从去年的克拉玛依到今年的宿州,华为云服务的区域之路让人有了一种自下而上,“农村包围城市”的感觉。这显然与我们对华为习惯的高举高打的战略,大相径庭。
实际上,这其实是一种错觉。在2011年,华为真正开始建设云服务节点城市,克拉玛依成为了华为在中国合作的第一个节点城市,宿州则是第二个。
所以,在华为全面推进云产业的过程中,想到了就是“回归”。将变革和资源,首先引入到最初启航的地方。这就有了去年的克拉玛依和今年宿州的两次华为云产业高峰论坛。
当然,宿州和克拉玛依作为城市云服务建设的排头兵,也有实战的意义,在“宿州模式”背后,是怎样一幅产业转型的“星火燎原”之势?
“星火燎原” 宿州云转型的时代意义
宿州位于安徽省东北部,是典型的内陆城市,过去的宿州主要是以传统农业为主,工业化发展水平相对薄弱,实际上在信息化早期的城市建设中相对沿海城市和发达城市是有一些差距的。
但是,宿州作为一个历史悠久的名城,却有其独到的地缘优势。如宿州市人民政府副市长邵郁所说,“宿州居中靠东、承东启西、连南接北,可谓背依中原、眼观长三角,坐拥绝佳的地理区位。并且拥有周边区域庞大的消费市场,以宿州为中心,300公里半径内辐射1.65亿人;500公里半径内辐射4.04亿人。具备发展云计算产业的先天优势。”
所以,宿州市从2011年便开始将云服务产业发展和智慧城市建设作为工业发展的重要任务,高度重视工业化和信息化的深度融合。希望以此来带动宿州的产业转型。
我们知道,中国的中原地带,和西部地区有很多和宿州的情况较为类似的城市,这些城市的信息化基础建设相对落后,而宿州率先通过云计算的布局实现了产业转型,对于中国的很多城市都具有示范性的意义。
据了解,经过4年的发展,宿州探索出了“率先发展基础云、注重建设服务云、全面开发应用云”的“宿州模式”,从而打造了云计算全产业链。
在2013年7月华为和宿州达成战略合作,带动了宿州云计算产业的快速迅猛发展。2016年9月,宿州与华为签署深化战略合作,共建全国重要的云计算产业基地、大数据综合生态示范基地。2017年6月,安徽省政府与华为签署战略合作协议,进一步提升合作高度,打造全国性信息汇集中心。
2017华为.宿州云产业合作高峰论坛
由此可见,宿州的决心加上华为的技术、品牌,并结合云计算产业链的资源,形成了“宿州模式”强大的云服务势能。正如邵郁所说,“我们对未来发展充满信心,相信宿州的云计算产业的‘宿州模式’一定能够为我市腾飞、安徽乃至全国云计算产业发展做出贡献。”
宿州的成功证明了华为公有云来的并不晚
这次华为云计算的“回归之旅”最大的意义,在于证明了华为对公有云的决心由来已久。尽管,在华为是在2017年正式成立CLOUD BU,但华为对公有云的渴望可以追溯到2011年的克拉玛依,对公有云的成功落地同样可以在宿州等城市找到答案。
华为公司企业云业务部总裁杨瑞凯说,“2011年我来组建云的整个业务板块时候,当时我们对未来的云计算趋势有一个大致的判断,那就是云计算产业真正到来的时候,会以省为单位在中国市场落地应用。因此我们在每个省建设一个‘云服务节点城市’,选择一个城市合作去推进云产业发展。”
华为企业云业务部总裁杨瑞凯
正因为这样的一个发展思路,克拉玛依成为了华为企业云在全国第一个合作的城市,宿州、襄阳、玉溪也先后与华为企业云达成合作。
不难发现,华为与这些城市开展合作的时候,正是中国云服务市场处于萌动期的时候,对云服务市场理解观点各不相同。但是华为已经看到了这些城市,对云计算产业表现出很浓厚的兴趣和前瞻性,也看到了未来云计算产业有可能对自己城市发展带来深刻的变革。基于对云产业共同的发展认知,华为企业云就在这些城市逐步落地。
如今,华为已在30多个城市建立云服务节点,通过独有的三级云服务网络布局,覆盖全国七大区域,整合海量、高可用的云资源,构建了一张覆盖国家-省-市三级的云服务资源网络;与超过200个城市形成合作。
如果从2011年算起,这6年当中华为云服务积累了大量的实际落地经验。以宿州为例,华为以云服务为“抓手”推动宿州云计算产业的发展,让宿州不仅仅是一个做政务业务的云服务节点,更是服务于宿州云计算全产业链的发展。
所以在我看来,华为公有云来的并不晚,华为是通过自己的方式去探索最适合中国市场的落地方式。
第一,华为有对公有云落地的方法论。例如,从客户的角度,华为将客户群分为两个不同的方向。一方是面向传统央企、大企业、政务云市场,充分发挥华为2B市场服务的传统优势,打造场景化的企业级云服务解决方案,另一方面则是面向中小企业市场,以华为软件开发云为切入点,构建线上线下O2O的服务能力。这样的切分,在国内外的云计算公司当中其实并不明显,这是华为的创新。
第二,华为对云生态的把握更为清晰。华为经过30多年的发展,走到今天一直坚持聚焦,聚焦华为自己擅长的领域。以宿州模式为例,在宿州华为坚持聚焦Iaas层基础设施,和合作伙伴一起构建轻量级的Paas层平台,让更多的合作伙伴发展上层应用。如杨瑞凯所说,“目前,云基础设施已经越来越完善,比如通过跟中国电信合作,带宽质量已经日益完善。更多应用落地宿州后,就能够服务全省乃至全国。把基础云做好以后,更重要是吸引广泛应用层合作伙伴进驻,华为和宿州市双方将共同打造这个云产业生态。”
面对未来,华为的定位是智能社会的使能者和推动者,加强云服务的战略投入,助力各行业实现数字化转型,华为云来的并不晚。
离客户更近的云赢得市场的机会更大
从宿州模式切入,我们也可以从中发现华为云服务业务的不同点。过去云服务有过一段“飘在”天上的日子,各地的云计算中心只重基础设施建设,而忽视了实际的应用在行业中的落地。
相反,华为公有云从一开始就本着扎根行业的思路,按部就班的推动云服务的落地。从华为与宿州合作的进程当中,我们也可以略见端倪。
华为助力宿州政务云化和数字化的进程。这样让城市居民能够实实在在感受到城市云化和数字化带来办事便利;第二,推动了宿州云计算产业在安徽省的发展,促使省级平台落地宿州。包括安徽省气象局、省工商局的一些业务已经落地宿州。第三,帮助宿州云业务汇聚。宿州构建云服务能力后,特别是皖北地区电力非常充足、交通便捷,对于业界云计算大数据公司来说,借助宿州的云基础设施服务平台,也可以将业务汇聚到宿州。
宿州政务云让数据多跑路,群众少跑腿
从城市发展的角度,宿州多了一项“软实力”和“抓手”。这是华为云为宿州带来的实实在在的改变。于此同时,华为也把宿州作为自有业务承载的一个节点。比如华为企业云服务华为终端,对外提供消费者云服务。华为手机用户感受更明显,很多手机应用和平台都放在华为企业云平台上。据杨瑞凯表示,华为的一些华东客户的业务,也就近选择把他们的业务放在宿州。
以小见大,华为在各地的城市云服务建设中,将自己对软硬件的理解、对大企业客户需求的理解、研发能力积累,以及长期构建的组织平台能力进行了释放。这让华为构建起覆盖中国区乃至在全球的服务体系,中国区具备覆盖到每个地市的深度服务体系,决定了华为的云计算能够更好的服务客户。
我认为,扎根行业的战略思维也给了华为不畏惧挑战的能力。因为从地方上看,政务云的转型速度并没有那么快,因为很多业务和应用客户还在用,城市居民也还在用,这类业务的迁移是比较难的,决不是如今的互联网模式可以全盘变革的。所以,理解具体的需求,有步骤有计划的迁移,这是地方云计算当中传统业务的必由之路。而华为从一开始就深入到城市云服务的拓展当中当中,所以可以做到因地制宜,有的放矢,合理的推进云服务的落地,这是华为企业云战略的基本点。
必须重点强调,这也是华为公有云在面对其他云计算公司竞争时的有力武器。正如杨瑞凯所说,”最终客户的选择要取决于服务客户的能力、质量和满意度。”是的,未来像水像电一样的云服务,技术会相对同质化,品牌也会弱化。企业级用户的选择最核心的要素就是服务的水平和能力。
我们知道,在2010年华为就发布了云计算战略,经过多年努力,在服务器、存储、虚拟化、云计算,大数据平台增强了竞争力,在2015年7月30日正式发布了企业云,进入公有云领域;2017年3月,成立专门负责公有云的组织CloudBU,增加投入2000人,全力打造公有云服务。
可见,华为对公有云服务是认真的,是志在必得的。这么多年,华为下决心去做的事情,几乎没有失败的先例,这并不是华为的神话,而是华为通过探索和实践得来的,企业业务如是,如今的云服务业务亦如是。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。