行的，大胆去做即可。接下来的案例，是在项目实施过程里，因为我经历过PC制造岗位，PC制造里面OEM软件的预装，是一个专门有部门负责的。这一项工作当时都是派人去系统厂商培训，比如装windows是派人去微软专门学习的，学习了之后，回来才能搞出一整条生产流程。后来我又换了工作，已经不做pc制造了，但是碰巧有一个项目要装上百台PC机。那最理想的状态是做成OEM制造的那种形式，否则我们自己一个个安装系统，产品的良品率就太低了，操作系统安装完后会发现各种各样的问题。当时我就把这个工作接下来了。接下来之后，因为之前做制造的时候，这个流程我只见过，但并不了解里面全部的流程。因为这个是一个商业机密，一般人家不公开。当时是windows 7出现以后，官方有一些给合作厂商的英文的OEM文档，可以随着某些版本公开。我是基于这个文档，把整个流程重建了一下，利用这种预装技术解决了这个问题。其实我们那个企业跟和PC的OEM产完全没有关系。说明在那种情况下我已经不自觉的在用以前的经验在补充当前的工作需求。但是那个时候还体会不是很深，因为还没达到突破阶段。接下来的案例就是项目实施里面有一个独立的虚拟化环境，需要从头创建，创建之后还要搬迁，还要扩容，还要一部分扩展成两个独立的部分，还有公有云运营等。那时虚拟化和云计算概念还没有完全流行，是2010年-2011年左右。当时我和同事，两个人从零开始摸索创建虚拟化环境，并且摸索了如何进行搬迁，扩容改造等。我们从零开始一直到能随意的去安装、改造、调试。从这里开始，我们就把这套流程打通了，后来也带给我现在的工作很大的帮助。接下来看一下我在第10年到第15年的经历。这里左侧的所见所感就是常见的历程，一般在第10年到第15年里面持续循环，或者就放弃岗位了。比如转去管理方向，开始往上爬了。谁都知道，留在工程师岗位，可能前途不是那么好，赚钱也不多。那么就会逐渐往其他岗位转。留下来的觉得没有前途，有些人可能就学会摸鱼了，认为混到差不多退休就可以了。但是前些年还没有像现在这种裁员风暴或者是金融危机，大家还想不到会被裁员，只是觉得在企业可以一直混日子，可能有些企业会给自己养老。那个时候企业的待遇普遍也都不错，也还缺人。不过仍然还有极少数的人可能还会再继续前进，继续摸索一下新的技术。其实到第10年甚至15年，大家对自己的工作已经非常熟练了。这种情况下还能继续保持一个所谓赤子之心，或者说保持着像婴儿一样的这种好奇心，能继续探索的人实在是太少了，除非你有强烈的这种热爱。也就是说，对这行业有强烈的兴趣。我正好是这方面的人，为什么呢？其实说来简单，因为咱们的出身都很普通，家里没有太多的钱，有钱的人玩什么？可以玩赛车，可以玩飞机，可以玩很多就是机械类的东西，花很多钱的东西。上流社会可以养马去。但是我们那时买一个电脑就已经很不容易了。读了计算机专业买电脑是必须的，当时可能是花了不少钱买电脑，然后再去学习。我当年是从90年代末开始买的，正好赶上中国和国际互联网开始互联，从最早的电话线拨号上网开始，然后一直到宽带链路，然后一直到现在，我们可能千兆几千兆的光纤带宽都有了。最早可是64kbps，当时还使用调制解调器通过电话线拨号上网。当时是听声就知道我的调制解调器是否正常工作，而且带宽低，打开一个图片都要很久。当开始连入互联网，我们的机器就不是单机了，就打开了一个新世界的大门。2000年前后的年代是黑客精神最后一个大流行时期，讲究的是无私的分享。那个时候。知识分享的精神都很足，大家也在不断的去做各种交流，能有很多志同道合的网友。通过一个电脑能接触到全世界的人，能接触到很多科学方面的东西，这个带给我们的诱惑是很大的。如果没有这个渠道，我们作为一个普通人，没有钱也没有那个能力去走遍天下，读万卷书，行万里路。那么我们可能没有办法做到像现在这种工程师的岗位，或者说也难有现在这种开阔的眼界。在当时我们可能是领先普通人接触了广阔的世界，很多人已经在网络上开始逐渐的发挥自己的能力了。在第10年和第15年当中，因为我有当年的各种爱好，所以导致我干了现在的这种售后实施工作，从研发方向转过来了。转过来之后，这个工作从当时一直到现在干了10年。为什么持续了10年？（而且可能未来有机会，我还是想继续干下去。）因为在这个时候，我发现我之前积累的经验，终于找到了用武之地。而且我之前学过的所有经验，所有的岗位正好完美的匹配我当前岗位的需求。当前我干的工作内容越多，我以前的技能用的也就越多。最后我可以拿我自己的经验反过来去弥补我当前岗位上的不足。我能做的事情，比公司给我的要求，比这个岗位给我的要求，甚至比客户给我要求还要多得多。那么我在这个岗位上做的，就可能是在一般人觉得这个岗位很辛苦的情况下，我做起来可能就不是那么辛苦。因为很多东西我已经积累好了，我掌握的一些经验可能比普通人多一些，那么做起来工作就容易一些。接下来，当熟悉工作之后，你会发现之前的工作经验全都能用的时候，就会觉得当年没有白学。从这里就能看出，当年坚持下来的意义所在。如果不想现在的工作白费，就一定要选好自己将来的路。将来的路怎么选？往后我继续给大家解释。在这个阶段如果你已经开始汇集了各方面经验，其实就说明你已经在找自己的方向了，接下来就是怎么样找到自己的方向。我看群里有些人说精力跟不上，对新知识的接受能力也没有那么好。我要说的就是我们应该学习像婴儿一样，保持好奇心，不断去探索。为什么这么说？借用小说《三体》的说法，我们人类在这个地球这个摇篮里面，仍然还是婴儿。如果一个文明想要真正成长壮大，一定要离开自己的星球走向宇宙，突破自己的星系。那么在这种观点下，我们当前的人类仍然是在婴儿时代，我们掌握的这些科技是远远不够的。如果我们要走向星际时代，还有很多路要走。我们这些人，其实只做了很浅显的一些基础的准备工作，有更多的工作，等着我们的子孙后代再继续进行。我们没有理由不给他们做出一个榜样！我们很多科学家，我们很多老院士可能是70~80岁了，还在努力的去燃烧自己，还在把自己的经验拿出来，分享给大家，然后积累新的经验，搞新的研究。我们不一定要做成科学家那种程度。但是我们作为一个工程师，为什么不能把自己的职业生命燃烧的更久一些？这种燃烧取决于我们能做哪些事情。我们的精力可能不足，我们的身体的状况可能不如以前那么好，但是我们可以在这种情况下降低一些工作强度，我们能发挥出来的方向，去发挥出我们的经验。这个时候就取决于我们怎么看。所以接下来我给咱们这些中年的工程师们也准备了一些内容。讲的是我到20年的时候，有了一些突破，这个突破之后是什么样的？给大家展示一条我走过的路，看看能否从中得到一些关于自己的指导。先说10-15年经验，售前、售后、项目经理等，需要什么技能都可以自己练习，自己的工作已经不是问题了，这种情况下，也不需要去考虑太多。我跟我们的年轻人一直在讲，如果我们希望公司留我们不裁掉，应该怎么办？企业如果给你1万块钱，你干的工作至少要能挣2~3万才可以，否则这个成本都不够。如果我们自己是老板，我们希望找什么样的工程师，我们愿意给他多少钱呢？这时需要换位思考，知道老板需要什么。也就是说我们给公司创造的价值，一定要远远大于我们拿到的工资，你才有不被裁掉的价值。否则连所谓的受剥削的价值都没有。有些人就觉得摸鱼划算，你给我多少钱，我就干多少事。你给我10000的钱，我干8000的事，你给我8000的钱，我干6000的事，这相当于占公司便宜了。但是我遇到过很多情况，客户说这个工作正常需要10000，我给你20000，你能不能干？这种可能都是常规手段解决不了的问题。那么这种摸鱼的工程师，一般会说这个我肯定干不了，因为没经验不敢承担。其实只有你平时需要什么练什么，不计报酬的提前练好了，你才是有准备的人。这种情况下让你干什么困难的工作，你就会说我已经准备好了。我给年轻人讲的另一个思路，就是没有金刚钻别揽瓷器活。这个疑难的工作如果你答应了去做，就一定要有绝对的把握去干，绝对不要打没有把握的仗。没有把握的情况下，仍然去答应人家，那绝对是自己挖坑往里跳。怎么样才能有把握？这就要平时在其他的工作里面，已经提前练好了，需要的时候就能上，这个钱就只能你挣。不管是我们私下帮人去处理的工作，还是说我们公司的任务，这个工作别人做不到，你能不能上，你能上就给你奖金了。为什么我之前说工作的时候要聚焦做最难的工作，这就是平时我在工作中已经积累好了，那当领导问这个最难的工作你能不能做的时候，那我就义不容辞，直接去做了。既然我干了这个工作，基本对我来说应该是轻车熟路了，就可以顺利解决问题。或者说即使我不熟，我也知道怎么解决，我可以一步步的在可控范围内把它尽量做到最好。有时是没有最佳选择，谁上去干这工作就需要承担对应的风险，我们有能力的情况下，该上就上，当仁不让。如果你能这么做的话，你觉得领导会不会看重你？你觉得如果裁员的时候还有没有你的份？如果你被裁了，你会不会担心找不到工作呢？每个人有自己的路，大家可以在走自己的路的时候，可以想一想我说的话。当然我分享的是我自己的路，而不是通用的万能的经验。所以每个人听到我的经验之后，建议大家按照自己的想法去选自己的路。接下来是了解产品在全生命周期以内的使用。如果我们的工作都不能干满五年，很多IT产品，例如华为的一些服务器，存储等产品，它的正常生命周期是五年到10年。这种情况一般五年左右，就能见到一轮生命周期，10年左右，就能见到两轮的生命周期。这种时候，如果我们和客户不断的保持联系，就能知道在全生命周期下他能经常遇到什么问题。如果经过两轮了，那有些问题就轻车熟路了。我的经验就是经过这几轮之后，平时常见的问题能总结到80%，此时我们只需要用20%的精力就能覆盖80%常见的问题，剩下那20%可能需要成体系的去处理。我们只要覆盖这80%就能应付绝大部分的场景。在用户端，我们这种经验带来的就是不一样的体验。第三点就是在工作中积累各种细节，将已有经验反馈给用户。我将别的用户的经验积累了到下一个用户，同时会把我的最佳实践不断的去完善。咱们华为有一个最佳实践的场景，很多产品里面都有，在最佳实践里面会推荐特定场景下建议你应该怎么做，这是比较好的。我作为一个工程师，在这么多年的积累中，会进一步完善它。这个最佳实践是厂商推荐的一个通用的思路，而我基于不同的用户，能总结出自己的最佳实践。针对特定的用户进行优化。通常这个优化后的最佳实践它的范围更窄，适用性更窄，但是它的效果也更好。然后当积累达到一定程度的时候，再去解决客户的问题，就可以做到一句话即可解决问题。比如说我们很多情况下搭一套超融合，搭一套虚拟化这类复杂的系统。搭完之后，甚至初始用户会要求派人驻场来解决日常问题。但是到后来驻场这个话可能就没人提了，就是因为但凡客户问到常见的问题，我基本上能做到一句话解决问题，直接告诉客户，请帮我去确认系统的几个状态，然后可以根据情况直接告诉你这个问题的原因是什么，应该怎么做，思路是什么，在运维过程中应该怎么办等等。然后按照我说的做，只要操作一下问题立刻解决，完全不需要一个专人在现场去处理，也完全不需要天天找400。这是我们工程师的价值逐渐的在体现出来。我们10年8年的积累，这个时候价值就出来了。接下来就是我们开始具备系统的整体的架构思维。既然能一句话解决客户的问题，那说明整套系统架构都在我脑子里了。无论客户想怎么变怎么改，我都是一个系统化的思维来应对。这里拿维修电脑举个例子，可能有些人修电脑，有一个独特的修复系统的经验，重装系统还有一个独特的经验，他会记很多这种经验，记录在本子上，然后遇到了问题就去查这个小本子。他会认为这个经验是我自己独家的，我绝不告诉别人。通常我和这类工程师聊天时，我会直接提醒他，如果你本身只有半瓶水的情况下，你就不要敝帚自珍，把这种自己的点滴积累当做多么了不得的秘诀。因为道理很简单，如果别的工程师和他是同样层次的技术能力，他能总结出来，别人难道总结不出来？所以在这种情况下，他自己珍藏的这些东西只能对技术不如自己的人保密，比他强的人可能经验更丰富，花些时间也可以独立总结出这类秘诀来。如果我总结出成体系的经验后，去处理疑难问题的时候，我是成体系的，我一定会找出它的原理是什么，解决思路是什么，一旦处理问题，不管现象怎么变，我都能基于原理，把问题给解决掉，而不受限于具体方法。那类工程师的方法就像走路一样，方向不同，处理方法就有很多不同。而我就直接基于终点的情况从原理上找到最佳的路径。两种思路的成本和代价也完全不一样，这两种工程师的思维方式和得到的收获也完全不一样。大家可以自己看一下想要做什么样的工程师。最后就是具备规划能力。在很多项目里，最初可能复杂的项目必须由厂商进行规划。如果我们有了自己独立的成体系的思维，我们的规划已经可以在厂商的最佳实践上面进一步优化，这种规划可能优于厂商的通用规划。我们在某些项目里和厂商一起做规划的情况下，我们会给厂商提建议，基于这个客户，建议进行对应优化，或者做一些改进。把我们的能力反馈给厂商，反馈给客户，争取达到更好的实践效果。所以刚才提到我在JDC社区里提了一些产品的日常调研，还有产品的改进的建议，大家明白为什么了？因为我们在长期的工作中，已经积累出了一些自己的经验，我们就能把客户的一些需求和痛点，通过向研发团队的反馈来解决掉，回过头来直接满足用户的需求。这就是我们的切入点。这种提建议，或者是反馈，并不是无的放矢，而是我们基于已有的积累来提的。这是我们一线工程师的价值。从工作的第10~15年开始，在公司里面凡是有公开的讲解、答辩等，我都要做一件事，就是一定要让领导们和同事们知道，我们15年到20年经验的工程师和3~5年经验的工程师有什么差别？同时也是提醒我们的企业，一线工程师是对项目了解最多、最贴近用户、最了解真实需求的人。那么当我们了解到实际的需求，就能真正的了解用户的情况，也就能真正满足用户的需求。这里有个比较极端的案例。我只说大致情况，涉及一些客户的具体细节就不谈了。就是某一个项目，当时可能项目快丢掉了。当时我是作为一线工程师，基于对客户真正需求的了解，基于对所有的产品，包括咱们的，包括友商的，所有的了解，当时通过自己的努力，这个项目最后又拿回来了。当然这不完全是我自己干的，是配合着销售完成的。当时销售人员根本接触不到所有的信息，而客户的领导们是在我眼前聊相关情况的。我当时知道客户的需求和痛点，所以就针对这些痛点说了几句建议，把自己对现场情况的了解结合自身经验反馈给客户。当时领导们就明确了自身的需求，然后再去咨询各方面，发现跟我说的一致。当时我自然而然的就做到了引导客户需求。虽然这个案例是一个偶然事件，但在那以后，我发现一线工程师的价值远远不只是干活那么简单。因为在我们这种体系内，做实施的售后工程师，往往是接触客户最多的，其他的包括售前、销售等人员接触的最终客户不是特别多的。一线工程师往往能拿到一手信息。如果及时反馈，大家一起来满足客户需求，往往能真正的解决客户的痛点。它的效果远远比咱们按部就班的去做销售要强得多。第二点，也是我的经验，就是在一线项目实施过程中需要实事求是的去处理问题。如果我们做到了，我们就能迅速提升客户的信任度，这是非常重要的。如果售后的服务不到位，比如说400处理速度慢了，客户会不满；产品有bug影响业务，客户也会不满；实施有问题业务不稳定，客户还会不满。但是只要我们一线工程师在现场，遇到了问题，就可以直接告诉客户，有问题我们就能处理，而且有厂商的体系支持。那么客户的所有不满都会被咱们工程师带来的情绪价值给抹平。只要我们能处理掉问题，客户就不担心。只要我们工程师在这里，客户就可以放心使用这些系统。有些客户会问，你这个系统实施完了这么复杂，将来运维怎么办？我总结出来经验之后，就会告诉客户，这个系统的维护是分三层，第一层是客户管理员了解管理员指南里边的基本操作。通常都非常简单。售后有整套体系，客户有问题可以找集成商，再加上我们售后工程师，可以随时给客户进行支持。如果是部件问题、故障件更换以及更复杂的问题需要研发处理，可以去找400做售后支持。售后按照同层次成体系进行支持，就像打仗一样，靠体系去弥补某一层次的不足，然后靠体系去支撑全生命周期产品的售后。这样才能达到产品规划中的稳定性和可靠性。如果我们能达到调动体系支撑客户的程度，客户的满意度和对系统的放心程度是绝对不一样的。接下来是积累到10年经验以后，我们会发现些额外的经验，它带来的附加价值远远大于3-5年。因为很多公司招聘售后工程师，通常认为性价比最好的工作时间就是3~5年。因为这个时间对工作都已经很熟练了，将来可能会换个工作继续干。那在下一家公司就直接达到了成熟的程度，此时大家会觉得这种人的性价比是很高的。但是作为一个老工程师，我也给很多企业提醒一下，我们一些年纪更大的具备10年，甚至20年经验的工程师，我们如果做好了积累，做好了突破，就能发掘出更多的附加价值。此时能做到的效果就远远大于一个普通3-5年经验的工程师。也就是说，这种时候我们的工作已经不只是基于工程师视角，而是可能基于项目经理的思路、基于系统规划者的思路、甚至是基于客户运维组织者的思路去帮助客户赋能，从而达到客户需要的效果。那么10年以上的工程师，需要的是经过各种锻炼的，如果一直过平静日子，那技术的价值一般是没有提升的，这种工程师即使工作很多年，其经验及能力和3~5年时没有区别，竞争力也远远不如3~5年的工程师，因为二者的能力是一样的，但是老工程师的性价比通常比较差了。这也是中年危机的由来。如果说我们不能突破，没有更多的富余的价值，我们把自己的性价比降低了，那在这个适者生存的环境下，在经济下行的趋势中，我们就没有竞争力。接下来看一下我的突破第15年到第20年，很多人到这个时间就该转岗了，因为中年危机的到来。 35岁、40岁以上危机更大，身体也不行了，那么改变发展方向，售前售后什么都开始转了。有些开始搞钱，有些开始图利，有些开始考虑地位。少数失业的就去做保安，保洁这种工作了。还有些直接就进入体制内躺平，逐渐学会摸鱼，只有极少数继续前进。我是属于继续前进的那种，因为我连摸鱼的资格都没有。这种时候，每个人经验都不一样。我是在第15~20年，因为工作的历练，我们这个行业工作时往往是一个人去干活，一个人就要兼项目经理、负责现场协调，很多东西都要兼职去做。那么时间长了，复杂的工作干得多了，某一天我就发现自己有所突破了。这种突破，就像群里说的是境界的提升。这种境界的提升怎么比喻？我借用弘一法师的一句话，这个境界就叫华枝春满，天心月圆。什么意思？为什么说是一个境界？以前换工作比较频繁时，我觉得我干了很多不同的工作，如果现在我们去一些互联网大厂，去讲这些工作经验，人家的背景调查就会问你，为什么隔几年换个工作，是否不能安心做当前的工作呢？但是现在我就会告诉面试官，那些经历都是为了突破在做准备。好比当天全黑，什么也看不清的时候，你会觉得黑暗里什么都没有。而当天上突然一轮明月出来照耀地下，如同白昼，当看到一切都特别分明的时候，你会发现周围全是树，树上全是花，花落之后全是果子。也就是说，之前干过的所有的分支工作，都是开出的花，最后终于还会结果的。一旦到了这种境界，把什么都看清了，就会有感悟，就会有突破。所以每个人的经验是不一样的，我是碰巧遇到了这种情况。之前所有的工作经验，这个时候境界就叫百川汇集，奔腾入海。也就是说，我已经是一个河或者是海，我可以把我以前的经验都汇集到一起，不分彼此。那么这个时候看山是山，看水还是水，但是这个时候我在山水之间来去自由。无论是在这个行业，还是在其他行业，当我有了突破以后，境界是完全不同的。那么在这种情况下，无论干什么，我都不会再给自己限制了。大家记住，在这种情况下，你不要把自己限制为一个工程师的角色。假如我们能做的远远超出一个工程师，我们能适应的岗位就宽得多了，这是我们能力决定的，而不是过往的经历决定的，不要困在过往的经历里。这个时候我们可以怎么办？重新出发，从头学习，融合所有的知识，提升事业。此时再学习事半功倍，境界不同学的东西也不同，能达到的效果也完全不同。接下来就是我在工作里的案例首先是全生命周期思路，现在无论是做规划、售前、实施、售后、运维，包括扩容、升级，还有老产品的下线换代，我们都已经可以基于工程师的角度，为客户总结出完善的经验来。在面对客户时，这一套东西如果客户不知道怎么做，我们可以直接送他一个规划服务，送他一个咨询服务。如果有这个能力，这些工程师能不能转去做咨询呢？大家自己应该心里有底。然后前进方向遇到火坑，我已经可以做救火队，我已经可以将有些坑填平，然后继续前进了。当然，凡是遇到这种熔岩深坑，仍然要躲开它。填不平的坑，不要跳，要果断的躲开。在我们年轻时候，得到的一些经验或者是别人教导是告诉我们有坑，不要跳，直接躲开。但是总要有人去填平一些坑，去解决一些疑难问题，去继续前进。当我们积累到这种程度，有这个经验，当我们的公司需要我们工作时，绝对是义不容辞，该上就上。这个时候如果还不上，就像我后面说的，人生已经走到半路，即将告别这个行业，这个时候我们再做不出成绩来，似乎这个能力就白白浪费了。既然有能力，还是能发挥出就发挥出来。如果在这个行业发挥不出来，就在别的行业发挥出来。我们总不能让自己的人生交上白卷。接下来，项目遇到疑难的管理问题难以推进怎么办？这个案例是也是一个现成案例。当时集成商和客户都没有专业的人。我到现场作为硬件的供应商的工程师过去的，现场还有软件供应商的工程师，其他都是各自的厂商，但是现场没有人管怎么办？那就利用自己的这种项目管理经验，当时和软件的工程师，两个人聊了一下，把最佳实践沟通好了。因为大家基本上都是这个行业的，我的最佳实践也包含了他的内容，他的最佳实践也都能和我对接。我们一起把行业最佳实践对接了一下，就在没有任何专业的人以集成商身份进行指导的情况下，我们自行把这套项目就给直接推进并完成了，最后的验收也没有任何问题。因为我们是按标准的项目交付来做的，客户按任何标准来验收都没有问题。一直到最近听说现场后来管理有点乱，有些连线乱掉了。但是因为当时做了足够的双冗余，这套系统建成，现在大概也有好多年了。一直在稳定的运行，没有出大的问题。这就说明我们的价值能体现在项目中。另外，产品功能如果不能满足客户需求怎么办？我们提个建议改进了再继续实施。现在我实施的所有产品，之前全部都提过建议，很多建议去年提的，今年已经落实了。这一方面呢也非常感谢华为。接下来是在第15年到第20年里边的价值提升。在这个阶段里，对自身负责的技术方向，我们有了深刻的理解。在不同的层面，可以协助公司做好工作，可以拿我们自己的经历弥补公司的不足，以及业内的常见问题。包括有一些实施过程中遇到实现不了的困难情况。我们能不能自己去弥补一下，然后让项目顺利推进，也给客户带来更大的附加价值。最后，持续的一线工作让我们能了解更多新产品新思路，当我们给客户介绍产品时，已经不是单纯展示产品能满足你的某个需求的层次了，而是如果客户的需求不太成熟或者超出了产品设计思路的情况下，我们会结合产品的设计思路，跟客户宣传我们的产品体系目的是什么？能达到什么效果？能怎么样能使IT系统更完善，怎么能解决客户的痛点，应该以什么样的思路来处理IT系统，而不仅仅是依靠某些功能点去做选择。因为有些功能可能是客户不需要的。当我们把这套体系描述清楚以后，往往会引导客户按照体系来执行，也就是按照产品设计的思路来执行，额外的一些功能，就可以直接给pass掉。这种情况下就能帮助我们的销售迅速的扭转一些销售时的不利局面。当我们更了解客户需求的时候，我们可以引导客户需求。当然前提是基于我们的实际经验，基于科学的原理，而不是说基于卖产品的思维，不是我卖什么引导什么，而是基于客户真正需要什么，我引导什么。接下来就是协调厂商的体系，为客户提供服务。我们在现场是能听到炮火声音的指挥官，那就可以帮助用户来解决实际问题。做技术专家就是我的路，我给大家总结一下。如果咱们想做技术专家，就必须实事求是，以科学为依据。只有这样，你才能获得各方的信任，包括客户，包括你的企业，包括领导，还有同事们。因为按这个角度做，就不会出错。任何不尊重科学规律的行为，最终都会受到科学规律的惩罚。无论是谁，无论是我方、敌方、友方。另外想做技术专家，我们自己必须不忘初心、不计名利、甘于寂寞。作为一个专家，一旦你说谎，做了违背自己良心和道德的事，某一次被人发现了，这个权威性就没有了，就当不成专家了，所以一定要爱惜自己的羽毛。最后就是说一下发展方向，咱们售后工程师有些善于沟通的，这些人可能是拿工程师作为跳板，他可能沟通擅长的转去销售岗了，有些喜欢转售前，还有一些就是愿意管理的，转领导岗位。还有一些不太明确的，就是换其他技术无关的岗位。像我这种善于与机器打交道的，适合继续做售后。如果是以工程师岗位当跳板的人，我建议你也是干一行爱一行，把当前工作做好。在未来转了行以后，你的经验绝对是优于其他人。现在踏踏实实积累的经验都是你的加分项。如果当前这种经验积累，只是当做镀金，只是一个过场，不踏实工作积累经验，最后一定会自食其果。人生的选择就是名和利的均衡，确定要名还是要利。像我这种属于名和利都不重要，生活平平淡淡才最重要。那么工作和家庭，既然选择了平淡工作和家庭就要均衡，一方面专心工作，但也要兼顾一下家里。虽然现在很多人要奋斗，在奋斗的时候可能顾不上家，但是在我们有条件的时候，还是要照顾好家人。每个人有不同的选择，这个不强求。现在和未来怎么均衡？有些情况下我们找的工作，是为了现在赚钱够多。有些时候我们的工作，是为了未来在积累。还有一些工作是为了梦想不计成本的投入，但是不一定有回报。怎么选？仍然看自己。左转和右转就是有些时候我们的选择左转也行，右转也行。但我要说的就是每个人都有自己的路，每个人做了选择之后，都要承担相应的后果，自己的路怎么选择？还是自己决定。坚持工作和自己创业的平衡。有人问了这个运维应该怎么做？一、你能不能坚持当前的工作？你的坚持能不能发挥出自己的效果？能发挥出来，要不要做，这都可以选择。自己创业或者自己转行，你有没有这个能力，是不是做好了准备？当我们不限于工程师思维的时候，我们其实也是可以具备创业的力的。这要看你自己有没有这个能力。三、未来二十年的人生展望接下来看看我们未来20年的人生展望。首先就是我们的工作生涯怎么走。如果我们能看到未来的趋势，比如说我现在这个行业，能看到未来的趋势，我一定会分析现在还能干什么，我当前的工作还能干多久？我如果还想继续留下承担这种工程师岗位，发挥自己的效果，哪些工作我还能干？需要什么认证？需要什么能力？我就要提前学习。等于是提前锁定未来的方向，提前学习，提前准备。当你为下一个工作做好准备，那个工作到来的时候，只有你准备好了才能胜任。公司如果重新再招一个人，肯定是很难的。而用我们老人，就是轻车熟路，完全不一样了。这样可以通过找一个方向续几年，再找一个方向又续几年。比如我们现在40多了，续一续50多岁，60岁就不用想再续当前岗位了，那个时候应该就不一样了，可能翻开了人生新的篇章。升天之法。什么叫升天之法？干不了，就该离开了，该留就留，该走就走。为什么说峰回路转前面风景更好呢？就是说如果我们不干这一行了，我们不会被锁死在现有的经验上面。如果你真有突破，是不受限制的。我们时刻为失业做好准备的情况下，我们应该了解当离开这个岗位，还有没有别的方法把我们的技术变现，把我们的能力变现。如果你有这个能力，那绝对饿不死。更重要的是，人到中年不要被自己的历史和经验困在我们当前的人生里，如果困住了，你就再也没法进步了。只有脱离舒适区，不断的努力保持着一丝好奇心，你才能不断的进步。接下来就是面向未来，适应市场。因为现在的这个环境就这样，没办法，适者生存。那么当积累经验不受限制的时候，我们能把自己的技能变现，我们的未来不一定比现在差。最后就是天下没有不散的筵席。即使再好的岗位，现在如果不是在国企，不做那些终极躺平的岗位，如果企业倒闭了，我们干的再好可能也要走。也就是说，没有任何一个岗位能永远持续下去，也不用奢望我们一辈子干到老，就是时刻做好准备应对工作变动，随时可以找下一份工作，心里不慌就可以了。当我们有工作干的时候，努力干，当公司还存在的时候，尽力的为公司做好服务，公司也会好好对待我们。如果企业不好好对待你，那就果断转向。这里借用一下小说《三体》的一些名言。第一个就是：大多数人，到死都没有向尘世之外瞥一眼。这就是被困住的典型现象。我们人生在世，可以做的事有非常多。无论我们在人世间有多宏大的成就，在面对宇宙的时候，也是无比的渺小。如果我们的未来真是星辰大海，那么我们现在的内斗和内卷就毫无意义。不用说面对星辰大海，如果是第三次世界大战明天爆发，我们今天的内卷就完全没有意义，我们的人生就全部都要变了。所以大家还是要想一想我们的境界，我们的眼光到底要看多远。能看多远，取决于你的人生。我们的人生一般都提长度还是宽度。但是我给大家的提醒就是：除了长度、宽度，你还有高度、深度、厚度和广度。每一个维度都有不同的方法可以做事，都有不同的方向可以扩展。我们不要把自己人生限制死，被经验限制死，也不要把自己的工作限制死。四、人生半路的风景及思考接下来就是人生的半路的风景。只有年轻人会觉得未来还是无限的，觉得还有机会。那么到了人生的半路怎么办？我们已经到了人生的半路了，按年纪来讲，现在40多岁，政策活到80岁就不容易了。那么40多是人生的半路，工作20年也是人生工作经历的半路，再过20年，该退休了。这种时候我觉得还是要看看风景，思考一下未来。为什么呢？因为这种时候，我们如果还不知道人生最终的方向，可能你就觉得未来毫无意义，就觉得非常灰暗。实际上，人生终极大事无非生死。因为我们到了40多的时候，已经逐渐进入告别时代，我们的祖父母一代已经逐渐的离去了，父母一代也逐渐的进入告别时间。当我们经历了这么多的生死，甚至身边的一些同学、同事都开始英年早逝了，这种情况下，你就会发现人生终极大事，真是只有生死而已。年轻人不要光觉得未来还有机会，我可以无限制的去挥霍，早一点找到自己的路是更好的选择。我们的人生没有目的怎么办？那你就去找吧！借用佛教禅宗的说法，如果你找不到意义，你就去找你的意义。如果你没有动力，那你就看有什么让你有动力的事情，努力的去学习，或者努力的去换个有动力的工作。此时我们会是完全不一样的状态。如果我不喜欢自己的工作，那你喜欢的是什么？你有没有能力去找到它，你有没有能力去积累新一轮的人生经验？这就是我给一些被困住的人的一个解答，就是不要受自身限制。很多人都说中年危机，其实有可能它不只是一个危机的问题，它的根源可能就是我们没有找到属于自己的路。你找到自己的路，一路走下去就行了。历史上有多少人就是一路走下去，走到最后的。而那些科学家们，那些文学家们，历史上的其他大家们都是这样。如果我们对自己没有限制，我们的人生一定也是没有限制的，想做什么都可以。而且现在是世易时移，飞速发展的年代。科技的发展，包括AI的发展，最后就会造成又一个适者生存的竞争环境。我们能不能提升自己的境界，能不能在AI到来的时候保持自己的初心，保持自己的方向，做好属于自己的一份工作？这也是每个人都要思考的。五、传说、故事及神话最后，传说故事及神话。为什么要这么说？就是我干过的一些工作，现在讲给年轻人可能都已经变成了一些江湖上的传说。大家都会说你这个人，过去干过什么的很厉害，很牛。那么时间长了，我们退休以后，这些事就可以讲给后代了，此时绝大部分人都有子孙了，可以给我们的子孙后代讲讲。这种时候，我们是不是能给他们讲一下当初工作的时候，曾经做出了哪些成就，是不是让他们为我们而骄傲、而自豪，能不能把我们的经验传下去？如果我们离开后，我们的故事讲了很久，我们的后代再对他的后代讲我们的故事，那这个时候是不是就能变成神话？因为我们不在人世了，那些已经不是一个人的经历了，就开始变成神话了。接下来就是，我从哪里来到哪里去的问题。因为我喜欢电脑，所以这些是一些额外爱好，现在这里列出的是20年前的一些经历。是可以公开讲的，现在的一些业余爱好，不太方便给大家公开讲。当年咱们学电脑的时候，中过熊猫烧香病毒，中过CIH病毒，年纪大一些的，咱们内行的人都知道这两个病毒是什么情况。中了病毒之后能全身而退的，可以说是不多。当年这两个病毒我全都中过，最后的结局是全身而退，把这两个病毒干掉了。同时自己的系统没被破坏，数据全在，没有被毁。那么如果我有这个能力，大家想一想，我最近的这20年我还可以干什么事？我是不是能干更多？当然确实我也干了一些事情，只不过不适合公开说。当初的欢乐时光病毒，这个病毒当年也是很厉害的一个脚本病毒。当年我也是想方设法战胜过它的。旁观神仙打架，就是当年的一些误杀事件，当年的某些杀毒软件误杀微软的系统组件，我在官方通报出来之前已经做出结论了。这个全是爱好导致的。那么我们每个人能力越大，责任越大。我们如果想留下神话，就一定要问自己几个问题。第一，你有没有帮助过他人？后面的对号是我给自己打的评价。第二，有没有做过对人民有益的事？不是针对一个人，而是针对绝大多数人。第三，就是做到现在你是不是无怨无悔？第四，就是你能不能在历史上留下名字？我可以说，我足够做到历史留名。当然这是匿名的，我没有以公开的身份做过留名的事，而是以匿名的身份做的，但是足以留名。这个也不适合在这个公开场合下公开讲。——————————Q&A环节——————————Q：现在技术方向很多，如何做好选择？这是很多人面临的问题。其实咱们这个工程师问出这个问题，我就可以那个看出咱们这个工程师很有可能一是比较年轻，二是可能是受过我们的职业培训。现在我们的职业培训有一个问题就是分的比较细，因为岗位也比较细。这就导致了现在分了更多的岗位，什么前台后台、中台、售前、售后等，然后代码又分了很多种开发方向。但是你要知道，当年我们只有一个计算机专业，“计算机科学与技术”只有这么一个专业，软件、硬件、代码、前端、后端，所有的东西都属于它，在学校里都要学一个基础。当然学校里学的远远不够，经验主要还是靠工作中积累的。那么我们积累的时候，作为一个学习计算机专业的人，我会不会说我只能写前端，写不了后端，我只能做数通，我不能做IT？我经常遇到有人说，我是负责写代码的，你能不能把数据库给我配置好，能不能把操作系统给我装好？提醒大家一下，我们这一批人在上大学的时候，马化腾还在写代码，雷军还在做wps,大家还都是技术员。那个时候我们要想用一台计算机怎么办？从硬件组装开始学习，从基础原理开始学习。自己去搞硬件，自己去做兼容，自己去搞操作系统，自己去搞驱动，然后自己搭建环境再去写代码，最后编译。那个时候我们有人会问，我应该选择什么方向吗？在我们问出这个问题的情况下，咱们的思维就已经被锁死了，对吧？三体人还没来，智子还没到，我们为什么自己把自己的思想锁死呢？不要纠结那些东西，喜欢什么学什么，你学习的任何一个方向，将来都可以成为你的助力。如果你真要问将来应该怎么发展，去看看市场需要什么岗位，看看你想做什么工作，看看现在的岗位都在招什么，然后基于他要求的能力，你去提前学习掌握就可以了，对吧？ JDC公开课系列活动主讲人正在火热招募中，快来分享你的专业，与JDC一起成为数字化传播大使，还能赢取丰厚智豆奖励，快点击链接报名吧！
【干货分享】从PC到AI，一个工程师的进化论
前言：大家好，我是蓝色空间。今天我要讲的主题就是“从PC到AI，一个工程师的进化论”。那么为什么要讲这个主题呢？因为我之前在咱们论坛已经讲过了一次公开课。分享了我20年的工作经历。而讲这次公开课的目的，是我看到了身边有很多工程师，无论是年轻的工程师，还是年纪大的工程师，他们在工作中往往都会有各种各样的困惑。尤其是现在AI系统在不断发展，AI替代逐渐深入，再加上经济下行，造成了很多工作岗位的消失和裁减，进而造成我们所有人的压力都很大。那么在压力增加的时间段，就会有更多的人会产生迷茫。无论年纪多大都会有。而我工作了也有20多年了，积累了一定的经验，也走出了一条属于自己的路，我也很清楚想走出一条属于自己的技术人员的路是很困难的，尤其是几十年走到底，一直做技术，更是非常困难。那么我今天的公开课就呼应了上次的经验分享，目的就是给大家指出一条我看到的路，希望能够抛砖引玉，也希望大家最终都能找到属于自己的路。接下来开始本次公开课。首先说一下目录，也就是要讲到的各个时代，我是从工作的先后顺序来总结的。我这次的公开课内容，根据我的工作经历总结了以后，我发现它就符合这几个时代的特点。而这几个时代，也暗合了我们整个计算机行业的发展特点。从PC到网络，网络时代包含了传统互联网还有手机端的移动互联网，我把它合并成网络时代。接下来是大规模的云计算。现在AI又在爆发。那么未来会是什么样子？我们都需要考虑。作为在这个行业里面真正做实施、做技术的工程师，我们必然是参与到这个时代中的。接下来就看一下，我这20年是怎么走过来的。今天更多偏向于技术方向，给大家介绍我在技术方向上怎么发展，然后提示一下大家可能会遇到的路径。首先要进行破题。为什么我用进化论来破题呢？首先是因为我在想标题的时候，首先就想到它了。进化论是基于当前科学界的共识，大家都认为很可能是没有问题的，是符合科学原理的。但是由于各种物证还不是很完善，具体的细节和一些具体的例证可能还有一些值得商讨的地方，就造成了进化论一直处于争议中，没有最终盖棺定论。那么我用进化论作为公开课标题，一方面是因为我们这个时代的发展和我个人经历的发展，也符合进化论，总体思路是不断的进化，不断的螺旋上升的。另一方面，也是因为进化论会引发一些争议，那么我自己的个人经历也不是放之四海而皆准的。也就是说，大家在参考我的经验过程中，最终还是要走出自己的路，对我的经验不必全盘接受。因为我们工程师首先最重要的一点就是不能全盘相信权威，一定要有质疑和自己的思考。第二就是在我的ppt中会发现排版一般比较简单，也就是字体颜色，还有具体的示意图都比较简单，似乎不太符合非常讲究细节或者专门做演示的PPT。而这就是因为我们工程师和科学家不一样，我们做的是利用科学家给我们的理论知识和工具来发现问题、解决问题，这才是工程师真正要做的事情。但是现在很多人做的事情，可能把自己从一个工程师就做成了一个所谓“搬砖的”，也就是俗话说的码农，把自己变成了一个体力工作者。但是实际上我们应该做一个脑力劳动者，工作中是真正应该动脑的。那么我们的工作中应该聚焦于说明问题、展示问题、解决问题。PPT也应该遵循简洁、高效、快速、准确的原则。最近很多大企业也在做这种反思，也在提升沟通的效率，杜绝过于花哨的PPT。所以这是大的趋势，为了提升效率，都要做一个简洁化的处理。在进入职场没多久，第一件重要的事，就是我负责的机型出现了一个严重问题。这个问题是什么呢？正常的流水线生产，它其中有一部是试生产，就是少量的生产几百台，这些机器生产出来，通过测试确认一下有没有问题，没有问题才会大规模生产。一旦有问题，会重新返工去改善设计，改善了之后，再重新做试产和正式生产。那么在试生产机型中，由于我们已经采用了现代化的工业流程。这个pc机经过测试以后，不能开机或者出现开机有问题的故障率不应该过高，一般都是千分之一以下，甚至是万分之一左右。那么在我们那次试生产的过程中，故障率最后达到了20%。什么样的情况算是故障率呢？就是走了一遍所有的测试流程没有走通，在某一个流程卡住了，它就视为有故障，然后就会下生产线，放在一旁等待处理。那么最终20%的机器被筛选出来，认为有问题。它的现象是什么？就是在测试过程中可能出现无法启动现象。因为我们测试过程中要随机启动几次的，那么这几次必须全部都能启动，才算测试通过。如果有任何一次无法启动，就认为是出现问题的设备，这种设备一旦到客户手里出现问题，那是要赔很多钱的。当时故障率远远超过常规情况，而且是建厂以来从来没遇见过的异常情况。当时我还是刚入厂没多久，大学毕业，领导把这个任务就派给了我。目的是什么？就是要找出故障率过高的原因，然后当时能采取的手段只有做硬件测试。我们都知道测试有黑盒测试和白盒测试这几大分类。那么白盒测试我们必须要针对代码或者针对硬件设计来进行。因为我们的机器是组装了以后，拿现成的各种零件组装一起进行的整机测试，所以我们没办法做白盒测试，也就是说我们面对的就是一个黑盒，那么我们能做的也就是观察它的现象，然后总结出其中的规律。这数百台机器要想测试唯一的手段是什么？那就是反复重启，统计成功率，统计出问题的概率。我们当时整个一组人，还拉了其他组的成员来帮忙，大家一起做了好几天的时间，昼夜不停，连轴转，最终这几百台发现不是100%的故障，某些机器可能是第一次启动失败，第二次就启动成功。那么我们每一台机器就要重启十几、几十次去统计它的故障的现象和概率，通过统计的方法来挑出来概率高的设备，以此为基准进行后续的测试，通过后续的测试来确认问题的根源。那么最终我们经过了将近一周时间的反复测试，成功找到几台100%没法开机的设备。这些设备就代表了我们的典型故障，那么它就是分析所有问题的依据，后来这几台机器就被拿到所有供货商和客户的会议现场，把这几台机器拿到现场后，大家现场测试。最终通过现场测试，发现了核心的一部分零件，确实存在问题。当时在行业内造成了很大的影响，最终供货厂商整改，我们所有的工作和加班损失由出现问题的厂商赔偿。这件事，当时是影响了整个国内PC行业的。当然这种事情一般是不会公开处理的，在行业内部就消化了，可能大家当时不会知道。所以大家可以看到，我初入职场第一个遇到的很严重的问题，就是一个有经验的工程师，也不见得能顺利处理的复杂问题。等于我们一开始就遇到了地狱级难度的开场。那么经过这个地狱级难度的训练，后续再出问题，我们再处理时，就能总结出一些经验，应对起来就游刃有余。我们经过了这种魔鬼训练，以后也就不至于遇到问题就手忙脚乱了。这个过程中我们是怎么找出问题的呢？首先我们要理解一下PC机的启动原理，这些都是我们在学校里学过的。因为我在学校里面是计算机专业，当时我把计算机专业几乎所有的电脑修了一遍，日常天天排查的就是这些不能启动或者异常的故障率。它的启动故障是由于什么原因，在我们看多了以后进行总结，就能通过这种大量的总结，找出很多故障的背后原因。正是因为有了这种积累，所以在出现这个问题的时候，我带着大家，虽然是刚毕业，我们也仍然成功的把这个问题找到了。并为后来的问题解决奠定了坚实的基础。当时领导对我们的表现都是很满意的。所以大家可以看一下，从学校出来，你学的基础知识不见得就是没用的。即使我们学校教的可能是有些过时的理论，但大家永远记住，冯诺依曼架构还是当前的计算机基本原理，整个机器的启动原理，目前为止仍然没变，PC到服务器到存储全是一样的原理。所以基础知识一定要打牢。其次就是面对新领域的挑战。我这个PC时代，其实我在每一个时代是把跟它相关的一些经验整合到一起了。我做这个预装系统的案例，就是第二个讲的这种预装几百台PC的这件事，并不是我在之前的工厂做的，因为工厂预装是有完整的流水线的。我也正是在工厂中的培训里解到了整个OEM流水线，它的系统预装流程。但是这个步骤当时是由专门的部门实现，我的部门不负责，所以我并没有完全掌握。那我是什么时间把它完全掌握呢？是换了下一份工作，已经干其他工作的情况下，我的负责的工作里面就有几百台PC机需要安装。他的要求是需要提前预装软件，提前激活，而且支持自定义账号密码。基本上就是要求把普通的PC机按照OEM流程做一遍，这是给工业领域定制的设备，也就是说我们拿来普通的PC机，把它定制成工厂生产所需的工业化的设备。所以我们要预装的东西并不是普通的这个PC制造厂它预装的那种软件。在这种情况下，我要参照它的体系自己完成。当时时间比较早，正好是Windows XP到Windows 7的转换过程中。我们都知道XP系统的预装是需要很多第三方软件协助的，官方也会给出各种软件的预装方法，但是它是需要多种第三方软件协助才行。当时刚刚转换到windows7的系统，这个系统是第一次采用了wim镜像。它自己支持镜像，自己支持全套的部署。同时。经过工厂模式，还有再次封装的方法，用这些方式来达到预装系统的目的，同时又能给客户一个初始化的体验。那么参照这套体系，我当时花了一周时间去研究。当时还只有不完整的英文资料，因为系统刚出来，那么在这种情况下。我要想完成预装，我必须依据英文资料来处理所有的东西。因为我第一份工作是以英文作为工作语言。我虽然英语学的不是特别好，但是对于这个工作用到的计算机相关的英语，掌握的是相当扎实的。所以我看这些英文资料，就可以很顺利的把相关的知识掌握到。接下来经过研究，在一周时间内把预装流程基本上摸透了。摸透了之后就进行了软件的预装，把所有PC机通过自动化脚本预装之后，系统自动启动，执行自动化脚本，再集成了一些第三方的软件进行拷机测试。这和我们日常家庭拷机运行软件差不多。所有这些软件和我们装机DIY后的流程差距不大，但是它必须要自动化完成之后，自动记录结果，然后自动生成报告，通过网络获取到第三方的设备里，报告放在第三方设备之后，再把这些所有的机器重新初始化重新封装，重新预装上我们需要的office软件、工业软件，还有其他的应用软件，最终做系统激活，然后重新封装。那么整套流程下来就必须要深刻的了解操作系统的原理，软件的原理，注册表的原理，还有系统各种组件的原理。通过这种流程也就完整的掌握了整个windows系统下它的这种体系架构。而且通过这种预装的测试，也找出了故障设备。通过维修操作，就把故障设备维修好了，最终就是在这半个月时间内，保质保量完成任务。因为原来领导的想法是，找几十个年轻的毕业生人工一台台安装，但是人工安装是达不到这个效果的。我一个人当时在半个月时间内完成，否则的话应该是找几十个人，用1~2个月时间去完成这个工作。大家可以想到这里面节省了多少的人工成本。而且这种预装的一致化体验给客户带来的价值也是相当大的。为什么我说它是新领域的挑战？对我来说这个工作原本是可接可不接的。对我来说，如果我接这个工作，则是从零开始。我们日常在工作中都说，机会是给有准备的人，什么叫有准备的人？面对新领域的挑战，敢上还是不敢呢？我们就不评估以后的收获，如果我们有能力可以去应对一些新的领域的挑战，我们应该找各种机会锻炼自己，提前把这些工作能力准备好。这种预装系统的能力在我第一次研究出来之后，在我未来的10年工作经验里面，有数次遇到了类似的情况，我利用同样的技术实现了其他的设备的安装、激活、及自动化部署。比如后续我有上千台的服务器要实施，最终大概有几百台机器需要在一周以内完成安装和初始化配置。但是当时由于工作安排，只有我一个人来执行，那么又是面对同样的情况，我就通过类似的方法来实现了系统预装，又一次解决了问题。也就是说，当我们做好准备的前提下，我们学到的东西是一定会有用的，不要把自己限制在自己的条框里。接下来呢就是我在PC机时代，做的几个超出我们平时工作范围的的技术经验，它是基于我们积累下来的能力，去不断的提升自己，做了一些额外的工作。比如说，当时我们有那个10个左右的光驱读盘失败，就是我们的PC制造厂的实验室里面，做测试用到的设备。做测试过程中光驱要经常用，有些光驱就会把盘读碎裂在里面，光驱就报废了。面对这些报废的光驱，我在空闲时间，想要看一看光驱的原理，就把它拆开，然后发现里面的结构其实很简单，也就是一些定位结构、旋转结构、再加上激光头的控制结构和激光头本身。那么做了一些清理和操作之后，把这些机械问题解决掉，10个里面有6个恢复了正常的读写。经过测试，完全可以正常使用。本身光驱即将要报废，它作为资产的价值不是特别多，但是我从里面积累的经验就是，别人下的定论不一定可靠，有些问题还是要动手，亲自了解一下。第二个问题就是我有一个外置的刻录机，在光盘一切正常的情况下，它刻录失败，比如说我用DVD光盘去刻录，可能之前一直刻录成功，但在某一天，突然之间连续失败了五次。它的读盘一切正常，只要写盘就失败。我在刻录cd盘的情况下，也是刻录正常，读盘也正常，只要刻录DVD就失败。同时经过确认，读写是同一个激光头。如果说同一个激光头的情况下，不太可能出现这种问题，除非两个激光头其中一个坏了，对吧？那除非是功率不足或者其他原因。那么怎么样去区分呢？这又要用到我们黑盒测试的思路，对吧？这个案例就提示我们，基础知识一定要牢固。那么我们测试过程中不断的通过刻盘、写盘的操作，经过几次连续失败，最后确认了一个问题，就是不仅仅是光驱和电脑的问题，还可能有其他软件问题。大家看我这个右侧有一个截图，这个截图是我复制文件的时候，偶然间发现。本来正常我的固态硬盘复制文件的时候应该是几个G的传输速率，至少也应该是几百兆的传输速率。但是它拷贝到一半的时候，它的速度突然会降到零，原因不明。经过查询，windows下确实有这个问题，尤其是windows11和win10，那么再结合固态硬盘自身的IO调度可能存在问题，操作系统对于固态硬盘的管理可能存在问题，那么光驱和这个系统的匹配和它的驱动也有可能存在问题。目前问题没完全解决掉，但是首先操作系统读写数据突然降到零，这个问题一定是其中一个很大的影响因素。也就是说我们做事情，做测试的时候不要非此即彼，不是除了成功，就是失败。网络问题也不是说网线拔了以后，就只有网线和网口甚至可能交换机故障。路由设置故障、其他的操作系统底层故障，各种故障的因素，一定要考虑全面，才能测试出一个完整的结果。我们在日常工作中看到很多人面对问题时，就是采用非此即彼的思路，一定要打破这种思路，尽可能多的去观察一个问题的现象，那么你和别人得出的结论可能就是不一样的。最后就是我遇到熊猫烧香病毒的那个问题。这个病毒号称破坏固件，中了这种病毒就没办法处理。实际上经过我的分析，它确实是不处在任何分区上，它是在硬盘预留的启动空间里面，例如启动扇区里。它在这个部分做了一个隐藏的区域，把一部分代码藏在这儿了。只要这部分代码还激活，它就能不断的复原它的病毒。那么当我把这些隐藏的代码处理掉了以后，这个病毒也就失去了活性，接下来就是怎么清理病毒的问题。之前我分享20年经验的时候，说到我当年正面硬刚熊猫烧香，就是通过这种方法一击必杀，也就是说第一点，知道它是怎么处理自身隐藏方式的。第二点，它对文件的加密主要限于对文件头部的格式的修改，一些文件内容并没修改。当时通过这种方式，还恢复了很多被它加密的文件。那么整个PC时代，我的收获也是给大家的一个忠告，就是首先对于基础的原理，要有深入的理解。因为所有IT设备的底层几乎都是类似的，全是冯诺依曼架构，对吧？那么掌握了技术原理，我们就立于不败之地，就能干好我们的工作。第二点就是举一反三，一定要从原理入手思考问题。我们有很多人可能是从经验入手，也就是做一次工作，拿本子记一个经验。这个经验往往再遇到新的问题就不可靠。一定要从原理入手，这样无论我们的问题怎么变，我们从原理入手都能找到问题的根源。第三点就是我掌握了用于英语阅读产品文档的能力，这个能力给我很大的帮助。现在我见到很多年轻人，虽然英语学得不错，但是阅读产品文档的能力可能不是特别好。即使我们毕业了，我建议大家英语不要扔下，能去读一些原文的产品文档，还是尽量去适应一下，当我们能顺利的用英语读这些文档的时候，你就会发现你的信息来源会比只能读中文的工程师多得多。然后就是独立思考，找到解决问题的方向。只有独立思考，我们刚才遇到的疑难问题才有解决的可能。接下来就是标准化的工作流程以及沟通技巧。如果我们的工作做不到标准化，手忙脚乱的沟通，也就是该说的问题说不到位，也是没法解决问题的。所以大家还是要注意。这个时代我的心得就是不破不立，破而后立。也就是说，首先要跳出自己的条框，跳出自己的舒适区，你才能不把自己限制死。我后来又做去网络，接下来一份工作就是做网络工程师的。如果当时我对网络没有兴趣，那我重新学习，就可能不愿意学，我可能会说我是做PC的，我为什么要做网络呢？对吧？如果只基于自己已有的经验，就只能找PC相关的工作，那我就跳不到网络的时代，我就会被困在PC时代，困到等死为止。虽然说在PC时代也有自己的发展，大家都知道这个行业是一波一波的浪潮，在不断的前进的。PC时代是在逐渐的落幕，它的工作的余地在变窄，不是说没有活路，而是说它的活路在变窄。那么我们跳出去了，突破到新的区域了，是不是我们就有更宽的路可以走呢？这就是找路的方法。然后呢，就是只有持续学习，才有未来。我们当时一起做这些工作的同事里面，有些人和我说，看你学习我很羡慕，但是这么学习脑子很累，我学习不行，我不想费脑子，天天休息不好吗？天天追剧不好吗？为什么要费脑子？如果我们忽视了持续学习，作为一个工程师，就没有发现新问题，解决新问题的能力，我们就会被这个职业、被这个时代所淘汰。因为这个时代，尤其是计算机相关的技术更新太快了，如果跟不上，就很容易被淘汰了。尤其是我们背负的养家的这种重担，对吧？大家的压力往往是家庭的压力，没有家庭可能压力更小一些，有了家庭压力就很大。那么我们持续学习才能让我们有足够的能力去维护好我们的家庭。最后就是戒骄戒躁，很多人技术强一点，就会骄傲，轻视别人，而且变得短视，就是只聚焦于眼前自己积累的经验，我的东西看管好了，绝不教给别人，防止教会徒弟饿死师傅的情况发生。但是这种短视只能让人自我消亡。我们接下来看一下网络时代，网络知识我是从头学起的，大家看一下左侧是RFC,咱们学网络的，大家可以自己想一下，有多少人从RFC开始学的。根据我在周围的观察，可能从这儿学的比较少，右侧是OSI的七层参考模型，还有TCP/IP的五层网络参考模型。这个模型是大家100%会学的。但是从RFC协议学起，从RFC文档里直接去看，比如我下面的IP、TCP、UDP、ICMP和FTP等各种数据包的组成，每一个字节的含义，还有多少人是从这看的呢？我当时看这个看了至少有半年，我才理解网络是什么样。上图右边的参考模型，实际上手后持续半年到一年，我才真正理解网络是怎么连通的。我掌握了这些基本原理，接下来的问题就不是问题了。比如说我的网络规划里面，以及在后续的工作的网络相关方面。其实我换了不止一个工作，那么有一份工作就是给企业设计网络。我那个装几百台电脑的项目就是给一个工业企业设计双冗余的网络，它应该怎么设计？那么如果是做一个二层网络，只需要连通就行，至于它是一个网段，还是多个网段，很多人可能是不考虑的。我在很多企业还看到过这种形式的网络，只要能连通就OK。但实际上一个企业如果规模到了一定程度，它至少需要一个有三层网络，也就是不同网段的这种网络。在这种情况下，我们网络应该怎么规划？是选二层网络还是三层网络？现在则更加复杂，在网络里面不只有我们的连接的接入设备，还有汇聚层，以及POE的交换机，除了PC,还有监控、还有无线。出口除了有我们的网关，还有路由器、上网行为还有互联网的相关设备，还有一大堆防火墙、防毒墙等安全设备。所有的这些设备，它应该具备哪些性能，有没有瓶颈，我们应该设计哪些功能，哪些可以先上哪些可以后上？网络设备都需要具备哪些？在哪一期做，哪些是串联，并联还是旁路？到底应该怎么做？所有的东西都需要考虑。只有当我们了解了所有这些东西的底层原理，我们才能把它做得更好，设计的才能更规范。如果不了解，我们可能就是经验主义。别人怎么说我怎么做，我见过的是怎么样的就怎么做。最近几年我也和很多这个资历比我还老的网络工程师合作过了。一方面，传统网络工程师在面对虚拟化云计算的时候，往往理解不了虚拟化和云计算的网络规划，因为他不知道这是怎么回事，只有接触过这些东西的人，才能深刻理解，才能匹配的很好，这是第一点。也就是说，网络工程师如果不了解云计算，甚至都可能跟不上时代。另一方面就是，一些老工程师经验主义很流行，如果我以前就是这么做的，我现在还是这么做，只有这么做，我的网络才能连通，不这么做，我就不保证网络能连通。而到我这里，可能是客户需要什么，我就做什么规划，按照我这个左侧的列表，全都整体做出规划。接下来每一步是什么原因全部都有理论解释。那么某个案例中老工程师解决不了的，我和他们的新工程师一起去讨论，最终结果就是这个比较愿意学习的新工程师跟我去讨论，反而把这个网络给搞出来。我们一起把网络规划重新设计了一下，此时我已经是又作为云计算工程师了，网络已经不是我的本职工作，但是我协助他们把网络给设计出来，包括双活切换应该怎么做，我都是基于比较扎实的理论基础，然后一起去讨论，基于理论做出来的东西。这说明什么？只要我们理论基础扎实，我们就可以不犯经验主义的错误，同时我们也可以不被自己的经验所束缚。无论我们做什么行业，我们都可以利用理论去做出来，比纯经验积累有了更多的可能，我们工程师的路就更宽。路越宽越好走！接下来就是连接到网上就不安全。在我做网络的时候，凡是连接到网上的业务，网上的所有威胁都来了。假定某个服务，如果开放到互联网上，图里的所有威胁，几乎我都实际遇到过。有很多问题是协助用户解决的。比如说木马和病毒就遇到不止一次。当时我们只是提供设备，然后提供解决方案。但是这解决方案里不包括安全设备，也不包括安全。但即使有安全设备，用户仍然中毒，仍然被钓鱼，仍然有病毒，有木马。那怎么办？如果不把这些问题解决了，人家会说你的系统有问题，为了系统顺利实施。我们自己去找了一下系统后门，查了这个黑客的思路，然后我们顺着它的路径，自己把病毒给找到了，再把木马给抓到，把木马处理掉，清理之后，再给用户写一份说明，提醒用户怎么样做好网络安全防护，避免同样的问题发生。然后这个项目才顺利结束。无论我们是做虚拟化、云计算还是做网络，只要是开放到互联网上的，当前面临的威胁几乎都是不断的。所以即使是我们传统的IT业务，即使是我们传统的网络业务，只要开放到互联网上，安全防护的思维就必不可少。在这种情况下。怎么样去解决实际的问题？我这里边举一个例子，就是网络连通性测试。大家都知道，我们如果做网络连通性测试，一般最多采用的是ping命令。用这个命令测一下，我们和某一个点之间通还是不通，这是一个很简单的操作。但是大家想一想，这个问题到底应该怎么处理？有些时候一些复杂的问题就不好处理。那么我给大家推荐的是一个综合的方法，我们在客户端1的上面执行命令，但不是执行一条，而是并发执行多条。怎么执行呢？有一条命令是和本网段客户端2互相ping，然后从客户端1去ping本网段的网关，同时再ping跨网段的网关，再ping跨网段的客户端。用这种方式把所有的ping命令全部都列在屏幕上，然后观察一段时间内它的情况。在面对一些复杂的连通性问题不好解决的情况下，用这种多角度同时做的命令，可以查出网络的数据波动、网络延迟的异常以及网络异常的断开。尤其是如果我们网络某些情况下断开，又找不到具体位置在哪，这种同时的测试。同时看各种数据的影响，你就能很容易的分析出来问题在哪里。我们用这种思路曾经做了几百个测试，把一个非常困难的问题，联合华为体系研发都没能解决的问题，通过测试把问题最终定位了，最终由研发根据我们的定位，把这个问题根源找到，并最终解决。如果各位还在用华为的产品，我这个思路测出来的东西，应该是在这两年会普惠到所有的人，这个可能大家都感觉不到，但是我们作为一个工程师，只要真正抱着解决问题的思路，我们早晚都做出一些真正让我们在行业内部能成为神话，能成为传说的成就。只是有很多人都是默默的在做这些工作，这些做出来的成绩不会公开出来。我公开一小部分是为了让大家知道我们可以走的路，是远远不限于你能看到的那部分。尤其是面对这些有疑惑的工程师，无论你是年轻的、年纪大的，还是即将踏入本行业的工程师，大家都可以看看，我们能把这个路拓宽到什么程度，每一个人的路都可以自己去拓宽。这个时代的技术方面的收获就是从原理开始理解网络。网络安全也是从网络原理入手。当我能看懂每一个数据包的含义，我就能从数据包的角度来把这个整个的网络理解了，也能理解它的安全威胁在哪里，知道安全威胁就能解决问题。那么再从网络安全扩展到综合的数据安全，比如我们的数据的备份，数据的安全。怎么样确保我们的数据可靠？怎么样确保数据的可用性能够得到可靠的维护？这都是可以扩展出来的。最后就是自学能力得到提升，技能就可以迭代了。就是在处理网络的时候，你面对的连接特别的多，我们争取以网络为核心，通过骨干不断的了解周边的只是，比如说逐渐细分的无线、骨干网的传输、运营商的相关网络，还有5G的相关网络，移动互联网等等。所有的这些东西我们都可以逐渐的去拓展。以后能干的行业，你会发现越来越广。这一段。随着经验的丰富，我发现有些人就会互相攀比，互相吹牛，更加看不起别人。即使在你跟他去讨论技术的过程中，他也默认为你是在和他吹牛。为什么呢？因为这种人吹牛习惯了，默认为所有人在一起就只能吹牛，这是心虚的表现。作为这个行业内经验已经很丰富的工程师，我可以和年轻人说一下，不建议你去攀比，不建议你去吹牛。只有心虚的人才会把自己伪装的很厉害，真正厉害的人不需要伪装！举个例子，我现在写的PPT,我给大家讲的这些内容，你看我可能是每一页只写了几项，但是每一项我展开都能单讲一节课。很多人写PPT疑惑的是我没有东西写怎么办？我怎么样能把自己的工作内容写的丰满一些，让领导看到我更多的工作。我则相反，我每次写PPT东西太多了，我可以源源不断的讲上三天三夜，那怎么才能浓缩成几句话，让领导知道我的核心步骤，不至于关注太多的细节呢？其实如果你关注了更多的细节，你会发现我的能力远远超出通常的领导的要求。那么如果我们日常工作中你能做到超出领导要求的工作，同时又能顺利的把它做好，那么将来你的路一定是更宽广。只有开放合作才能共赢，只有平等交流才能进步。一般实施过程中，我们把需求归纳，然后甚至配置都做好了。我们这种售后工程师往往是只需要去实施就可以。但是我拿到项目的第一件事，永远都是重新核对需求，这叫不忘初心。为什么？因为我们的售前工程师如果实施经验不足，他给出的需求分析的结果和他给的配置结果有可能是和实际不匹配的，或者匹配的不是特别完美。想要完美的实施，一定要介入需求分析，一定要把需求重新梳理好，基于需求重新把所有过程再走一遍。这既是验证了一下售前和销售他们做的工作，也是以此为输入，重新的让我们未来的工作更好。这就是我们现在积累的一个经验，通过这种售后介入到售前的方式，让我们售后的工作再也没有阻力，再也不至于因为售前的一时疏忽，造成我们售后去费尽心思的给售前收尾，或者去给销售说的大话收尾。我们只要和售前和销售顺利的配合即可。现在甚至是我们自己作为销售工程师，直接去参与需求配置。那就可以把整个的全链条都打通，显得很顺，后续工作就会很顺利。如果大家当中有本行业的售后工程师，大家应该都有这方面的困惑，这就是解决的一个方式。第二就是全面规划。这种规划的过程中，需要我们全面的了解客户的机房要求、环境要求、电源要求。虽然我们的文档里有写到，但是我们还是要现场的去确认，根据现场情况，根据我们的经验，提示客户怎么样去完善它的环境。然后是我们的组网原则、接口规划。一方面参照我们的文档的推荐的指南推荐的联网形式，另一方面是基于我们个人的经验，个人对于原理的掌握，我们甚至可以在厂商的最佳实践场景下，总结出我们自己的最佳实践，做更全面的规划。不要局限在我们现有的工具里面，一定要以自己的能力为主。接下来是上架，这是我们常用的一个上架的图。为什么最下面要留2U空间？我们的规划里考虑到了要把手塞到空隙里进行一些相关的维护操作。中间为什么要留2U？因为有理线架的操作，对吧？根据不同客户的需求，留多少的空间，我们的设备摆放都是有说法的。比如说我这个图里面，我的设备摆放就是从下而上，从内而外，它是上走线，那么凡是所有出口的线，就都经过防火墙，从上走线走出去，也就是说我们的摆放位置都已经做好了考虑，线的长短、数量、接口取电、维护难度综合考虑。我们做上架的工程师，不要把自己只当成一个搬砖的力工，只是上架扭螺丝而已。我们的上架是为了后续的实施做准备，要从整个项目来入手考虑这个问题。如果你能综合考虑问题，你就相当于半个项目经理了。以这个角度来说，你的项目实施的难度就会比普通的这种分散负责的项目少得多。接下来就是部署流程，官方在超融合上给了我们很完善的部署流程。但是我们仍然在每一步都需要根据自己的经验进行确认，不能局限在官方的文字说明里，一定要亲自了解每一步的原理是什么？官方为什么这么推荐？在这个基础上，我们才能结合需求，结合客户不同的各种需要，针对不同的客户，做各种不同的变化，随你怎么变，我都满足规划要求，我都符合产品规划的思路。我交给客户的，或者我推荐给他客户的，已经不是简简单单的这种书本上规定好的，必须这么做的一个思路。而是我会根据客户的要求动态去优化它的配置，而且绝对是符合产品设计思路的。我会告诉客户基于什么原理，基于什么思路，产品才这么设计？那么交付部分。交付不是说做完虚拟机，虚拟机发个模板，做个培训就完了的。大家看左侧，我还要考虑运维磨合期问题，处理运维指导故障修复和后续规划。为什么要考虑这么多？在我们这个可能跟我的行业有关，一、我作为售后工程师，我要去实施。二、我实施完了，难免有一些问题要进行处理，跟客户还是要继续保持关系的，并不是说实施完了就不见客户了。既然你要接触，遇到问题是逃不掉的，那么在运维过程中也少不了。持续规划是什么？大家看我右边这个图，就是我们给他的超融合实施，我通常会考虑两个生命周期。按照项目管理的流程，五大领域，启动、规划、执行、监控、收尾，从预算开始，一直到老系统下线，新系统替代。考虑两个周期应该怎么规划。那么整个的产品规划思路、软硬件思路和你推荐给他的运维思路，就能有的放矢，就可以基于这个目的去把它实现。这种情况下，后续客户真到了这种比较困难的老系统下线和新系统替代的时间点，在提前规划好的情况下，他做的会顺利得多。如果客户能顺利的进行更替，那么后续的项目可想而知也是可以拿到的。以产品经理、以项目经理的思维去考虑问题，这样我们的路才能更宽。运维就是指我们日常20%的问题，其实能覆盖80%的运维场景。我们日常集中精力把常见的20%问题解决好，大部分问题都是可以解决的。交付之后就是运维的开始。无论你是纯售后工程师，还是说你做系统集成，建议大家多积累一些经验。问题处理的三个层次里面，客户只需要做好自己的虚拟化的维护，硬件的这个维护就可以了。那么如果是我们和客户一起去做这个项目的话，对于系统的变更，一般由我们实施工程师来说是最理想的。那么故障件的处理或者说一些后台故障的修复，那就得由厂商研发来执行。那么这三个层次我们处理好了之后，客户能做的其实就很少，也就不需要客户付出巨大的工作量，去适应我们全套环境的维护，而是说他只需要聚焦于他的业务就可以了。最后给工程师的忠告就是没有金刚钻别揽瓷器活。如果接手了工作之外的东西，一定是基于帮忙的思路，先撇清责任，先把你的责任范围边界确定好，干好本职工作，再做瓷器活。二就是责任边界需要让所有人都确认了以后，以帮忙的形式去干。这样你才能额外做一些这个积累经验的事，同时避免承担不良后果。最后就是聚沙成塔，每次实施，多处理一个问题，每次给客户处理问题，多记录一个经验，聚沙成塔，你就比别人多做了很多。最后是在系统下线的时候，我们重点考虑右边提到的保持控制，就是软硬件一定要在控制范围内。任何软硬件失去保障了，想办法让它留在保障内，要么硬件续保，要么软件续保，不能续保的在稳定业务的基础下，保存好你的数据，最后确保应用可控。怎么可控？能维护的尽量维护，维护不了的，尽量想办法提前替换。基于这个思路，只要做好持续的替换，这种运维就是可持续的，做好可持续的运维才是我们IT维护才应该干的事情，否则我们就成了救火队，到处处理问题。最后这个收获就是如果我们已经做了服务器存储，也做了网络，那么后面虚拟化、超融合、私有云，几乎你就可以全面开花。大家看看我之前的经验，PC、存储这些都是相关的，早期做过的，网络也做过。为什么后来我做虚拟化，又做云计算这方面？是因为当时领导招人的时候，就要求你做过所有的硬件，没有相关经验，是没法去做虚拟化的。当时正好我有这个经验，就被招过去，从头开始学习虚拟化。二就是突破技术限制，突破工程师的角色限制。我如果把自己限制成服务器的工程师、PC工程师或者网络工程师，我绝对没办法做额外工作。那我也不可能接触到后来的AI,只有具备了综合能力，你的路才能越走越宽。那么脱离经验困局，我们才有广阔的天地。假如我们现在失业了，有多少人能凭业余爱好，能凭其他方面的经验找到新的工作，而且还能让自己顺利养家的呢？很多人会聚焦于自己过去的经验，但那意味着你被过去的经验困住了。所以这里私下给大家的一个建议，就是一定要做到不被自己的经验困住，才可能有更广阔的未来。接下来就是我到了这个年纪了，所以说应该开始传承经验。遇到年轻人，我希望多讲一讲，给大家看看自己的路。而对未来始终抱有新的希望，做好心理准备。那么只有这样，我们才能有更好的未来。最后由于时间限制，我这边就说简单一下，最后一句话，我命由我不由天，我们的工作可能受限于时代、受限于年龄，可能会被淘汰掉，但是自己的能力永远是自己说了算！而且随着现在信息时代的提升，给年轻人的另一个忠告就是我们的计算机体系不断的在扩容，不断的在扩充，那么各种行业细分的越来越多。过去说隔行如隔山，指的是计算机和其他行业隔行如隔山，计算机行业内各行基本是互通的。但是现在已经不是了，现在网络就能细分有线、无线、企业网、个人网、还有物联网，再加上运营商的网络。软件又分成前端、后端和中台。再加上商业方向的软件、工业软件分得更细。大家很多人在学校学的不是计算机专业，而是某一个细分的行业，参加培训也参加的是某一个细分行业的课，或者是某一个细分行业的厂商认证。即使是计算机行业内，不同的细分行业都已经变得隔行如隔山了。但我还是建议大家能拓宽自己的行业，跟自己相关的分支行业尽量多了解一些。不用完全掌握，只需要以某一点为核心扩散开去，这样你的路就会越走越宽，千万不要把自己限定在某一个细分领域里。不要说过去我做网络的，我现在做云计算，但是我做云计算的时候，再遇到网络，我还能不能处理？过去的东西也不能丢掉。最后讲一下AI时代。我们的这个AI时代首先一点就是讲所谓的机械飞升，我们的AI目前在不断的突破，尤其是ChatGPT时代让AI突破了图灵测试。接下来deepseek的时代到来，大幅的降低了对硬件的运行要求，让我们能在可接受的成本下进行大规模的公有化和私有化部署。在这种情况下，我们的AI能力也就越来提升的越快，最终奔着AGI,也就是通用人工智能的目标越来越近。那么这部分我打个比方叫机械飞升。也就是说它未来要从越来越不像人的一个工具，变成越来越像人的一个机械生命。未来有可能以我们想象不到的面貌出现。因为随着AI的发展，未来是无限的。现在接触到AI之后，我可以跟大家确定一点，它一定是未来，大家一定要接触它，哪怕仅仅是自己用都可以，大部分不一定能有条件调试AI设置，但只需要自己用就可以增长经验。现在一定不要逃避。我们能做的唯一的方式，就是拥抱未来，最终甚至我们可以做到人机一体、和谐共存。也就是说，AI作为我们每个人的助手，就像科幻小说和电影里面一样。有问题问AI，让他帮我们干活，我们来做决定，这样就可以了。最终就是AI替代肯定不可避免。只有我们拓宽自己的路子，让自己无可替代，AI才不能替代我们。如果你做的是重复性的一些劳动，那很容易被AI的替代，脑力劳动也有重复性的，不是说脑力劳动不能替代。那么大家看我画的这条线上面是指图灵测试，通过图灵测试意味着AI具有了人类的能力。这条线下面写的四个字是自我意识。根据我的观察和我的理解，这纯是我个人的理解，这也是为什么我以进化论为主题，就是依据进化论的思路，根据我的推断，AI只有具备了自我意识才有可能实现所谓机械飞升，瞬间成神，也就是成为一个机器人，像人类一样来帮助我们解决问题。但是如果它具备了自我意识，那可能就不叫AI，也不叫人工智能了，它可能叫机械智能体或者机械生命。那种情况下，就相当于人类造出了新的物种，它的未来是无可限量的。那就会有新的希望产生。接下来再传承下去，能出现什么样的情况？有可能几百年后远远超出人类的理解。所以未来是无限的，大家还是要拥抱未来，这个时代的潮流不可避免。但是目前我们还处于过渡期，这段时间内还是非常长的，可能几十年甚至上百年才能做到。所以目前大家看我们的情况，deepseek作为AI底座，还不具备AGI的能力，为了让它更加贴近AGI,我们怎么做？我们通过知识库喂给它我们私有的知识，让它帮我们干专业的事。利用智能体技术，让它更聪明一些，能自己干活，最后用程序能让他做一些我们现在这种程序自动化也不能实现的事。接下来是我最近学习AI的时候了解到的一些东西。我是怎么接触AI的呢？是因为用户有需求，现在大量的用户在提AI需求，大家应该都知道吧？这个肯定绝大部分都遇到过，怎么样来做？去除掉行业内的泡沫，踏踏实实的来说，我们目前能做的就是为AI赋能，也就是说帮助AI来打开走向AGI的通道。那么最底下这一层先要做到私有化部署，避免数据外泄，还具备底层能力，但是也仅仅聊天而已。接下来通过我们更好的提示词，我今天也刚解决了一些问题，就是通过提示词，就可以让他精确的输出我们需要的结果。接下来建立知识库，我们用专业的知识输入给AI，它就能帮我们分析专业的事，能帮我们总结出专业的经验来，就不用我们去看大量的资料去总结。人工效率太低，AI辅助后提升效率是很快的。那么接下来要创建智能体，让它独立做事。多智能体协同，就是指它目前还只能聚焦在某些具体的事情上，它不能像人类并发处理那么多事情，那多智能体就是各干各的，大家最后聚在一起形成一个综合结论。同时多智能体不仅可以挂载同一个模型，还可以挂载不同的模型。那么最终所有的模型集成起来，多智能体协同起来，最后由一个模型统一输出结论，就能做到更贴近AGI的能力。接下来为程序赋能，把AI的能力赋给当前的程序，就能大幅提升程序的质量。当然最终的目的我们是要做AGI,让AI自己去做专业的事，我们人类就可以休息，可以去做更加专业的事，或者更加趋向于创造性的工作。目前大家看我们列出来的这些硬件都已经具备了，接下来所谓的通用型人工智能，一旦出现，下一步必然是具身智能，也就是说，把我们的AI大脑赋能给我们的机器人、无人机、机器狗等等。当这些设备具有了类似人类的大脑，它的潜力就会被释放出来，成为我们有力的助手。最后就是怎么走向未来。根据我对AI当前状况的了解，还有对自己经验的总结，结合一些科幻小说，我这里参照了很多三体里面的一些思维和刘慈欣对未来的一些思考。为什么这么说呢？因为我觉得他的一些小说不仅仅是考虑到了未来的可能，不仅仅是一个科幻，而是对未来一个在合理范围内的推理。也就是说，我们很多科幻小说家，可能他本身也是个未来学家，他会推测出人类未来应该怎么样。首先我们是从远古走来的，我们最早所有的都是做人工，一旦到使用了工具，我们就可以了解自然利用自然。使用工具的人类淘汰了没有工具的人类。当下我们创造什么？我们通过机械化、自动化、信息化、智能化实现了知识爆炸。掌握这些知识的人，淘汰了因循守旧，不愿意接受机械化和智能化的人，对吧？不断的在淘汰。未来，新的故事也会不断的产生，新的物种也会不断的出现。未来怎么样在知识爆炸以后确实不知道。但是大家看知识爆炸已经出现了，哪天三体人过来了，恐怕也不是很神奇的事情了，是一个可以考虑的可能的未来。在这种情况下可能会有新的希望。为什么这么说呢？现在都说AI出现之后，文科已死，理科为王。已经不需要研究那么多人类的东西了，写文字AI就代劳了。但我想提示大家一下，如果未来三体人来了，如果未来人类接触到了成百上千的外星社会，是不是需要更多的宇宙社会学家？是不是需要更多的人研究不同文明的它的哲学文化？目前只有我们人类能实现这么复杂的理解。机器目前为止还做不到大自然的精细程度，还做不到大自然的这种用这么低的大脑功耗来实现那么强的能力的效果。什么时候，它能实现了机械生命，才能真正替代人类。所以目前我们远远不用担心机械生命的问题，我们应该做的是利用现在没有形成生命的AI的能力作为工具。因为AI只要不是生命，它就没有自我意识，它就作为我们的工具，可以大幅度提升能力。善于使用AI的人最后可能会淘汰掉没有这种能力的人。然后呢，就是我们是从地球走来的，最后一定要走向宇宙深空里面去。人类从地球发展过来，那么从我们开始探索宇宙的时候，我们就向往飞天。从一开始我们就是走向未来，人类远古就有很多关于神仙的传说，都梦想着往天上走，现在的飞机、火箭、宇宙飞船，都是在实现我们的梦想。 最后就是要走出摇篮，为什么呢？如果在摇篮里出不来，就没永远没有希望。刘慈欣写了三体之后，大家有没有关注他之后写的小说？那段时期，他还写过一个《时间移民》，就是讲我们向内发展AI，未来有可能导致AI，同时也是虚拟现实突破，我们就会向内探索，最后制造出足以媲美现实的虚拟现实来。在那里面我们就是神，要什么有什么，那么是不是会有人沉浸在虚拟现实这个游戏里面出不来了？就变成享乐主义，满足现状，对吧？那么刘慈欣写的这个时间移民，就是说所有人最终变成了虚拟人，最后大家形成了一个统一智能体。这个智能体觉得自己没有意义，就把自己关机了。这就是人类灭绝的一种可能。那么什么样的人类才能最终生存下去呢？就是走向深空，直面深渊，才有未来。后来，刘慈欣又写了一个《黄金原野》。是用一个很凄美的故事，一个造假的故事，以一群探索先驱者的生命为代价，欺骗了人类去向外探索。因为如果不向外探索是没有希望的。人类作为一个诞生在宇宙里的文明，如果不能踏出地球，不能踏出太阳系，踏出这个摇篮就永远没有希望。我们就相当于三体里面，自己把自己封闭在太阳系里面的这些人类，就永远没有希望了。怎么样才有未来？我们作为工程师，永远保持一个婴儿般的好奇心。因为我们人类目前还是婴儿时代。最后人类如果向着宇宙文明去成长，我们目前连第一步还没迈出去，我们未来还是有无限的希望的。这就是我给大家指出的一条很光明的未来，希望大家在未来这条探索之路上，真正走出自己能载入史册的一步。所以未来还长，探索永无尽头，希望大家共勉，希望大家一起走到最后。最后谢谢大家。我这次的分享就到这里。问题1：我看到这个徐景泉，这个刷了好多次了，就是说问能不能举例谈谈，看山是山，看水还是水这个状态。这是我上次讲座里边的一个问题。就是看山是山，看水是水，什么意思呢？比如说我这个技术方面，最开始可能是学网络它就是学网络，学IT就是学IT,我学的是这个技术本身。但是工作时间长了以后，我再看这个技术就不只是经验上应该怎么处理它，而是说在原理上它是怎么产生的，怎么发展，怎么出现的。那我就是把它拆散了，看最后为什么看山还是山，看水还是水？因为当我都理解了以后，我掌握的很精细了以后，在我后续就包括我现在的工作中，当我知道某一个方向的时候，我知道我具备的知识能力，可以瞬间的把它拆成细节，然后一点点去实现。例如我现在处理AI,我遇到有些问题的时候，比如今天我就处理AI某个提示词有问题，导致我们的AI输出一直达不到结果。举个例子，最初提示词说，我有三个输入项目，请AI把以上内容总结出来。它给我一个输出结果是什么呢？它只把最后一个作为输出。我分析了以后，利用之前的经验，发你这个“以上”是不明确的提示词。为什么呢？以上是以上一个还是以上两个还是以上三个？他只处理了以上一个，后来改成，请把以上所有三个点全部总结输出，他立刻就给出了一个合理的效果。这和我们处理软件是一样的。如果我们有软件开发的经验，就会知道工程师处理往往也是这样的。他如果处理三个项目，一不小心就会只处理一个，对吧？只有你指定了它的具体范围，才会把所有的项目都处理掉。所以当我有这个能力的时候，遇到这个问题，我不会惊慌，我会一点点细分它。我看山还是山，看水还是水是什么呢？我大概看上一眼，我就知道我能解决问题，但是我可能在处理的过程中不需要去解决这个问题。我可能在遇到它的时候，我再详细的去分析就可以了。就是这个原因。这是因为我掌握的已经差不多了，我只需要看山还是山，看水还是水，不需要每一次都深入到后台的细节，看得那么细了。我也可以把它掌握到很细致。那么当真正需要的时候，我就可以一步的分析出细节。问题2：最后就是这个资源错位，拿FSE当做测试使用这一块。首先一点，我们的测试工程师是干什么的？测试工程师如果做得非常好，你就是对产品最了解的人。当我们对产品最了解的时候，测试工程师也是有自己的经验的，一定要记住一点。不要认为测试工程师就只是点一点界面而已。我在给咱们华为产品提经验的时候，其实就是这样的以测试主要思想的。咱们华为以前有一次招人，找我面试，我就举个例子，当时那个要求是测试一个产品，硬件产品，请写出三条测试经验。半小时以后我还在写。最后领导看到我写的以后就很惊讶，为什么呢？我写了35条，领导说写三条的都少见，写六条以上的凤毛麟角，头一回见有写35条的。但所有东西全都是对的，为什么？因为我作为一个测试工程师，软件硬件全都做过了。而且我在PC时代，我知道全流程的产品测试流程，包括软硬件兼容性、电磁兼容性、稳定性、摔落测试、可靠性测试等等几乎所有的测试项目。也就是说，作为一个测试工程师，你可以做到一个比产品设计者更了解产品。那么为什么上次我给咱们华为产品提经验的时候，我写了那么详细的一个东西？因为我突然想到以前我做的第一份工作叫新产品开发，就是利用测试经验做新产品定型，我把那个经验拿出来了，以产品定型的思路从头到尾把它整理了一遍。我就把这个产品几乎从头到尾整体设计给做了一遍，所以拿它再去跟咱们研发沟通，就比较详细了。所以呢如果你被当做测试使用了，首先在测试岗位上先把测试干好。接下来你本职工作是什么？不要受你本职工作的限制，不要受领导让你干活的限制。把你这些应该干的事情作为你的爱好去研究，有机会接触的，不计成本，不计代价的去接触。就举个例子，我们有些网络工程师说我是做网络的，我突然让他去做这个项目管理。他说我没有这个经验做项目管理。怎么解决的？我说如果给你一个几个亿的项目，让你去管理，你能不能找一个单位说你这有一个亿的项目，现在我想做项目经理，我给你三十万，你让我做项目经理，让我去刷一刷简历镀金？刷一个经验？那是不可能的事。现在呢公司免费让你做项目经理，你为什么因为网络工程师的限制就不做了呢？如果你做完了，当你更换岗位以后，你的简历是不是镀金了呢？把这份简历拿出去，你想想这个思路是不是拓得很宽了呢？后来我们的年轻人听到这个以后不计成本不计代价，他不管是IT还是网络，还是项目管理，什么都做。现在他已经到了新的岗位，那你觉得他的未来是什么样，对不对？所以这一点呢，不仅是取决于我们面对什么样的岗位，还取决于我们自身的能力，能力永远是第一位的。当你有准备了，一旦有条件，你就可以跳出去，不要把自己局限于当前的岗位，当前的经验和过去的经验里面。跳出条框，你才有更好的未来。问题3：我这儿看到了有两个问题可答，那我把两个问题综合说一下，一个是这个叫越小勾青山，它是运维磨合期常见的问题有哪些？这个是工程师常见的这一块，怎么讲呢？运维磨合期常见的就是用户不知道自己应该做什么。那么我为什么签名提出这个运维的三个层次？就是以超融合或虚拟化举例，用户做好虚拟化系统中虚拟机的管理，然后做好硬件日常的巡检，有问题及时报告，那么我们的工程师去调整他后台的系统。因为修改整个系统配置，一般必须对系统非常了解才可以。那么我们实施工程师经验是最丰富的。最后一旦有了问题，找厂商。用户磨合期最常见的就是自己该做的工作做不好。比如虚拟机的处理、tools的安装，然后操作系统的安装应该怎么做？这个一定是用户把自己负责的这少部分工作，首先售后工程师客户该负责的工作分清，给他讲一遍，他一定要自己做几遍，出问题你指导他，才能把这个磨合期度过。一定要自己亲自经历几遍。无论是我们自己的工程师，还是客户的工程师，都要走过这种学习过程，这是一致的。他经过了这种错误的经验，他才能记得住，才能真正的掌握。一般这种虚拟化要磨合半年到一年，然后基本上他就找你的很少了。你就真正解决一些复杂问题了，这是一个。问题4：然后最后一个问题是。就是35岁搞算力方面的，那么我看这是有几个人了，就是问高斯数据库怎么样？数通35岁，什么数通IE怎么转型，包括deepseek。要减肥的红烧肉也有了，将这些综合到一起，我答一下。Deepseek这一方面我也在从头学习，正好是有需求。如果没有需求，你还要去做的话，类似无源之水。尽量是找到一些项目的机会跟进一下。这个又是从零开始学习，活到老学到老。我现在跟大家一样，都是从零开始学习，但是现在已经有一些心得了，那么未来还会学更细的一些东西。能学到多少取决于自身的能力。然后这种高斯数据库，包括咱们华为的鸿蒙系统，欧拉系统未来无限，因为国产化浪潮不可避免，对吧？Deepseek也要布在华为的体系上才能国产化。所以大家可以尽情的去学我们的认证，考我们的IE。然后在我们这个方向下，协助用户做好国产化转型，我觉得未来还是很有希望的。我的分享就到这里。
【干货分享】医学智能影像标注一体机实战分享
一、分享主题今天借助JDC平台分享我们在医学影像、智能标注方面的一些产品研发及场景推广实战经验，及与华为合作的智能标注一体机产品，并对未来软硬协同的一体机产品合作做一些展望。二、产业背景介绍2019年以来数据驱动医疗行业科研发展已经成为一种明显的趋势，相关的论文、研发实战都充分证明了这一点。其中以数据驱动、科学研究和影像标注，这已经是一个行业的一个发展的一个趋势，也是解决医疗行业基于影像数据做行业科研的必要基础技术支撑底座。而我们国家的在医疗数据应用场景化实战方向也走在了世界前列，尤其是很多医学和数字化技术的结合方面，其同质化服务的能力和效率，也适合我们国家面向公众服务的普适医疗的理念。通过提供最佳的一些临床实践的一些场景，来帮助我们用数字化的技术、工程化的技术来驱动医学的精准高效和同质化的公共医疗服务，服务”健康中国“的宏大目标。人工智能技术有大量的行业落地需求，推动AI算力向边缘侧迁移。同时，边缘AI技术已经从边缘的机器视觉逐步进展到大语言模型、生成式AI、多模态大模型等新一代的AI技术方向。另外大家可以看到，我们国家现在的医学的智能化重点发展方向，区别于美国的集中化的医疗服务模式（如facebook或谷歌大平台模式），更多应用场景在边缘测的诊疗服务。因为大部分医疗专业数据是在医院端的私域数据，做专业病种医疗科研，采用以20%的互联网和公开的数据做大厂基础模型平台为底座，以专有高质量数据集做专病模型知识库或微调，这种训练出来的模型才能更精准的、更准确的医疗专业病种诊疗服务实战，服务于我们的广大的患者。所以在医疗行。行业边缘的智能市场是一个很大的市场。大家可以看到下图的一些数据，我国的边缘智能设备增长很高，医疗行业是其中的关键产业热点方向。中国人工智能边缘计算在政策与技术融合驱动下快速发展，医疗领域成核心场景。医疗边缘智能一体机凭低延迟、隐私保护优势，支撑实时诊断、远程监测等应用。全球 AI 医疗边缘系统 2031 年将达 46.2 亿美元，年增 12.1%，中国因基层需求与老龄化，市场空间广阔，前景向好。数据驱动临床医学科研也面临诸多挑战，医生日常诊疗任务繁重，科研任务数据管理主要困难有：全量全周期数据集成治理难：跨系统、跨业务、多模态、 多学科长周期、连续性、院内外 完整性、标准化、一致性、 整合对齐数据检索纳排难：非结构化数据检索匹配难复杂检索和时间约束还依赖 SQL 语句编写查询后结果实验验证效果不佳， 且需反复调整数据加工处理难：影像标注、文本标注费时费力 数据预处理工作繁琐特征提取和选择需要技术、经 验和大量实验数据分析建模门槛高：学算法、学编程、搭环境碎片化工具使学习成本倍增、 科研效率倍减技术门槛高、人才稀缺、跨学 科合作难因此行业需要一个一体化的医疗科研解决方案，融合医学和数字科技，实现医疗数据要素价值化，赋能数据驱动的科研创新，规模化实现成果转化。平台需要提供医疗科研多模态数据采集、治理、智能化标注、团队协作科研管理、专病库建设、医疗知识服务、医疗科研成果输出（论文、数据集、应用等）及产业功能服务平台等全面功能组件。在国家大力推动数字经济与人工智能发展的时代背景下，数据标注产业正经历着迅猛发展。2023 年我国数据标注产业规模达800亿元左右 ，到 2027 年，其产业规模将大幅跃升，年均复合增长率超过 20%。数据标注正在向自动驾驶、医疗影像、 语音识别和自然语言处理等全领域扩展，占比分别达到 35%、 25%、20%和 15%。各项国家地方相关政策为数据标注发展创造条件，为医疗AI发展提供机遇。2025年1月：国家发展改革委、国家数据局等多部委发布《关于促进数据标注产业高质量发展的实施意见》发展目标：到2027年，数据标注产业专业化、智能化及科技创新能力显著提升，产业规模年均复合增长率超过20%。推动公共数据标注需求，编制公共数据标注目录，深化人工智能在政务服务、城市治理等领域的应用。2024年5月： 《国家数据标注基地试点建设相关文件》公布7个试点城市（成都、沈阳、合肥、长沙、海口、保定、大同等），推动数据标注基地先行先试。基地需结合地方优势，优化能源与算力资源配置，融入“东数西算”工程布局。2024 年，国家数据局等部门印发《“数据要素×”三年行动计划（2024—2026 年）》、国家发改委等部门印发《国家数据标准体系建设指南》和《关于促进数据产业高质量发展的指导意见》强调数据标注在低空经济、自动驾驶、智慧医疗等领域的应用潜力。提出通过数据标注驱动场景创新。医学影像数据标注作为产业重点发展方向，面临的更大问题与挑战：专业性：医学影像数据标注专业性要求极高，标注量极大，迫切需求智能化标注平台。卡脖子：由于技术封锁，国内医学影像标注严重依赖于国外单机版标注产品。三、医学影像智能标注产品设计--飞标医学影像标注一体机核心价值：解决多模态医学影像标注效率、质量问题并保证数据安全产品概述：通过医学影像分割大模型及多种AI技术，提供150余种可扩展的预标注算法，灵活支撑不同规模的数据标注团队高效完成医学影像协同标注工作，支持自动标注、半自动标注、手工标注、三维标注、形态学测量，提高放射学影像的标注效率和质量；基于Web云原生的服务模式，通过医疗数据集中管理，满足医疗数据不出院的要求。关键功能：1、基于大模型、AI智能辅助标注，复杂标注只需一键就完成基于 AI 智能辅助标注技术，医学影像分割大模型支持一键完成复杂组织的精准标注，高效处理海量数据，显著提升标注效率与精准度。2、150种医学影像预标注算法，降低标注门槛提高准确性飞标平台的预标注算法库已经内置了150种医学影像预标注算法，用于解剖结构和病灶的自动化标注3、多模态医学影像支持，一个工具全搞定，相同的操作方式，学习成本更低，效率更高。模态类型： CT、MR、DR、PAT、DSA、超声、钼靶、内窥镜、眼底、皮肤镜、病理数据格式：DCM、ZIP、JPEG、PNG、GIF、BMP、WBMP、TIFF、MHA、MHD、NIA、NII、NRRD、MP4、MOV、FLV4、多人、多团队、多中心协同医学影像标注支持单人标注、多人协同标注、专家审核流程等多种协作标注流程。提供多人、多团队、多中心协同工作的组织、分配和管理，通过及时收集反馈意见，进行标注结果审核和优化，不断提升标注质量。5、电影级高级可视化赋能，让细节展现更清晰通过流畅顺滑的实时渲染，清晰展示医学影像的细节和结构，准确理解图像内容并正确定位感兴趣的结构或病变区域，有助于更清晰地了解病灶与周围组织的空间关系，拓宽医学影像数据的应用场景。6、数据脱敏与匿名化，实现隐私与价值的平衡数据脱敏与匿名化运用替换、加密等技术处理敏感信息，切断数据与个人身份联系，保障患者隐私。经脱敏和匿名化处理的数据可用于科研、医疗服务优化等，实现了隐私保护与数据价值释放的平衡。隐私合规：满足法规要求。数据可用性：保持数据价值，支持分析与共享。安全平衡：权衡隐私强度与业务需求提供技术。飞标平台特点与特色1、AI智能辅助标注大模型交互标注更高效这一特性，显著提升了标注的速度和质量。涵盖广泛的分割模型，并且可以在新的医学影像上即开即用，无需额外的训练，做到零样本迁移2、智能预标注技术通过自动病灶检测、自动预标注结果加载等自动化预处理方式，降低IT技术与人工智能应用门槛，提高了标注效率和质量。3、协作标注支持多人在线协作标注标注，标注人员可以在不同的地点通过网络进行实时协作。提供任务分配、进度跟踪等功能，方便团队协作管理。4、高级可视化丰富的高级可视化功能能够将标注结果以更加直观、清晰的方式呈现给用户。通过不同的颜色、透明度、三维模型展示等手段，标注人员和其他医学专业人员可以更清晰地分辨不同的标注区域及其特征。5、多租户与数据安全飞标平台能够服务于多个不同的组织、团队或用户群体，每个租户可以在平台上独立管理自己的标注项目、数据和用户权限。保证数据的隔离和安全，提高了平台资源的利用率。四、应用场景与案例产品主要客户群是医院\医疗科研机构\大专院校，针对科研管理，科研团队和科研工作者、医疗教育工作者，分别提供不同层级的功能组件，满足不同应用场景的精致化需求定制。典型应用场景有：应用场景1：医学影像标注支持多人、多团队、多中心协同工作的医学影像标注平台，解决医学影像标注的关键需求：标得准、标得快、隐私安全等应用场景2：手术规划支持手术评估、策划、方案尝试、术中参考、术后康复等全流程持续改进的服务功能。应用场景3：医学影像教学通过精确的图像分析和可视化工具，帮助医学生和专业人员更好地理解复杂的解剖结构和病灶变化，从而提高诊断能力和临床决策的准确性实战案例分享：智能标注，提高标注效率2-30倍五、东软-华为”添翼“医疗健康智能化一体机合作实战在2025年2月的DeepSeek热潮中，医疗行业成为部署行业DeepSeek应用的急先锋，全国已经陆续部署超过余个医疗行业DeepSeek应用场景，也给软硬结合的智能化一体机产品提供了高速发展的契机。在8月浪潮之后的行业冷静期，客户逐渐理性，价值驱动占领高地，节奏放缓，市场仍存在大量算力缺口，有特定应用场景价值的智能化医疗行业一体机市场依旧在高速增长。东软添翼医疗健康智能化解决方案2.0，以业务与数据为基石，依托东软医疗数据价值化与“融智”智能化双框架，构建覆盖数据治理、知识萃取到模型构建的全链路医疗数智体系。添翼2.0聚焦于智慧医疗、智慧服务、智慧管理、智慧基层、智慧卫健及城市级健康医疗数据空间六大核心场景，实现医疗赋能体集群（“N”个赋能体）。东软添翼2.0是融合AI、数据、流程、组织于一体的医疗智能化方案，实现数据基座、赋能平台、价值扩展“三维”突破，全面满足用户对数据深度治理、科学能力转化、海量知识萃取、场景模型构建、全场景赋能的迫切需求，为医疗体系的智能化升级提供核心动力。东软和华为在这个过程中紧密配合，发挥各自优势，讲国产化尖端智能计算平台和医疗行业场景成熟智能化应用相结合，高效率适配国产化软硬件环境，推出了系列东软-华为”添翼“医疗健康智能化一体机合作产品。产品名称功能简介适用销售客户推荐硬件配置医事服务一体机智能写作、智能问答、智能通讯、智能结果速查、病情讨论等。电子病历客户，5.0以上版本NPU：8张Ascend910(昇腾Atlas推理卡，64GB缓存）病历质控一体机病历辅助生成、病历内涵质控、智能病历点评。电子病历客户，6.0以上版本NPU：8张Ascend910(昇腾Atlas推理卡，64GB缓存）患者服务一体机智能客服、智能导诊、智能预问诊、智能病历解读。互联网医院客户NPU：8张Ascend910(昇腾Atlas推理卡，64GB缓存）卫健管理服务一体机数据采集、数据治理、管理服务、基层辅诊、居民健康管理。卫健管理客户NPU：8张Ascend910(昇腾Atlas推理卡，32GB缓存）医疗影像标注一体机多模态数据管理、智能标注、隐私保护、团队科研、可视化展现医疗科研机构、医院专业科室NPU：8张Ascend910(昇腾Atlas推理卡，32GB缓存）六、软硬件一体机合作展望在软硬件之呢个一体机合作过程中，也对未来更深入的合作有了更多的期待和展望：1.期待更全面合作场景在医疗科研、患者服务、辅助诊断、病理核查、医保服务等众多方向，扩展医疗智能一体机应用合作场景。2.期待更符合行业应用特点更丰富定制化一体机在功能、性能、制冷方式、样式、空间、噪声控制等方面灵活配置，更能适应医院科室前端工作环境，支持灵活配置软硬件基础能力。尤其医疗行业前端部署的低噪音、液冷、医疗设备眼样式一体机需求迫切。3.原厂商更深入服务支持从基础硬件支持，到软件框架配置、多基础模型支持、智能运维服务、人才培养、托管服务等多场景提供更深入服务能力。张静波（JDC@zhangjbn）2025年10月14日
【干货分享】智慧建筑能源优化解决方案
今天跟大家一起分享一个话题：智慧建筑能源管理能源优化的解决方案。大家一定也深有一些感受。就是其实现在我们住的城市里有很多的，比如说楼宇或者是建筑，有一些是新建的，也有一些老旧的这些楼宇。从现在的建筑水平来讲是非常的高。它的智能化，包括它的一些设施都非常的好。但是很多的老旧的楼宇，其实就面临着很多的问题。比如说在八几年的房子，或者是九几年的房子，到了现在，其实从外观到它里面的设施都面临很多的问题，有一些楼宇还面临着拆迁。所以在这样的情况下，有很多楼宇。它到了50年左右，它的寿命基本就差不多了，可能就要拆掉。我觉得如果是一栋楼，它从0~50年，再从50年到100年，如何延长它的寿命？我觉得是一个非常具有未来、有思考空间的一件事情。第二就是我要讲的就是双碳，这两年国家其实一直在出台双碳的很多政策，它的出发点也要实现在2030年到2060年分别要达到碳中和碳达峰这样的目标，旨在还是要解决很多楼宇很多建筑，包括我们周边的环境如何做到节能减排，让大家去有一个非常宜居的这样的环境去生活。所以从这个角度出发。智慧建筑好不好，管理就非常的重要，那么其实也是要解决两个问题，第一个就是延长建筑的寿命，第二要做到很好的碳排放，也是我今天要重点分享的部分。其实大家现在也非常的清楚，每一个城市其实都要做整个智慧城市的建设。那么从政府的角度，从宏观的角度，有一盘棋规划，从整个大的智慧城市要建不同的场景、不同的板块，但是从企业来讲，其实是一个反向的操作。从一栋楼宇、再到一个智慧社区、再到智慧城市，正好是一个从上到下，一个是从下到上，跟政府是一个相反的做法。这就是政府和企业的做法的不同。我们基于从一栋小的楼宇开始做起，从一个从市场高度市场化的一个操作变成一个智能楼宇精细化的那一部分，就是说智慧建筑它如何去做到能耗的优化。刚刚我也大概讲了一下，从国内有很多的不同的政策去支持双碳。从其他的国家，像日本南亚，包括中东的很多国家也会有各种的碳排放或者是关于绿色建筑的一些倡议，目的是让大家都是同样的目标：就是要做到节能。也是智能楼宇的必要性。就是说其实大家做智能楼体的，或者是智能建筑的能源管控。它不是说大家想想这么做。而是的确是面临一个必要性从国内和国际都有这样的一个要求。从目前的建设的痛点来讲，我们的居住的办公环境，有一些新装修的会面临有害气体的排放，包括我们的办公空间是否宜居？包括它整个的一个碳排放是不是达标了？不管是企业还是我们的员工在大楼工作生活，其实都有这样的一个要求。第二个就是整个他大楼实施改造和成本也会很高。因为老的楼宇很多的设备当时建设之初是没有什么太智能的元素。到了今天，它其实面临着要智能化的改造，老的这些设备要做很多的修改，不管是装修还是设备，所以成本就非常的高。涉及到很多的专业，有能源专业，有消防专业，还有楼控等等，其实也是非常的复杂。所以现在对智能楼层对建筑，提出了很多的要求。以前其实设备也都是相对来说比较孤立，暖通系统、电梯系统、照明系统、消防系统基本基本上每一个都是孤立的系统。这也是如果把它打通的话，那么也是需要一个新的系统去把所有的系统集合起来，去做智能化的管控。所以这一些都是很多建设项目面临的一个非常重的痛点。所以从能源管控的角度来讲，要是把所有的原来的一些建筑的子系统就要把它打通。从大家从左侧也可以看到，其实整个不管是楼宇还是建筑，它会有几个十几个甚至更多不同的子系统。比如泵、冷却塔、冷水机组、抽水机，包括还有风机等。这么多的设备，如果是孤立的话，其实是很难去把它综合调度起来。所以中间我认为是有一个综合的管控平台，这个平台其实是要把所有的子系统的数据归集。接入之后进行数据汇聚，依据数聚打造人工智能的模型。其他的系统要基于中间这一侧的部分的数据。把它重新再建立新的应用。这个催生出来新的应用的话，它就不是像原来一些独立的系统，没有办法去协同工作，而是说它可以去做很多。比如说人员管控，比如说还要基于中间的数据。他要做很多可预测性，这里就有很多新的应用程序出现。所以这样的过程从独立的子系统到数据的集成和分析，然后到新的应用，整个过程会把智能管理就做得非常好。传统的建筑和智能的建筑上还是有很多区别。大家也可以从图上可以看到，其实在以前很多大厅的指挥中心，它其实是有很多小的屏幕。我觉得在10年之前至少是这样子的。最近5、6年会有很多的改善。到了今天突破就更多了。左侧就是现在的组件，大家会怎么样去做？那右侧的这些小的面板，比如说原来是5×6或者是6×9这样的一些面板。或者是电视机，那么已经变成了一个我可以去用一个非常大的一个屏幕。那么这个屏幕其实就完全不需要这个5×6或者6×5，而是一个非常大的一个屏幕。它可以去通过手去滑动或者鼠标去滑动。可以上下左右前后，可以看到整个智能楼宇里面外面。包括上下他都能看得到，所以这就是在整个它的指挥控制上的一个突破，这是传统和智能建筑的一个非常显著的区别。第二个就是一个非常大的区别，就是可预测性。就是我们做了很多的事情，其实并不是说当下的问题发生了我们把它总结，这是已经发生的。其实我觉得更重要的是要做到未来的可预测性，就是说我们今天可能不知道明天这个楼宇它可能会发生情况，通过模型的推演、预测到未来这个楼宇要发生什么事情，比如说明天楼宇的某一个层可能某一个配电箱的电流会超高。所以这种可以通过很多的历史数据，包括结合人工智能模型去把它分析出来。那么在今天就可以预防明天可能在这个时间段我要采取什么样的措施。比如提前调整它的负荷，或者是调整它的用电的一些参数。这样我认为是智能楼宇和现在传统楼宇的一个区别。再就是我们其实现在可以利用数字孪生将整个楼1:1的还原，这种好处其实也可以解决很多设备宕机的问题，就比如说过去可能楼宇遇到一个问题通常是派人到现场去维修。那么如今现在有了数字孪生可以直接能看到每一层的管道和建筑的每一个细微的管线和设备。发现问题之后从可视化层面可以看到到底哪里出了问题。这个时候再派人去现场，可以大节省宕机时间。除此以外，整个楼宇其实还要有api,楼宇也要每一个系统之间打通，api网关用于数据去汇聚。第二个，还要做数字孪生做到可预测性。当然这些也是作为人工智能的优化的基础。第三是把所有的楼宇的每一个部分桌椅、板凳，包括水电、暖通、风、水电，这些全部1:1的还原，也是为了精细化的去管理楼宇的每一个部分。这样无论是做能源的优化可以去到每一个部件。至一第四个是物联网的管理系统，其实这里也就涉及到比如我们需要把所有的楼宇的风火水电的设备会以ba或者是bms系统这样的形态去跟楼宇的管控系统去做一个打通。所以在这里硬件或软件要遵循统一的net协议或者是modbus这样协议去对接。楼宇的硬件和软件就可以去做很多数据上的交互。这里其实大家也可以看到，整个楼宇要基于模型互联起来。每一个楼基本都有dwg或者是BIM数据，用数字孪生原生把楼宇以及管线构建起来，可以看到每一层。结合现在的大模型你可以对模型去说一句话，比如说我要看到10楼的102房间，那么其实可以把BIM的每一层的部件全部呈现看到到底有什么问题，哪里会产生告警，其实也是为了方便资产管理也为了未来做能耗的优化，或者是能源的管控也非常清楚，会看到哪里出了问题。这里你看到的其实是一张非常乱的一张图，其实就是把每一层的位置已经切割了，每一层都会把它打通，把它切开它的管线其实也都会看得非常清楚，你可以把它放大。它这条管道如果是出现告警，那么它其实在这个面板上会出现一个红色。第二部分我想更多还是要提到双碳或者降碳。因为整个楼宇其实现在的楼宇基本电会占大概70~80%的能源的消耗。我记得我昨天的时候去跟一个地方政府的工作人员在聊天，他说当地图书馆现在都不敢开空调了，如果不开空调，群众会投诉，如果是开一天的话大概2万块钱的电费，楼宇也一样，基本耗电最多的就是这些暖通的设备。所以从能碳从节碳的角度来讲，就是把电能耗降下来。整个能源的管控也就有很大的改善。首先是要从管理体系构建，包括碳核查，第二部分从设备的角度就怎么老旧设备上进行一些改造。第三个是可再生能源，就是光伏储能。做一些碳抵消。同时要跟电网去合并，来抵消楼宇产生的一些二氧化碳。整个能源优化还要基于一些条件。 因为每一个楼宇它的条件是不一样的。有的有一些楼宇设备是比较先进，它有一些智能化或者物联网的板块，有一些老旧的楼宇不具备这样的条件，就要对它进行一定程度的改进。比如加装群控装置或者支持PLC可编程控制器把设备和我们的楼宇的软件做一个打通。PLC要支持wifi要支持网络，只要是PLC和它联通的设备和软件系统的协议保持一致。就可以去把设备上的数据汇聚到楼宇都软件平台里面，如果没有PLC控制器的话，就需要把楼宇的设备都集成到BMS系统或者是BA系统。中间可能还需要一个转换器处理数据的清洗工作，确保数据的分析或做模型的数据质量，plc是在控制终端设备，然后通过网络把软件和硬件打通，把数据拿过来。基于数据去做汇聚，做分析，做能源的调控和优化.有很多楼宇原来是中央空调，如果中央空调没有任何的物联网模块。除了我刚才说的加PLC可控制编辑器之外，还要加一些智能电表收集电梯、消防设备耗电量。耗电量的一个计量就是要通过电表。智能电表也会开放API接口。有很多冷水机还要有温控设备或变频设备。包括温度、温湿度的传感器。智能电表，就是它的一个载体。冷机系统也有物联网的模块去监控它的温度压力。出口的流量。这里还有一个能效的一个管理，所有的设备接入进来要知道它的能耗是怎样的，能耗比是多少，能耗比：比如说冷机，你可以控制冷耗量，比如说1000瓦，然后冷机消耗200瓦，风机或者是冰机或者是其他的冷耗要消耗量80w，能耗比是1000除以280，大概是3.57是它的能效。能效越高。能耗其实越低，能源消耗多的设备有能耗的优化策略。通过plc的可控制编辑器发放指令。根据策略和指令去集中控制。策略优化还是要基于过去的历史数据，还有线路的一些场景。比如说有很多的大厦有很多个区域，人流是非常稀疏。或者是说在某一个时间段，它的肯定是多的。那么基于这样的数据，可以在某一个时间段，它的人流并不是很多的情况下，对暖通空调进行调整。同时可以结合监测到的天气的温湿度，比如明天可是一个非常冷的天气。那么提前在第二天上班前对整个大楼做提温。能耗其实最大的用电量。有的场景比如可能要下午两点多开会，但是有很多的场景是大家到了会场才当场把这个空调打开。其实完全可以对整个的楼宇的管控系统或者是能源管控系统，提前有这样的输入参数：若下午两点开会。那么其实系统接入到这样条件之后，会根据人数的多少去调控开放一个合适的空调的温度。总结：整个思路第一要把所有设备的子系统的数据汇聚过来。无论是通过运营系统还是电站系统。然后基于数据去做模型，去调优，向设备发送指令，调控温度。当然这些根据很多的模型去学习，因为有很多的天气因素，人流元素，历史的数据，未来可以有一些新的场景要结合。这些结合要结合很多因素去调控。所以我觉得这是一个大的思路。
【干货分享】华为云赋能高校教学实践
《“云”赋能--重塑高校教学新实践》各位专家、老师和朋友，大家晚上好！很高兴今天晚上有这样一个机会，和大家共享交流和共同探讨这样一个话题《“云”赋能--重塑高校教学新实践》。我最早1988年在南京航空学院大学毕业后在中国XXXXX研究院从事科研工作约10年，1999年西工大研究生毕业后加入到华为公司，从事于华为ICT技术相关的技术服务、市场销售以及研发测试等工作，更多的是技术培训这样一个工作。2017年在华为退休后，退而不休继续在杭州和西安等地的科技高校从事于大学教育培养工作。这是我的一个简单的介绍。接下来我们就回到我们今天的正题，云赋能重塑高校教学新实践这样一个话题。今天晚上讨论这个话题来是“科技+教育”领域。各位专家老师可能来自各行各业，有交通的、能源的、医疗的、教育行业的等。好，那今天呢我们简单先几个专业术语，简单介绍一下。第一个是”云“，大家知道这个，云是天上蓝天白云的云，云是在天上它虚无飘渺。这里这个“云”指的是科技里面的“云计算的云平台“。那么云它能赋能？这个云是有能量的，它可以赋能，指的是在云平台里面的云实验。这是科技的一个术语。另外一个，那么从事于教育行业都知道，高校教育来它分为理论教学和实践教学这两个，理论教学呢，就是上课上理论课。那么实践教学呢，就是我这里面写的胶片上机实践，就是上机实验和操作。我们说实践是是检验的唯一标准，光上理论课没有实践课，无法培养出应用型的人才。所以今天我们这个一个核心的理念呢，就是用新技术”云平台云实验“赋能实现高校教学新实践。云赋能高校教学实践实践教学有四个方面的话题，先讲第一个：一是高校教学实际的挑战。高校教学实践就是高校里面这个实验室实验的装备设备它有什么呢？有什么样的问题和挑战？第二个是云平台赋能教学实现的一个解析。主要是这个云平台，它如何去赋能高校里面的教学实践，关键词是上机实验这个。第三个，就是云怎么去重塑高校教学新实践这个案例分享。这地方我会通过两个典型的案例。在座的各位，今天晚上共享的各位分享一下我在这个教学实践中用云来赋能的教学真实的案例。第四个，建议和展望。我们先看第一部分，高校教学实践存在什么样的问题。第一个是实验设备困境问题。困境的现状就是设备超期服务，公办的这个学校可能还好一些，而民办的这个教学的教学实验室，这个困境的困境就比较严重。还有专业设备研重缺口，特别是新技术，像云计算、人工智能，这些专业的设备。很多高校的实验设备跟不上。还有人机实验时机，这个上机的时间问题，学生的这个上机实验一般是16个课时，那么没办法保证这个上级实验这个教学的要求。那么是什么原因呢？主要是硬件更新，周期太长，一般的是硬件更新了，大概是五天。导致个技术先行而实践落后，跟不上学的新知识，实践它跟不上。第二个，实践设备服用率比较低。像原来这个计算机，它可以做c语言sqlserver这样一些高校的上机实践和实验培训。那么云计算、大数据、人工智能这几个课程，它需要专用的设备，利用率相对来说低，那么还有维护成本比较大，这些这个设备一般都比较贵重。特别是民办大学的这方面影响是更为严重实验设备的问题。那么这地方我举了一个典型的案例，是一所高校的，它有六台GPU,其支撑200名学生。学生排队时间比较长，那这地方这个高校有GPU还不错，那么大部分学校呢，它的服务器都是CPU，不是GPU满足不了这个现在这个新技术学生上机实践的要求。第一个是设备方面的欠缺。第二个，新型技术教学手段的一个比较滞后。教学手段，那包括了这个新技术课程的实践教学，它跟不上，在这个智能化、数字化这样一个时代，大部分学校来缺乏这个教学实践。特别是高校有云计算、大数据以及人工智能这样一些新一代ICT基础的课程来实验设备是跟不上的理论课程讲完以后。老师要指导学生实践操作，那么缺夯实际的硬件环境来，没办法培养应用型的人才。还有大规模数据处理的痛点。那么现在我从事这个学校来是个民办陪办学校。那么学生呢基本上都是CPU,那么装一个数据库。云计算这个服务，还有这些个大数据，一些软件来讲，根本就跑不动。那么还有人工智能训练的重点，我们学校也有这个课，那么很多学校也会开这样的一个课。那么2025年的智能时代也已经来到了deepseek代表的通用大模型, 那么都要以这个高性能低成本，这样来开展一些教训和实践的工作。那么这个AI训练的模型搞科技的也不知道，那么需要CPU GPU处理，甚至是NPU。提供算力这方面的一些支持，教学实用手段这方面的。第三个，高校存在的挑战，就是人才培养质量的危机，一个是岗位适配率现状来相对来说败。就是说这个培养出我们要培养应英型的人才，你光上来理论没有实践。学生出来以后找工作相对来说呢是不太比较困难的。很多的企业要有工作经验的，要有这个实践操作的，或者有项目经验的。那么企业在培训的成本它会增加你这个在学校里面没培养。好到企业的话，他会再次培养。那么增加企业的这样一个成。人才培养质量这样一个的一个危机。那么我们讲通过一些大数据的一些研究，来专家诊断出来，这个结果来也是这样的。云化的实验平台成为弥补惨教，就是企业用人单位和我们教例子教学这方面鸿沟的一个关键桥梁。云化的实验。这个平台，所以我们说云它具有不能重塑这样一个功能。那么这是第一部分的这个高校教学实践，这地方主要是实践里。挑战，主要是那个设备的问题，设备的问题，还有一个教学工具的。还有这有还有人才培养这个质量，这方面要校企合作，这方面培养出了人才，来满足了企业的要求。所以现在加上现在工作又很难做。所以我们学校来各个学校来都培养，希望培养出来是应用型的人才出去能为企业去工作和干活的。企业才给你发一份薪水，然后这样的话才探求的可以。第一个给高校这个在教学实践方面的一个挑战。那么第二个问题嘞，看到这个云平台了，我们教学的实践。这个云呢，刚才说它是天上比较。他怎么能去赋能个教学实践，来弥补高校教学实践这样一个。这样一个短板来，我可以简单来解析一下。我们云平台这个云实验，我们简单介绍一下，在我所在的这个高校的实，我们用的这个云平台的实验室用的codelae这样云实验的这样一个。键是华为云官方实验的一个平台，它可以一键去创建这个实验文件。我们的语文课的上机的学生来可以通过实验手册快速体验这个云。在云端实现云实现这个云服务的这个实践，还有调测验证。它是一个轻量级的。那么对学校来说，它是一个轻量级的投资，有一个华为的云账号。那么只要有学校，只要有这样一个教育，这个网络，学生老师都可以通过这个网络一及，通过这个账号然后登录到这个华为云实验平台上去进行实验。对学校来说，它是一个轻资产的一个操作，而且不需要去备顾。这是云平台，这是一个实际的一个截图。那这个云平台这个云实际上有什么优势呢？我们说它是零硬件的，对学校来说，对学生来说都是零社会的零硬件的图。免去了这个维护的成本，那么24h随时远程可以访问，而且是在真实的云环境中操作。那么还有一个智能检测这个实验记录，可以生成这个实验报告，智能问答还可以在线去问答。一个T验来帮助大家快速到云上去，完成教学实践的这样一个T验。这地方提出一个秒级构建环境。当你一键进去以后，它会发现这个服务会生成一个华为，也是用这个云计算的虚拟机这样一个技术。增成一个虚拟机这样一个秒级，这个环境中可以快速的去构建。还有这个弹性来可以去伸缩，这是都是云计算的一些特性。那么在华为云实验室上是可以实现的。嘿。那么云实验因为告求这个教学教境、环境服务，还有一种模板，只能看法。I小助手这个云实验平台上都可以去实施。那么语音实验用一个教学的流程，实验流程可以再造老师引导学生去实践。学生可以启动这样一个实验，而且可以生成这样一个实验。那么云实验与传统实验一个对比来。这样的话我简单总结了一句，它解决了大学高校缺乏实验设备的这个配件。如果在座的有我们高校里面的，不管是民办还是。民办特别是民办严重缺乏这样一个新科技的一些实验设备也跟不上了。那么它可以解决这个实训学生实训实验设备这样一个出细的投入。那么传统的实验设备投入比较多，准备的周期也比较长，资源的利用率相对来说比较低，而且投入这个设备，它要跨课程c语言学习java语言要学习。那么云计算、大数据、人工智能这些课程来它也要用，还有跨课程及支持，还有维护成本。这地方我就不细说了，维护的时间大概也是八个小时。就是一主要是解决了大小高小缺，夯实验室被这里。语音赋能这个实验成本简单进行了一个分享，缺乏资金投入到实际物理设备周期的民办大学，特别喜欢这样一个华为的云实践云实验平台，它是个低头。高产出的这样一个结果，这是解读了一下云平台，为啥能赋能教学实践这样一个话题。这是我们今天晚上介绍第二部分内容。那么接下来呢，用前面这个困境挑战，还有我们这个云赋能教学实验上机这样一个解读来。我喜欢的两个这个案例，云则去重塑，这地方是重塑，重塑相对于传统的那种上级实验来说。好，我们还是新实践，不能重塑高校教学新实践这一个案例的一个分享。一起来。这个地方就语音平台来。我们如果你是搞科技，没有从这里教育的话，简单还要说一下这个华为st学院呢，它是一个企业，这就是你所在处的。产业企业公司，那么这边是一个高校，这个华为ict学院这个平台，它是一个桥梁，能够。怕能够穿透这样的企业，高校产生一个校企融合、财教融合的这样一个效果。那这个有了这个华为IT学院，华为这个云平台过来有这样一个条件以后呢，我们接下来我们举两个例子，第一个是我在实际的教训。是物联网工程专业的云计算这样一门课这个实践教训。看看华为这个云实验云平台，怎么怎样实现了云计算这样一个实践教训。我们使用新的技术就是领云平台重塑教学实验课程的一个教学改革。为此来我在我们学校来做了一个云ICT云平台云实验来。然后赋能云计算课程这样一个教改项目，也是这个实验。这个平台也可以对我们的老师来说呢，也可以做一些教学改革的一些项目。好，那这地方我设的是23/05/18，西安的地法大学华为华北正式获得了学校。过道优先级华为ICT学院这样一个授牌，有了这样一个华为ict学院的授牌的话就可以使用。在华为这个连续资源证明，这次说可以是这样一个词语。那么2023年我也在这地方上课，原有的这个环境来这个云计算的环境来自有计算机，实验室，自有计算机没有。服务器更没有交换机口和武器，这些方法是a那么这个云实验来这个云计算实验室。打错了，你只有一台服务器，这台计算机是八g内存的。那么严重制约这个教学的时间。那么我们获得这个华为优选，其实st学院这个牌子也过来，就可以技术用这个云平台来重塑。教学实践。那么23年我们就获得这个华为at学院这个授牌。那我本人来获取这个华为HCIA这个证书，还有这个华为的教师这个证书，同时我们培养了30个超过30个人的证书，这样一个学生的获得华为这样一个证书。然后我们就获得了这个a这个华为SA学院这样一个授牌，有这个资源，以后可以带领学生，那么。202024年就开始用华为云平台进行云计算的实验学生能够更加贴近这种原生的开发环境，学生也感到非常的满意。这是我的一个ai的局限和这个重塑教学实践一个表述。下面我们看一下这个实验现场。这是物联网云计算实践课程的一个实验现场。那么学校生来用自己的电脑，用自己的电脑，然后通过这个账号，然后。到我华为云平台上去做相关的实验，这是云平台14~11个效果。好，那么这是真实实的这个实验。现场好，实验完成率呢也提升了学生的复杂问题，也提升了学生通过这个云平台做完实验也可以参加。来把ict打散，因为同学来获的是陕西省三个将。那么物联网这个云计算实验来教资实践的一个见证。这是华为原营是个实际地方。这里面的这些实验都可以去做云平台的颠覆性来。那么有位老师提到，华为云物联网平台，让我们用了10分c的预算，建成了原来不敢想象的。这个实验室这样见证了云平台对实施建设的重大的一响。这是物联网专业在云计算这个课程上的教学实践。那么第二个案例就是智能专业，实际教是本科好几个专业，智能专业。那么人工智能技术这门课。它的实践的一个教学，那么理论教学类课堂，这地方把图片因为涉及到个人隐私，这里三处的比。现场的一些实际的照片，还有上机实验学生的一些作品。在这地方他学完这个理论课以后，然后到华为这个平台上去进入华为人工智能相关的那个实验室，可以做得非常好。这个作品也表现的非常好。那么其中有一个实验是去年底从人工智能课智教流实践学，从上机实验的这样一个我们用我这个amp decuter脸谱风格图生图这样。代个实现这个图，这个实验呢是基于还源的这个平台上，通过这个学生来能够掌握modeus原开发平台上进行代码开放的调试。这个实验这个地方可以按照这里删除的。现场实际的照片，学生上级实验兴趣和积金非常高。因为它是一个原土生土的，我要求他拿一本书对着自己，然后他生腾。跟一个卡通式的非常有意思的这样一个图片，相当于自己的学生上级的时间兴趣、积极性非常的高，对自己的实际的作训也非常的满意。好juern学校教训了大刀。
【干货分享】数字文旅大数据解决方案
背景介绍： 说到文旅，我相信朋友们都喜欢出游，或者是有过旅游的经历。文旅作为我们国家的生产服务业，在2023年才逐渐恢复常态，恢复到一个比较好的趋势。在过去，从2018年我们国家文旅部做了一个融合，现在已经是文旅融合这样的一个大的趋势。我们在给地方政府文旅局去做信息化项目的时候，也会发现很多的问题。今天，借着JDC这个平台跟大家分享。分享内容： 近几年，我们帮助地方文旅局利用大数据去发现文旅行业所面临的很多的问题。比如某些地方，我们会在有很多游客聚集的位置标成红色，因此这些地方就需要我们文旅局的决策者更加注意。一、智慧旅游大数据平台解决方案 很多地方文旅还是作为政府发展经济的一个抓手。但是在这个过程当中，其实我们还是能发现很多问题，比如如果我们去到华东地区，最烂俗的产品是什么？是古镇。去北方最烂俗的是什么？是玻璃栈道。我们去很多地方都能看到这两个景点，作为旅游的吸引物出现。有些玻璃栈道为了吸引游客，他也会在游客在上面走过去的时候，故意会出现玻璃破碎的声音来吓唬游客。这种效果后来被很多地方模仿，这其实就是一个品牌定位出现了问题，大家都去效仿，其实你的吸引力就没有那么强了。所以这是景区面临的一个同质化的问题。所以我认为大家对于品牌的目的地的认知可能还没有达到一个很高的水平。 游客的拥堵其实也是很大的一个问题，包括我之前在安徽黄山这个景区，游客非常的爆满，后来临时采取限流措施。所以如果有大数据，就可以很好的去帮助地方旅游的决策者解决游客的疏导问题。所以我认为大数据更主是要有预知未来的能力，不是说游客到了之后，已经发生拥堵了，我们再去解决，而是说我们提前，在游客出行之前，我们就已经在2~3天已经知道大概有多少游客即将到达景区。所以这是我认为大数据有魅力的地方，也是我们现在已经做了很多地方的一个经验。当然，我觉得除了游客的疏导，其实还要提供导游导览导购导航这样一些基础的功能，这样的话游客他能知道我如果是去了景区我该怎么走？那我以什么样的路径为之快，这些是我们针对游客提供的一些服务。 所以大数据，其实我们做了很多应用场景，在这里，也跟大家简单说一下它的这个简单的逻辑：每一位其实都会有手机，在手机上也下载了很多的APP应用，会允许获取位置和轨迹信息。那么我们就可以知道游客到底从哪里来去了哪里，这也是我们做旅游分析非常重要的数据源。特殊说明一下，就是我们尊重个人隐私保护，我们非常看重数据安全，会对数据进行脱敏。 当然，很多游客特别喜欢去某一个目的地，但是这个目的地又比较拥堵，那怎么办？这时候我们要把很多的游客疏导到相对冷门的景区，所以通过大数据，如下图红色的部分就是人流比较多，我们发现这个问题之后，景区就会提前部署。那么比如说通过接驳车或者是门票的优惠，或者是其他的营销活动，把游客去疏导开，这样保持我们的游客在峰值的时候没有超过最大承载量。而游客去了冷门的景区，相对冷门的景区之后在承载量下来之后它又返回来去可以继续去旅游。所以这是也是有一个热门路线规划，也可以给管理部门提供一个供给侧让他们去去调整路线。 还是要有针对性，文旅局会针对60后、70后、80后、90后年龄不同的人，有不同的喜好，所以要做到有的放矢。我们会找一些已经来过这景区的一些游客，把它作为种子用户，来分析他们的性别、年龄、偏好等等，再把我们这些基础数据作为种子包，进而通过我们的dmp的数据平台。再去找到跟他有相似喜好的同类人群，把同类吸引过来，针对这批人群，可以做有针对性的一些营销活动。 那么针对这批人群，可以做有针对性的一些营销活动，所以这是大数据在旅游营销中非常典型的一个应用。当然这些也是有很多的游客画像，比如刚刚我提到的性别、年龄、喜好，当然还有驻留时间。那为什么要分析驻留时间？就像我们购物去买东西一样，如果是你去了商场，你站在一个商品之前久久不愿离去，或者一直徘徊看了很多遍，那么其实，就证明游客对于它会有非常强烈的兴趣。所以我们认为这样一批潜在的客户，就要针对他做一些数据营销。所以，我们要做一些驻留时间的分析。当然，文旅其实还有很多它的，就是地方政府会关注文旅的招商引资，那么它的文旅也会有上游下游产业链，那么去通过招商去把补足它的产业产业链上的不足。二、智慧景区平台解决方案 面向景区也会有很多的解决方案。那其实大家也都非常清楚，比如说VR导览、云旅游，那么其实云旅游，在之前非常火。就是人们可以通过手机身临其境得好像是到了景区。这种方式就非常新奇。再就是无接触购票的人脸识别，这些就非常常规了。三、游客服务平台解决方案 以前互联网没有那么发达的时候，我要想去旅游，我可能会去旅行社，可能问比如说哪里好玩，，我会问他多少钱，他会告诉我，然后旅行社带我去。现在的景区不一样了，现在我可能直接会去线上自行搜索，自行去研究一下攻略。所以，现在大家旅游的方式，也发生了很多的变化。在线上可以也可以有导游、导览、导购以及导航这些基础的功能，甚至还会包括语音讲解。——————————Q&A环节——————————Q1：多个的文化旅游平台能否实现这个数据共享？大数据或者是大模型，怎么利用巨量的数据获取有价值的信息？（社区昵称：gyng 提问）答：我们在做信息化的时候都面临到数据共享和数据交换，我认为是整个数据管理的一个非常核心的一个问题。那么我们在做地方信息化的时候，从文旅的角度，除了一方数据，两方数据，还有三方数据，政府数据，企业自有数据，包括还有很多的数据。采集过来的数据，既包含了个人的数据，还包括很多很多的数据。那么这些数据，如何去把它形成一个有价值的东西？我们其实也有自己的数据管理平台，叫数据中心。大量的数据汇聚过来之后，我们还要做很多的工作，比如要做数据的质量管理，很多数据过来我们要剔除重复的数据，做数据的挖掘，那么还有一些数据要做融合。Q2：文旅大数据如何和AIGC联动，然后实现更多的大模型？ （社区昵称：Shuhow 提问）答：除了知识搜索，就是解决游客旅行过程当中需要的信息，然后可以跨时空让游客去体验。那么其实还有一个重点就是大模型给地方政府的一些工作人员提供了一个很好的一个工具，一个很好的抓手。因为过去其实很多时候，政府写报告或者是材料，都需要大家去想去琢磨，有了大模型之后，就可以去自动地生成，根据所有当前这个城市的旅游的特色、文化的优点，包括政府自身对于营销、对于品牌，对于它提升游客体验的一些想法......把这些都输入进去，最终会生成一个非常好的策划文件。所以，大模型在这方面也发挥了很多的作用。Q3、大数据方案就是如何提高这个安全性的保护个人隐私？（线上用户提问）答：其实我们做了很多的处理，国家在2016年的发布了人隐私的保护法。所以，我们遵从隐私保护法的一个精神。我们自己本身采集了很多的数据，数据拿过来之后，我们要做很多的处理。那么我们首先拿到的就是大家的手机号。这个手机号，我们要脱敏，通过加密手段把它变成一个另外的标识，这个标识可能让人只知道这是一个设备，但不知道具体是哪一个人的。然后大数据其实也对数据分析做了一个约束，就是只能允许对个人、对群体进行分析，不允许针对某一个人去做分析。所以这两者，其实也从一定程度上去规避了安全问题。另外一个，我们要做很多标签化处理，就是把很多的数据拿过来之后，我们要分门别类，比如说它是属于男性的，或是属于女性的，他的偏好是怎样的，要做很多标签化。在这个过程当中，其实又把很多的数据做了很多的清洗，所以整体数据的处理，我觉得还是非常规范的。Q4、各地文旅的突出痛点主要包括哪些？（用户昵称：大道至简 提问）答：我认为每一个城市遇到的问题都不太一样。有的地方希望有更多的游客到我的城市来玩，有的地方可能觉得我的品牌、我的地方明明有很好的旅游产品和好玩的地方，但是大家确实又不知道。比如我前年的时候去了这个L市，我就有非常深的一个感触，L市其实它文旅口号是说：大圣故里西游圣地，就是花果山的一个原型。其实就在这个L市，我还特意问了当地的朋友，说这个城市这么好玩，我说去不去一起玩一玩？人家说你不用去了，我说为什么？他说这个山上都没有猴子。所以我认为这就是暴露了当地它文旅的一个问题，就是说可能你有这个品牌，但是你的后端服务又跟不上。所以，我觉得有很多地方可能确实有好玩的地方，但是客流又没有那么多，所以吸引客流过来是一个非常强烈的需求。还会出现一个品牌认知的问题，就是大家不知道去品牌营销以及如何去让品牌去触达更多的用户。所以我认为利用数据，其实就能很好的解决问题。就比如说那我要有这个有这个航空的数据，我就知道哪一些城市的人，他乘坐飞机来我的城市会比较多，那我就要在飞机上面，做一些营销的活动。同样的包括高铁、公共巴士，其实都可以做很多的营销策划。JDC公开课系列活动主讲人正在火热招募中快来分享你的专业，与JDC一起成为数字化传播大使，还能赢取丰厚智豆奖励👉快点击此处报名成为主讲人吧！👈往期干货分享：【JDC公开课第1期】海涛2《医疗行业新兴技术4大创新应用案例分享》👉点此跳转
【干货分享】基站节能，竭尽所能
一、分享主题介绍：本次分享主要从在运营商负责无线基站节能自身的工作出发，浅谈一下当前运营商无线基站的节能情况。分享主要包括无线基站节能的背景、现网是如何节能的、以及节能过程遇到的一些问题矛盾，最后谈一下个人对基站节能的一些未来思考。关键的结论有以下几个方面：1.基站节能面临多重压力，包括国家双碳站点战略、上级的考核要求和自身成本压力，促使运营商在节能方面采取了多种措施，如极简改造、主设备软硬关断、空调远程智慧节能、老旧设备拆除和高能耗设备更换等等。2.目前运营商面临的主要问题包括空调节能导致的故障率增高、客户投诉和安全风险，需要在不影响安全和减少客户影响的前提下，优化节能措施。3.未来节能方向包括智能控制、场景优化、联合研究和准确的节能评估体系，以解决当前受限条件下的节能问题。二、基站节能的背景近年来，运营商对于基站节能的要求越来越高，主要的背景来源于几个方面：1、国家双碳战略：虽然运营商不在双碳战略的主要行业，但对于总体战略上，国家有一些要求，如下：（1）到2025年，新建5G基站站址共享率不低于80%；（2）5G基站能效提升20%以上；（3）积极探索利用可再生能源，如加大绿色能源推广使用。2、上级考核要求对于国家战略的要求，加上5G大规模应用后电量的急剧增长带来的压力，以及公司本身的成本压力，运营商可以说自上而下加码要求落地节能措施。这一点目前主要体现在主设备节能和总体能耗的要求。（1）厂家软关断节能开启比例：一开始只是节能动作要求，全网要开启节能，但是节约多久，什么效果没有具体的要求；（2）节能时长的要求：进一步，在节能参数开启的基础上，增加了节能时长的要求，比如4G要全网达成日均1小时以上，5G要达到3小时以上，这样就要求在闲时必须要执行节能；（3）能耗压降的要求：再进一步，只是时长还不到位，总体能耗趋势可能不受控，所以要求针对比如不同频段，要求有不同的能耗压降；今年又增加了针对整个机房的总体能耗压降要求，就针对的不只是主设备，还有配套的电源空调等等，以及电价涵盖进去。3、成本压力深圳基站电费成本缺口较大。虽然基站的总体用电成本逐年要求下降，但目前25年可能是最难的，以后可能更难；像深圳目前电费缺口大概5%-10%，千万级的。所以在国家战略指引，上级考核要求的基础上，电费自驱力节能也更高了，因此有了标题的竭尽所能，做好基站节能。三、现网基站节能手段目前无线基站方面，节约电费的主要从电价和电量两个角度出发，主要有以下几个方面：1、电费角度（1）业主电费谈判；因为深圳目前较多的是转供电，需要通过管理手段，协商业主，降低电价；可能会影响租金；（2）转供电改直供电；目前直供电和转供电差价较大，且深圳直供电比例较低，因此需通过外电整改和物业协商，对现有站点直供电改造，对新建站点要求必须直供电，以电价差节能。需要以投资换取电费；（3）峰谷电价差的评估更改：针对直供电站点，通过统计分析，确认平价和峰平谷电价对于站点哪种更节能，与供电局更改电费计量方案；（4）光伏储能改造：通过对基站天面增加光伏，在机房内增加储能电池，将削峰填谷做到更节约电费；目前广东规模应用的是光伏，因安全考虑和分成模式未批量纳入储能；2、电量角度（1）极简站点改造：去机房化，节约空调电费；同时节约租金；（2）主设备软关断节能+硬关断节能；通过对闲时关闭主设备，节约电量；（3）空调远程智慧节能；通过加装远程控制器或者FSU控制，对空调在温度允许范围内，自动启停节约空调电费；（4）老旧设备拆除退网（2G设备、直放站、WLAN、UPS等）；针对老旧的设备下电退网节约电费；（5）高能耗设备更换（开关电源、空调等）；通过更换新设备，提升能耗转换效率，节约能源；（6）新风系统改造；通过机房改造，将新风系统与空调联动，在允许情况下，切换新风系统节约电费；（7）其它我们还试点了带电清洗开关电源提升能效、液冷板空调节能、浸泡BBU节能等，但没有规模化应用。接下来具体点讲一下最主要的极简改造和主设备节能：1、基站极简改造：投资换电量主要针对高租金高电费的站点优先极简，包括铁塔站点，先节约空调电费。CRAN（C-RAN）基于集中化、协作化处理，通过电源、传输和空调集中化或室外化，减少设备能耗，节省电费。实际极简改造需要增加较多的传输投资和后继的传输维护成本，且节能效果和退租谈判不是特别乐观。2、主设备软硬关断节能：具体节能参数包括参数的基本功能、参数如何配置。目前网络支持的节电策略，主要分为以下六类。其中主设备厂家5类，另外硬关断是远程增加开关断电节能。（1）硬关断：硬关断需要在基站近端安装某厂家的设备，物理上对射频单元进行断电。这个可以简单理解为定时开关电源。——节能效果100%；（2）极致休眠（需要License和设备支持）：相当于定时开关机，一旦生效，不到结束时间，无法唤醒。极致休眠生效后整个AAU关停，AAU所带4/5G小区均受影响，所以如果同站没有其他频段，可能会出覆盖问题，故要慎重进行极致休眠！——节能效果95%以上；（3）深度休眠（又分定时休眠+基于负载的休眠）：深度休眠生效后，系统会自动设置小区状态为禁止接入，用户无法接入。——节能效果40%-80%（4）载波关断-4G/浅层休眠-5G（系数0.5，基于负载）小区级载波关断，24小时都可以触发；载波关断生效后，系统会自动设置小区状态为禁止接入，用户无法接入。基于负载的判决门限同深度休眠。——节能效果20%-40%；（5）通道关断（不算节电时长）比如64TR降为32TR，节能生效后，业务性能会打折，不影响小区用户接入使用。（6）符号关断（不算节电时长）节能生效后，业务性能会打折，不影响小区用户接入使用。备注：硬关断需增加硬件投入，投资或者成本换电费，软关断无本经营，牺牲性能和流量。3、老旧拆除替换节能：以成本换电量主要针对2G的主设备、直放站设备、WLAN设备进行拆除退网，直接节约电费；针对UPS设备，当前备电时效，存在安全隐患，一般直接拆除更改电路，减少能耗损失；4、针对现网超期服役的配套设备更换：以投资换成本主要通过投资等，更新换代电源、空调和拆除UPS设备，其中电源、空调焕新后，能耗提升，节约电费；5、空调智慧节能——成本或者投资换电量通过增加空调远程控制器和温感设备，设置策略来自动启停空调（当前28-35度实施节能）；6、新风系统改造通过增加新风系统，与空调切换，减少空调功耗。四、节能所遇到的问题矛盾前期空调节能导致安全和设备节能导致故障、指标问题和投诉。本身节能不影响安全隐患是前提，同时尽量减少客户影响和。但实际操作中，因为考核指标一刀切，那执行节能一般也是统一规则，针对个性需求会有影响。1、因为当前上级考核时长的要求，大多节能措施是一刀切的时间和门限，导致每天都有客户投诉；2、因为空调当前基于温度启停，部分35℃门限可能设备已高温；且空调频繁启停影响性能，增加故障率；3、设备频繁启停导致设备性能和寿命影响；4、前期试点新风系统，发现在类似广东地区，不实用；5、储能、光伏包括节能等措施，主要限制的能源合同管理的谈判分成限制。五、未来节能的一些思考在节能实际操作后，为解决上述遇到的问题，在节能和性能、安全获取平衡，更好的评估节能，有以下的思考：1、基于场景研究参数优化在全网统筹确定标准参数后，分场景研究各类场景的个性化门限和时间范围，给出最终应开尽快的节能设置；基于目前厂家参数部分互斥（极致和深度只能24小时一次）、极致影响夜间工程等，与厂家协同改进参数设置；针对现在参数调整复杂且涉及较多，与省公司和厂家协同优化流程，在安全的前提下，建立灵活的流程体系；基于电费选点更新规则；2、基于iSDU、硬关断研究软硬结合与华为在深圳进一步小批量试点ISDU，将软参数设置和上下电结合，最大限度节能；针对现有的硬关断设备，与软参数交叉确认，通过最终参数执行时间，优化硬关断时间；通过代维调整极致支持设备与硬关断设备，扩大高效果的硬关断和极致休眠数量，建议优化体系。3、基于FSU等空调控制研究联合研究当前空调设备的节能下探，与主设备节能、前期的新风系统等结合，通过后台判断、调整空调位置、更换能耗低空调和调整节能参数联动设置，提升空调节能效果‌。结合后记安装的FSU监控设备，将环境、设备节能时间、空调节能设置结合，给出全机房节能优化方案。4、基于网管和电表研究效果统计当前参数调整与能耗效果实际可能存在误差，计划针对厂家网管和现场电表测量对比确认找出各节能参数真实能耗对应，可以有效预估实际节能效果‌。针对基站总体能耗降幅情况，与物业联合研究电表、机房、设备的对应关系和节能参数关联性，给出评估体系建议。总体目标：解决受限条件，竭尽所能节能1、解决合同能源管理模式：包括储能、光伏、新风、液冷等等节能手段才能大规模应用；2、要以高电量高电费引导节能措施；3、横向学习其它行业，纵向要求合作方。以上就是我这几年针对基站节能的一些分享，其实节能走到现在，最主要的还是压力的促进，从运营商本身，开始是没有驱动力的，财大气粗。但实际节能确实与安全、性能和客户感知关联，我们在面对节能的时候，缺少了规划统一，并且受制于审计等问题，很多节能规模化的方案没有被应用，也希望能借鉴其它行业的先进经验，推广应用。
【干货分享】从“系统构建者”到“业务赋能者”——省级妇幼信息系统建设实践
各位JDC社区的朋友们，大家好！荣幸做客JDC公开课第48期，在直播结束后，趁着余温跟大家进行干货资料分享。 这或许不是一个标准的ICT技术分享，但我相信，对于所有致力于用技术解决复杂现实问题的朋友来说，其中的曲折与启发或许会有共鸣。 在我们信息化建设历程中，可能很少有项目是自己建设为了自己使用的，因为大家大多是技术人员，系统的使用一般都是业务人员。我这次的项目就是如此，在项目建设时期，作为甲方项目经理，负责项目的实施和双方对接。在系统建成后，我调入业务部门，恰好建成的系统为我所用。所以我今天围绕省级妇幼信息系统建设这一话题，从立项到实施再到应用，从“系统构建者”到“业务赋能者”的双重视角来重新回顾一下我所经历的历程。一、项目立项阶段1.为什么这件事必须做？ 从管理角度来看，妇幼健康一直是公共卫生中最核心、也是最敏感的领域之一。提到妇幼健康，很多人会想到母婴安全、儿童保健，但这背后其实是公共卫生的底线思维。我们常说的孕产妇死亡率、婴儿死亡率、出生缺陷发生率……这些不仅是冰冷的数字，每一个小数点背后都可能是一个家庭的悲欢。 在我参与管理全省项目之后，才真正感受到数据质量就是生命质量。无论是孕产妇，还是儿童，都属于重点人群，对健康管理的及时性和连续性要求非常高。一个迟报的孕产妇死亡个案，可能意味着某个偏远牧区的急救网络存在漏洞；一个漏管的出生缺陷儿童，背后可能是一个家庭长期的贫困。因此，建设省级系统，不是为了追求技术的先进，而是为了建立一套持续、可信的数据感知体系，让管理的人的判断有据可依，让资源的投放有的放矢，让政策的干预精准有力。 所以从管理角度看，妇幼信息系统不是信息化项目，而是治理工具，不统一数据，管理工作是很难真正落地的。2.为什么要按照这种方式来做？依据是什么？ 从国家层面来看，医改已经非常明确地提出，要建设国家、省、市三级卫生信息平台，并且以居民健康档案和电子病历作为核心基础资源。这也意味着，信息化建设的重点，不只是有没有系统，而是系统能不能支撑业务应用，能不能实现互联互通。在这个体系下，妇幼信息系统并不是一个临时起意的项目。 国家层面已经制定了比较明确的业务规范和政策文件，对妇幼保健机构开展哪些业务、建立哪些科室等都给出了清晰的方向。所以从政策和行业角度来看，妇幼信息系统建设，是一项有依据、有规范的工作。这些文件，在与各盟市、各机构沟通时，往往比我们自己的技术方案更有说服力。 3.为什么原有方式已经不太行了？ 在信息科工作的前几年里，我见证太多的信息孤岛。比如产科的电子病历、儿科的保健系统、国家上报的平台……它们之间数据不通，同一份孕妇信息，要在不同系统里重复录入。而到了省级层面，这种碎片化被进一步放大：各盟市基础参差不齐，数据标准不同，甚至业务流程都不同。基层的医护人员为了应付各种报表，常常需要手工汇总、辗转抄录。 我们曾调研过一个产房的信息员，每月需要向不同系统填报近十份格式各异的报表，大量时间消耗在数据搬运而不是护理服务上。这种模式下的数据，质量可想而知，更谈不上连续性和动态管理。所以，“原有方式不行”不是技术判断，而是业务现实下的无奈结论。4.我们建设的目标到底是什么？ 启动项目时，我们花了大量时间反复问自己：最终交付的究竟应该是什么？是一个功能齐全的软件吗？是一堆服务器和数据库吗？后来我们达成共识：我们要交付的是一种“管理能力”，并不是简单地做一个系统出来。它也不是为了用系统去替代人工填报，或者只是把原来的纸质流程电子化。从管理角度看，真正的目标是支撑妇幼健康管理工作本身。也就是说，数据要能够统一，业务过程要能够追溯，管理层面要能够监管和分析。这种能力体现在三个层面：第一是“看得见”，管理者能实时、直观地看到全省妇幼关键指标的动态，而不是等待季度或年度报表；第二是“管得住”，当发现某个地区孕产妇建册率骤降或高危孕产妇漏管时，能快速定位、下发任务、跟踪干预； 第三是“用得上”，系统中的数据能真正用于分析趋势、评估项目、辅助决策。因此，系统的成功与否，不在于上线了多少功能，而在于管理者是否开始用它来开会、用它来部署工作、用它来追问进度。 5.建设目标具体是什么？ 首先，从对象上看，全省妇幼信息系统始终是以妇女和儿童为核心的，不管是儿童、孕产妇还是更年期妇女的管理，本质上都是围绕同一类人群，提供长期、连续的健康管理服务。第二，从业务范围看，系统需要覆盖妇女保健、儿童保健、围产期保健，以及相关的综合管理工作，而不是只解决某一个单点问题。第三，从管理角度看，一个非常重要的目标是数据标准统一，尽量减少重复填报，同时让业务过程可以被追溯，最终形成一个完整的管理闭环。最后，从使用对象来看，系统既要服务基层的日常业务，也要支撑省级层面的监管和决策。不是让大家多做事，而是把同样的事，一次做好，并且持续用好。 6.这个系统在整个体系中到底扮演的角色 这个定位是我们与各方争论最多的地方。很多医院以为我们要取代他们的HIS或电子病历，基层单位以为我们要做一个万能的全科系统。我们反复澄清：我们是平台，是连接器。我们不生产临床数据，我们只搬运数据。医院的信息系统负责在诊疗过程中采集最原始的数据；我们的省级平台负责把来自不同流水线的数据，按照统一的标准进行组装、校验，形成完整的健康档案。我们的核心价值是标准化、汇聚、协同与赋能，而不是替代。解释清楚这一点，才避免了与现有系统的正面冲突，找到了共赢的切入点。所以我们要做的全省妇幼信息系统，并不是为了替代医院现有的 HIS、EMR 等业务系统。它也不是某一家机构内部的信息化项目，而是一个覆盖全省的妇幼健康业务管理平台。从功能定位上看，它更多承担的是数据汇聚、业务协同和监管支撑的角色。也就是说，基层机构在系统中完成日常业务，数据在省级层面进行统一管理和使用，从而把基层业务和省级管理有效连接起来。所以整体来看，这是一个服务业务、支撑管理的省级平台，而不是一个单纯的技术系统。7.系统推进原则总体来说，是先把方向定对，再在实践中持续完善。首先，在整体思路上，我们坚持的是统一规划、分级实施。也就是说，在省级层面统一目标和框架，在具体实施过程中，根据不同地区和机构的实际情况分步推进。第二个原则是，始终以业务为主线，信息化只是支撑手段。系统的设计和调整，都围绕业务是否好用、是否可执行来进行，而不是单纯追求技术复杂度。第三个原则是，在统一要求的同时，也尽量考虑基层在人员、条件和能力上的差异。 最后，在推进方式上，采用分阶段实施的策略，同样也坚决反对“憋大招”式的开发，所以在这一次的系统建设上，我们采用敏捷思路，这与PMBOK思路一致，优先上线最核心、共性的模块，在实际应用过程中不断优化和调整。让系统尽快用起来，在真实反馈中快速优化。这要求项目组有很强的需求把控能力和版本管理能力，既要坚持主线，又要包容必要的灵活性8.系统功能模块 这一页的架构图，是项目蓝图。但我想分享的是蓝图背后的业务逻辑。不论从哪个点讲，我们妇幼工作就是以妇女儿童为核心，贯穿婚前、孕前、孕期、产后、儿童、妇女等全生命周期，设计的难点不在于功能模块的划分，而在于如何理清业务之间的数据流向和触发规则。比如，一个孕妇从社区建册到医院分娩，再到产后访视，数据如何在机构间无缝流转？这需要我们对妇幼业务有透彻的理解，并转化为清晰的数据状态模型和事件驱动机制。技术团队常说这是“业务中台”思维，而对业务部门来说，这就是我们梦寐以求的业务一盘棋。举个例子，有一名孕妇 所以前面介绍的就是项目初期一些内容，这些内容可以是初设、可以是蓝皮书，是背景，也可以是投标文件中的一部分。如果跳出“妇幼信息系统”这个具体项目，大家想一下，大家在写方案的时候，是不是也会遇到。 二、项目推进阶段1.识别干系人与预期从项目经理的角度看，更关心的是项目能不能按期上线，范围是不是可控，整体风险能不能压住。从具体实施和技术人员的角度看，更关注的是需求是否清晰，这些需求能不能通过现有的技术手段来实现。对业务管理部门来说，系统好不好用并不是唯一标准，更重要的是它是否真的解决了管理和业务中的实际问题。而对基层使用人员而言，最直接的感受是：这个系统是不是好用，会不会增加额外的工作负担。同时，作为甲方相关单位，还会关注投入和产出是否匹配，项目整体收益能不能最大化。所以在实践中我们逐渐认识到，项目推进的过程，本质上是在协调不同角色的合理预期，而不仅仅是把系统做出来。2.项目治理 在实际推进过程中，我们逐渐意识到，这已经不只是一个系统建设问题，而是一个项目治理的问题。这也是从“系统建设”走向“项目治理”的一个重要转变。“治理”这个词听起来很宏大，其实做起来都是细微功夫。 首先，需要尽量明确各类干系人的角色和关注重点，至少要知道，谁最关心进度，谁最关心实现难度，谁最关心业务效果，简单的说就是识别相关干系人并听懂他们的话。 第二，在项目初期就要形成一些基本共识和边界，比如哪些事情是必须要做的，哪些是可以优化的，哪些需求可能需要暂缓，其实就是对齐颗粒度。在这个过程中，不可避免地需要不断沟通和协调，在不同诉求之间做取舍和平衡。到后来我们越来越清楚，决策的依据，不能只看某一方是否满意，而是要看整体目标能不能推进。3.项目治理的具体实践 比如在项目实际推进过程中，我们并没有一开始就直接进入系统建设阶段，而是做的一项非常重要的工作，就是调研。 内蒙位于祖国北部边疆，地理位置非常特殊，东西长约2400公里，南北最大跨度1700公里，从阿拉善到呼伦贝尔市的距离跟北京到三亚的距离差不多，所以这一步还是挺辛苦的。我们前往了全自治区 12 个盟市，对各盟市已经在使用的妇幼信息系统进行了系统性的调研，同时也对各盟市的妇幼信息相关人员开展了培训和交流，一方面是统一对系统建设目标的认识，另一方面也是为后续工作打基础。 在整个过程中，各盟市卫健系统承担了非常重要的对接和协调角色。调研结束之后，我们将各盟市的情况进行统一梳理和汇总，并向上级部门行了专题汇报，为后续的系统建设和决策提供依据。 在完成对全自治区 12 个盟市的调研之后，我们对现状有了一个更加直观、也更加现实的认识。 首先，各盟市在妇幼信息系统建设上的起点差异非常大。有的地区已经有比较成熟的系统，有的还处在相对基础的阶段。 第二，即使是已经建成系统的地区，在功能侧重点和业务流程设计上也并不完全一致，很难直接通过简单整合来实现统一。同时，由于各地实际工作方式不同，业务流程本身也存在一定差异，这在系统设计时必须充分考虑。 另外，在调研过程中也发现，不同地区在信息化人员配置和能力水平上存在不均衡，对新系统的理解和预期也不完全相同。这些问题让我们更加清楚地认识到，系统建设首先面对的，并不是技术难题，而是如何在现实差异中找到可行的路。回头来看，这些前期的调研和协调工作，对项目后续能够顺利推进起到了非常关键的作用。4.项目推进我们当时做的第一个选择是，不急于统一系统，而是先统一共识。比如系统的建设目标就是要建立全区统一的平台，那必须要解决的问题就是新建和对接。第二个策略是，优先解决各地普遍存在的共性问题，对一些差异较大的个性化需求，比如对接宝贝计划、计划免疫等地方系统采取阶段性处理的方式，而不是一开始就强行统一。第三个方面，是在推进过程中，充分依托卫健委妇幼网络的行政协调机制，通过明确责任和分工，推动项目整体向前。回头来看，项目并不是一次性“设计完成”的，而是在不断推进和取舍中逐步成型的。5.案例分享 比如在调研过程中，E市已经建立了自己的妇幼信息平台，而且平台刚刚建成不久。从整体来看，功能还在不断完善中，同时也需要按照自治区层面的统一系统，进行标准和内容上的对接。在这种情况下，其实很难简单地要求他们推翻原有平台，直接全部采用新的系统。一方面，之前已经投入了经费和人力，如果完全推翻，前期的投入就等于白费了。另一方面，省级系统在标准和管理要求上，又必须逐步统一。 最终我们肯定是在尊重当地既有建设成果的基础上，引导他们按照新的标准进行对接，通过逐步调整和融合的方式推进。这个过程并不快，但相对来说是一个各方都能接受、也能持续推进的方案。 到现在我们自治区系统二期工程还未启动，但是鄂尔多斯地区已经率先把系统部署到了乡镇卫生院，实现了数据的全流程闭环。回过头来看这个案例，其实给了我们两点非常重要的体会。第一，信息化建设不能只盯着所谓的“最优方案”。在实际工作中，更重要的是方案能不能落地，能不能在现有基础上持续往前推进。与其追求一次性到位，不如选择一个各方都能接受、可以不断演进的途径。第二个体会是，尊重既有投入，本身就是项目推进的重要前提。不论是经费、人力还是时间，这些投入对基层来说都是真实存在的。只有在尊重这些现实的基础上，后续的协调和协同才有可能真正发生。这两点，都是在项目推进过程中，慢慢体会出来的，也对我工作思路产生了很大影响。 6.有些问题，技术只能缓解，不能替代在项目推进过程中，有一个认识是越来越清晰的，那就是：并不是所有问题都能靠技术来解决。简单来说就是技术是工具，但问题往往出在“人”和“组织”。第一个是认知不一致的问题。对不同角色来说，系统“应该解决什么问题”，理解本身就不完全相同。如果这个问题不先理顺，再好的技术方案，也很难真正被认可和使用。第二个是管理方式的差异。同样的妇幼业务，在不同地区的运行习惯并不完全一致。技术可以提供统一的框架，但很难直接改变长期形成的管理方式。 第三个是推进节奏的问题。有时候技术进度是可以加快的，但组织、人员和管理层面的准备，并不一定能同步跟上。这时候如果一味强调技术到位，反而可能影响系统的实际应用效果。所以回头来看，技术更多是一种工具，而真正需要花时间去解决的，往往是“人”和“组织”的问题。7.过程中值得肯定的点如果回头来看整个过程，虽然也有很多不完美的地方，但有几件事情，现在看来还是值得坚持的。第一，是把调研放在系统建设之前。通过前期对 12 个盟市的实地调研，我们对各地的真实情况有了比较充分的认识，这也为后续方案的制定提供了现实基础。第二，是在推进过程中，并没有急于“一刀切”统一所有系统。而是在尊重既有建设成果的前提下，给不同地区留出一定的调整和过渡空间，从而保证项目能够持续往前推进。第三，是始终保持沟通，而不是希望通过一次性宣贯就解决所有问题。我们逐渐把项目推进，当成一个需要长期沟通和协调的过程来看。总体来说，项目最终能不能走下去，往往不在于最初方案是否“设计得足够完美”，而在于它能不能真正被推动和接受。我们做信息化项目的都知道，设计的再好，推不动也是白搭。前面讲了很多关于系统建设、项目推进以及过程中遇到的现实问题。到这里，其实我想做一个阶段性的总结。系统建成，并不等于工作完成。真正的挑战，是系统有没有开始影响业务方式、管理方式，甚至是决策方式。 也正是在这个过程中，我们逐渐意识到，自己的角色也在发生变化。从一开始更多关注系统能不能建成，到后来越来越关注，系统有没有真正为业务赋能。这也是今天这个分享标题“从系统构建者到业务赋能者”背后的真实含义。接下来，我开始分享项目建成之后的一些内容。 三、项目建成后的影响 1.改变了业务开展方式进入系统应用阶段之后，一个最直观的变化，体现在业务开展方式上。 以前，很多工作更多是为了完成上报任务，数据往往是在事后进行汇总和统计。随着系统逐步应用，数据开始在业务过程中产生，管理也逐渐从事后统计，转向过程中的持续管理。基层医生下乡随访，要带上一摞纸质档案本，现场填写，回来再录入电脑，容易出错且滞后。现在，他们带着平板，入户后直接调出电子档案，现场录入检查结果，系统自动生成下次随访时间，并同步推送给上级单位。业务操作与数据采集合二为一，实现了“服务即录入，结束即上报”。对于管理者来说，过去月底需要电话微信催报表，现在随时可以登录系统查看实时进度。更重要的是，系统通过预设规则，能自动筛选出“未建册孕妇”、“逾期未访视儿童”等异常清单，推送给责任人。从整体感受来看，业务人员对系统的态度，也逐渐从“为了完成上报任务”，转变为“系统是否真的对日常工作有帮助”。2.管理视角的变化17 第一个变化，是从只关注结果，转向同时关注业务过程。过去，管理是“复盘式”的，看的是上个月、上个季度的结果，问题发生了才知道。现在，管理可以“沉浸式”地介入过程。比如，自治区或盟市级的领导都可以可以随时查看本辖区“今日全省高危孕产妇新增与结案情况”等，也就是可以在业务过程中了解进展情况，更早识别风险并进行针对性干预。 第二个变化，是管理重点更加清晰。在缺乏系统支撑的情况下，管理往往只能采取整体性、平均化的方式，很难精准聚焦到重点人群和关键环节。系统上线之后颗粒度从地区、机构，细化到了人群、个案。这使得资源可以更精准地投放，比如针对性地对某个旗县的妇幼保健人员开展技能培训，或对某个高危孕产妇集中的地区加强急救网络建设。 第三个变化，是决策过程更加依赖数据支撑。过去在实际工作中，很多判断不可避免地依赖个人经验，不同人员之间理解也不完全一致。系统为管理提供了相对统一的数据基础，在一定程度上减少了主观判断带来的偏差，也让决策有了更加客观的参考依据。3.省级层面工作的变化 第一，是数据获取效率。以前在省级层面开展工作，很多精力要花在向下催报和汇总数据上。随着系统逐步应用，数据更多是在业务过程中自然形成，省级层面不再需要反复催报。第二，是统计分析效率。无论是日常统计，还是临时开展的专项分析，在系统支撑下，整体效率都有了明显提升，工作节奏也更加可控。第三，是跨地区协同效率。在统一的数据基础上，不同盟市之间的情况可以更直观地进行对比，有助于快速发现差异和问题，也为后续工作部署提供参考。 第四，是对科研和人才发展的支撑。系统积累的业务数据，为妇幼相关科研分析提供了基础数据来源，同时在一定程度上，也为职称评审、专业能力评价等工作提供了支撑条件。从省级角度来看，系统在提升效率的同时，也拓展了数据在科研和人才发展方面的使用价值。 从我自身来讲，在保健部工作后，我切身体会到系统带来的效率革命。过去，编制一份全区妇女儿童健康报告，需要向下收集12个盟市的报表，各盟市再收集旗县的数据，层层汇总，耗时近两个月，且数据口径常不一致，需要反复核对。现在，报告所需的大部分数据已由系统自动生成、实时更新.4.信息化建设完毕不代表解决所有问题在讲了系统带来的一些积极变化之后，我也想非常客观地说一句，业务赋能，并不等于所有问题都已经解决。 首先，在实际应用中，系统在不同地区的使用深度，依然存在差异。有的地方已经把系统很好地融入日常工作，也有的地方，还需要通过线下方式进行配合，尤其是偏远的牧区、老龄化严重的医院，应用水平仍很浅，这可能不是我们一个做系统的人能解决的了的问题，可能需要行政手段的干预。 第二个方面，是数据质量的问题。数据质量的提升，并不是靠系统上线一次性完成的，而是需要在长期使用过程中，通过管理和培训不断强化。另外，我们也越来越清楚地认识到，信息化本身无法替代管理和机制建设。系统可以提供工具和手段，但真正决定效果的，还是制度、流程以及人的执行情况。所以从这个角度来看，系统是一项非常重要的支撑，但它并不是万能的。信息化的价值，最终取决于使用它的人和组织。认识到这些局限性，我们才能保持谦卑，持续改进。5.一些体会与建议在参与省级妇幼信息系统建设的过程中，也逐渐形成了一些个人体会，在这里简单和大家分享一下。第一，是不要一开始就从系统出发，而是要先理解业务本身。系统只是工具，如果脱离了业务实际，再先进的系统也很难真正落地。第二，是项目能不能推进，往往比方案是否完美更重要。在实际工作中，很多问题都是在推进过程中逐步解决的，而不是一次性设计出来的。第三，是要尊重不同地区、不同单位之间的差异。在省级层面推进工作时，追求完全统一并不现实，适度保留灵活性，反而更有利于项目长期运行。 最后一点，是持续沟通的重要性。无论是与基层单位，还是与技术团队、管理部门之间，很多问题最终都是通过不断沟通逐步解决的。我们技术人容易陷入技术语言的“自嗨”，必须学会用业务的语言讲技术的故事，用管理的逻辑讲系统的价值。四、跳出“妇幼”框架，拥抱你所在的行业1.重新理解“信息化”与“”业务“”的关系 我们重新理解“信息化”与“业务”的关系。过去在信息科，我认为信息化就是为业务提供“工具”。现在我认为，真正成功的信息化，是让技术成为业务的“基因”。它不应是业务身上额外穿戴的“装备”，而应像呼吸一样，融入业务的每一个环节，自然到不被察觉。好的系统，不是让用户感觉到“我在用一个好用的工具”，而是让用户感觉到“我的工作方式本来就应该这样”。这要求我们信息化建设者必须深度理解业务，甚至要超越业务部门的当下认知，看到业务演进的可能方向，用技术为其铺路。 系统可以提供工具和支撑，但业务流程、管理机制以及人的参与，仍然是决定效果的关键因素。只有当信息化真正融入业务流程，而不是独立存在，才有可能发挥它应有的价值。这也是我们在实践中，逐渐形成的一点共识。 2.跳出“妇幼”框架，形成独特思维从现在开始，我想稍微跳出“妇幼信息系统”这个具体项目，从更抽象的角度，和大家一起回看一下整个过程。这也是在开篇我故意没有放目录的原因。 如果把这次建设当成一个案例，其实它并不只适用于妇幼领域，也不只适用于软件系统。放在更大的范围来看，它可以是任何一次信息化建设，无论是系统、平台，还是一些偏基础设施、偏硬件的项目。 大家可以看到，这一次的分享，我没有放一张机房照片，也没有放任何系统截图。不是因为这些不重要，而是因为我更想用最直白的方式，给大家展现一次信息化建设中真正反复出现的那些问题：我们为什么要做，从哪里开始，过程中如何推进，不同角色怎么看，以及最后到底改变了什么。这些问题，无论在哪个行业、采用什么技术路径，其实都会一次次遇到。 也正因为如此，我更希望大家在听这场分享的时候，不要去对照妇幼能不能用，而是去想一想，放到自己正在做的项目里，哪些地方是相通的。这个框架提醒我们，我们交付的不是系统，而是一场精心策划、持续推进的变革。技术的代码只是这场变革的载体之一。3.形成的思维模式 从这个角度出发，我慢慢形成了一个比较简单的理解：任何信息化项目，本质上都是一次组织协同和业务改变的过程。 第一个需要思考的问题，永远是“为什么要做”。服务对象是谁，要解决什么现实问题，如果不做，会对业务产生什么影响。如果这些问题没有想清楚，项目很容易变成“为了建设而建设”。 第二个问题，是“怎么做”。在实践中我们越来越清楚地感受到，信息化并不是一蹴而就的事情，更不是靠一套完美方案就能解决的。尊重现有基础，在统一方向的前提下保留弹性，往往比追求绝对统一更现实。 第三个层面，是“谁在参与”。同一个项目，不同角色的关注点其实是完全不同的。管理者更关心项目能不能推进、能不能落地；技术人员关心需求是否清晰、能否实现；使用者最关心的，往往是系统会不会增加负担，对实际工作有没有帮助。如果只从单一视角出发，很多问题是很难真正解决的。 最后一个问题，是“改变了什么”。一个项目是否成功，不仅仅体现在系统是否上线，更体现在工作方式有没有发生变化，管理视角有没有发生变化，系统是不是在被真正使用。这也是我今天分享这个案例，希望大家能够带走的一点思考：这个过程里，有没有哪些地方，可以对照自己的工作，带来一点启发。 4.从“系统构建者”到“业务赋能者”最后，我想再回到今天分享的标题。从“系统构建者”到“业务赋能者”，其实并不是一个身份的切换，而是一种工作视角的变化。 在这个过程中，我们慢慢认识到，信息化本身并不是终点，系统建设也只是一个开始。真正有价值的，并不是系统做得有多复杂、功能有多全面，而是它是否真正融入了业务，是否对实际工作产生了改变。 所以，“系统构建者”到“业务赋能者”的转变，本质是从交付“功能”到交付“价值”的转变，是从关注 是否上线 到关注 是否用起来、是否有效 的转变。系统建设只是开始，真正的作用是业务因信息化的存在焕发了新的效能，管理因信息化有了新的可能。这条路没有终点，它是一个持续赋能、共同成长的过程。 也正因为如此，今天分享的内容，既不只是妇幼信息系统，也不只是某一个具体项目。它更像是一次对信息化建设过程的回看， 如何让技术真正服务于人、服务于业务、服务于战略。 这是我们要思考的。