希望ol加速器文章列表:

• 1、火炬之光3延迟太高 用哪款加速器比较好？
• 2、详解AI加速器四：GPU、DPU、IPU、TPU…AI加速方案无限种可能
• 3、省级医院院长卷入腐败漩涡 医疗专家也买不到后悔药
• 4、iPhone 11评测：虽不是Pro但不妨碍它成为真香旗舰
• 5、华为云如何实现第二跳？一文看尽15大云服务新品升级

火炬之光3延迟太高 用哪款加速器比较好？

《火炬之光3》于10月13日在Steam、PS4、Xbox One正式发售，售价约160元，支持中文，并将于今年晚些时候在Switch发售。

很多玩家玩过《火炬之光3》抢先体验版，据悉，裸连《火炬之光3》的延迟高达280MS起，掉线更是如同家常便饭，只要受到了网络延迟的影响，几乎所有的打击反馈都会有所滞后——也就是你挥出一刀后，能够感受到明显的延迟，怪物才会倒地。也许延迟情况会因玩家的网络状态而有所不同，但就我个人而言不用加速器基本上不能玩。《火炬之光3》延迟太高 用哪款加速器比较好？下面一起来看看。

火炬之光3加速器推荐

现目前市场上的加速器可谓是五花八门，作为长时间浪迹在单机游戏中的我来说用过很多款加速器，其中奇游加速器给我的印象最为深刻。

奇游加速器对《火炬之光3》的加速较为全面，支持Steam社区商店各大区服加速、支持区服自选、内网互联等（亲身经历过），能使延迟在最大程度上得到优化，能明显感觉到加速后可以避免进不去/掉线/卡顿等网络问题。

打开奇游加速器，以《火炬之光3》[全球服]举例，选择最优的路线加速之后节点延迟变成了3MS。3MS的延迟完全可以让你在玩游戏的时候畅通无阻。

以上就是《火炬之光3》加速器推荐的全部内容，希望可以帮到大家。

详解AI加速器四：GPU、DPU、IPU、TPU…AI加速方案无限种可能

选自Medium

作者：Adi Fuchs

机器之心编译

在上一篇文章中，前苹果工程师、普林斯顿大学博士 Adi Fuchs 聚焦 AI 加速器的秘密基石：指令集架构 ISA、可重构处理器等。在这篇文章中，我们将跟着作者的思路回顾一下相关 AI 硬件公司，看看都有哪些公司在这一领域发力。

这是本系列博客的第四篇，主要介绍了 AI 加速器相关公司。全球科技行业最热门的领域之一是 AI 硬件， 本文回顾了 AI 硬件行业现状，并概述相关公司在寻找解决 AI 硬件加速问题的最佳方法时所做的不同赌注。

对于许多 AI 硬件公司来说，最近几年似乎是 AI 硬件发展的黄金时代；过去三年英伟达股价暴涨约 500%，超越英特尔成为全球市值最高的芯片公司。其他创业公司似乎同样火爆，在过去几年中，他们已花费数十亿美元资助 AI 硬件初创公司，以挑战英伟达的 AI 领导地位。

AI 硬件初创公司 - 截至 2021 年 4 月的总融资。图源：AnandTech

此外，还有一些有趣的收购故事。2016 年，英特尔以 3.5 亿美元收购了 Nervana，2019 年底又收购了另一家名为 Habana 的人工智能初创公司，该公司取代了 Nervana 提供的解决方案。非常有意思的是，英特尔为收购 Habana 支付了 20 亿美元的巨款，比收购 Nervana 多好几倍。

AI 芯片领域，或者更准确地说，AI 加速器领域（到目前为止，它已经不仅仅是芯片）包含了无数的解决方案和方法，所以让我们回顾这些方法的主要原则。

AI 加速器不同实现方法

英伟达：GPU CUDA

如果你在耕地，你更愿意使用哪个？两只壮牛还是 1024 只鸡？（西摩・克雷）

英伟达成立于 1993 年，是最早研究加速计算的大公司之一。英伟达一直是 GPU 行业的先驱，后来为游戏机、工作站和笔记本电脑等提供各种 GPU 产品线，已然成为世界领导者。正如在之前的文章中所讨论的，GPU 使用数千个简单的内核。相比来说，CPU 使用较少的内核。

最初 GPU 主要用于图形，但在 2000 年代中后期左右，它们被广泛用于分子动力学、天气预报和物理模拟等科学应用。新的应用程序以及 CUDA 和 OpenCL 等软件框架的引入，为将新领域移植到 GPU 铺平了道路，因此 GPU 逐渐成为通用 GPU （General-Purpose GPU），简称 GPGPU。

ImageNet 挑战赛：使用 GPU 的获胜误差和百分比。图源：英伟达

从历史上看，人们可能会说英伟达是幸运的，因为当 CUDA 流行和成熟时，现代 AI 就开始了。或者有人可能会争辩说，正是 GPU 和 CUDA 的成熟和普及使研究人员能够方便高效地开发 AI 应用程序。无论哪种方式，历史都是由赢家书写的 —— 事实上，最有影响力的 AI 研究，如 AlexNet、ResNet 和 Transformer 都是在 GPU 上实现和评估的，而当 AI 寒武纪爆发时，英伟达处于领先地位。

SIMT 执行模型。图源：英伟达

GPU 遵循单指令多线程 (SIMT) 的编程模型，其中相同的指令在不同的内核 / 线程上并发执行，每条指令都按照其分配的线程 ID 来执行数据部分。所有内核都以帧同步（lock-step）方式运行线程，这极大地简化了控制流。另一方面，SIMT 在概念上仍然是一个多线程类 c 的编程模型，它被重新用于 AI，但它并不是专门为 AI 设计的。由于神经网络应用程序和硬件处理都可以被描述为计算图，因此拥有一个捕获图语义的编程框架会更自然、更有效。

虽然从 CPU 转向 GPU 架构是朝着正确方向迈出的一大步，但这还不够。GPU 仍然是传统架构，采用与 CPU 相同的计算模型。CPU 受其架构限制，在科学应用等领域逐渐被 GPU 取代。因此，通过联合设计专门针对 AI 的计算模型和硬件，才有希望在 AI 应用市场占有一席之地。

英伟达的 GPU、CPU 和 DPU 路线图。图源：英伟达

英伟达主要从两个角度发展 AI：(i) 引入 Tensor Core；(ii) 通过收购公司。比如以数十亿美元收购 Mellanox ，以及即将对 ARM 的收购。

ARM-NVIDIA 首次合作了一款名为「Grace」的数据中心 CPU，以美国海军少将、计算机编程先驱 Grace Hopper 的名字命名。作为一款高度专用型处理器，Grace 主要面向大型数据密集型 HPC 和 AI 应用。新一代自然语言处理模型的训练会有超过一万亿的参数。基于 Grace 的系统与 NVIDIA GPU 紧密结合，性能比目前最先进的 NVIDIA DGX 系统（在 x86 CPU 上运行）高出 10 倍。

Grace 获得 NVIDIA HPC 软件开发套件以及全套 CUDA 和 CUDA-X 库的支持，可以对 2000 多个 GPU 应用程序加速。

Cerebras

Cerebras 成立于 2016 年。随着 AI 模型变得越来越复杂，训练时需要使用更多的内存、通信和计算能力。因此，Cerebras 设计了一个晶圆级引擎 (WSE)，它是一个比萨盒大小的芯片。

Andrew Feldman。图源：IEEE spectrum

典型的处理芯片是在一块称为晶圆的硅片上制造的。作为制造过程的一部分，晶圆被分解成称为芯片的小块，这就是我们所说的处理器芯片。一个典型的晶圆可容纳数百甚至数千个这样的芯片，每个芯片的尺寸通常在 10 平方毫米到 830 平方毫米左右。NVIDIA 的 A100 GPU 被认为是最大的芯片，尺寸 826 平方毫米，可以封装 542 亿个晶体管，为大约 7000 个处理核心提供动力。

Cerebras WSE-2 与 NVIDIA A100 规格比较。图注：BusinessWire

Cerebras 不仅在单个大芯片上提供超级计算机功能，而且通过与学术机构和美国国家实验室的合作，他们还提供了软件堆栈和编译器工具链。其软件框架基于 LAIR（Linear-Algebra Intermediate Representation ）和 c 扩展库，初级程序员可以使用它来编写内核（类似于 NVIDIA 的 CUDA），还可用于无缝降低来自 Pytorch 或 TensorFlow 等框架的高级 Python 代码。

总而言之，Cerebras 的非传统方法吸引了许多业内人士。但是更大的芯片意味着内核和处理器因缺陷而导致失败的可能性更高，那么如何控制制造缺陷、如何冷却近百万个核心、如何同步它们、如何对它们进行编程等等都需要逐个解决，但有一点是肯定的，Cerebras 引起了很多人的注意。

GraphCore

GraphCore 是首批推出商业 AI 加速器的初创公司之一，这种加速器被称为 IPU（Intelligent Processing Unit）。他们已经与微软、戴尔以及其他商业和学术机构展开多项合作。

目前，GraphCore 已经开发了第二代 IPU，其解决方案基于一个名为 Poplar 的内部软件堆栈。Poplar 可以将基于 Pytorch、Tensorflow 或 ONNX 的模型转换为命令式、可以兼容 C 的代码，支持公司提倡的顶点编程（vertex programming）。与 NVIDIA 的 CUDA 一样，Poplar 还支持低级 C 编程以实现更好的潜在性能。

第二代 IPU 芯片图。图源 GraphCore

IPU 由 tiled 多核设计组成，tiled 架构由 MIT 于 2000 年代初研发，该设计描述了复制结构的 2D 网格，每个网格都结合了网络交换机、小型本地内存和处理核心。第一代 IPU 有 1216 个 tile，目前第二代 IPU 有 1472 个 tile。每个 IPU 内核最多可以执行 6 个线程，这些线程是包含其专有指令集架构 (ISA) 的代码流。

IPU 采用的是大规模并行同构众核架构。其最基本的硬件处理单元是 IPU-Core，它是一个 SMT 多线程处理器，可以同时跑 6 个线程，更接近多线程 CPU，而非 GPU 的 SIMD/SIMT 架构。IPU-Tiles 由 IPU-Core 和本地的存储器（256KB SRAM）组成，共有 1216 个。因此，一颗 IPU 芯片大约有 300MB 的片上存储器，且无外部 DRAM 接口。连接 IPU-Tiles 的互联机制称作 IPU-Exchange，可以实现无阻塞的 all-to-all 通信，共有大约 8TB 的带宽。最后，IPU-Links 实现多芯片互联，PCIe 实现和 Host CPU 的连接。

可重构数据流

Wave Computing、SambaNova 和 SimpleMAChines 是三家推出加速器芯片的初创公司。其中 Wave Computing 成立于 2008 年，其使命是「通过可扩展的实时 AI 解决方案，从边缘到数据中心革新深度学习」，该公司由 Dado Banatao 和 Pete Foley 创立。一段时间以来，它一直处于隐身模式，从各种来源获得资金。

Wave Computing 的核心产品是数据流处理器单元（DPU），采用非冯诺依曼架构的软件可动态重构处理器 CGRA（Coarse grain reconfigurable array/accelerator）技术，适用于大规模异步并行计算问题。2019 年前后，Wave Computing 针对边缘计算市场的算力需求，将 MIPS 技术与 Wave 旗下 WaveFlow 和 WaveTensor 技术相结合，推出 TritonAI 64 IP 平台。但不幸的是，它在 2020 年申请了破产保护。

基于时间的 DPU 核映射。图源：Wave Computing

SambaNova 成立于 2017 年底，自那以来，该公司获得了由 Google Ventures，Intel Capital 和 Blackrock 领导的三轮融资以及在美国能源部的 Laurence Livermore 和 Los Alamos 的部署。他们现在已经可以为一些客户提供新产品。

SambaNova 的 RDU 框图。

SambaNova 正在为数据中心构建芯片和软件栈，目标是用 AI 进行推理和训练。其架构的核心是可重构数据流单元（RDU，reconfigurable dataflow unit）。RDU 芯片包含一组计算单元（称为 PCU）和暂存器存储单元（称为 PMU），它们以 2D 网格结构组织起来，并与 NoC 交换机连接。RDU 通过一组称为 AGU 和 CU 的单元结构访问芯片外存储器。

SambaNova 的关键用例。图源：HPCWire

SambaNova 的软件堆栈（称为 Sambaflow）采用高级 Python 应用程序（例如 PyTorch、TensorFlow ）并将它们降低为可以在编译时对芯片 PCU、PMU、AGU 和 CU 进行编程的表示。SambaNova 展示了 RDU 架构可以运行复杂的 NLP 模型、推荐模型和高分辨率视觉模型。

SimpleMachines 由威斯康星大学的一群学术研究人员于 2017 年创立。该研究小组一直在探索依赖于结合冯诺依曼（逐条指令）和非冯诺依曼（即数据流）执行的异构数据路径的可重构架构。

该公司提供的数据均参考了在顶级学术会议和期刊发表的原创研究论文。指导架构原则有点类似于 SambaNova 正在做的事情，即开发一个可重新配置的架构，以支持非常规编程模型，实现能够应对高度变化的 AI 应用程序空间的灵活执行。

SimpleMachines 的 Mozart 芯片。图源：SimpleMachines

该公司的首个 AI 芯片是 Mozart，该芯片针对推理进行了优化，在设计中使用了 16 纳米工艺，HBM2 高带宽内存和 PCIe Gen3x16 尺寸。2020 年，SimpleMachine 发布了第一代加速器，该加速器基于 Mozart 芯片，其由一个可配置的 tile 数组组成，它们依赖于控制、计算、数据收集等的专业化。

脉动阵列 VLIW: TPUv1、Groq、Habana

TPU

世界上首个专门为 AI 量身定制的处理器之一是张量处理单元（TPU），也称张量处理器，是 Google 开发的专用集成电路（ASIC），专门用于加速机器学习。自 2015 年起，谷歌就已经开始在内部使用 TPU，并于 2018 年将 TPU 提供给第三方使用，既将部分 TPU 作为其云基础架构的一部分，也将部分小型版本的 TPU 用于销售。

第一代 TPU 体系架构。图源：arXiv

第一代 TPU 是一个 8 位矩阵乘法的引擎，使用复杂指令集，并由主机通过 PCIe 3.0 总线驱动，它采用 28 nm 工艺制造。TPU 的指令向主机进行数据的收发，执行矩阵乘法和卷积运算，并应用激活函数。

第二代 TPU 于 2017 年 5 月发布，值得注意的是，第一代 TPU 只能进行整数运算，但第二代 TPU 还可以进行浮点运算。这使得第二代 TPU 对于机器学习模型的训练和推理都非常有用。谷歌表示，这些第二代 TPU 将可在 Google 计算引擎上使用，以用于 TensorFlow 应用程序中。

第三代 TPU 于 2018 年 5 月 8 日发布，谷歌宣布第三代 TPU 的性能是第二代的两倍，并将部署在芯片数量是上一代的四倍的 Pod 中。

第四代 TPU 于 2021 年 5 月 19 日发布。谷歌宣布第四代 TPU 的性能是第三代的 2.7 倍，并将部署在芯片数量是上一代的两倍的 Pod 中。与部署的第三代 TPU 相比，这使每个 Pod 的性能提高了 5.4 倍（每个 Pod 中最多装有 4,096 个芯片）。

Groq

谷歌在云产品中提供了 TPU，他们的目标是满足谷歌的 AI 需求并服务于自己的内部工作负载。因此，谷歌针对特定需求量身定制了 TPU。

2016 年，一个由 TPU 架构师组成的团队离开谷歌，他们设计了一种与 TPU 具有相似基线特征的新处理器，并在一家名为 Groq 的新创业公司中将其商业化。

Groq TSP 执行框图。图源：Groq

Groq 的核心是张量流处理器（TSP）。TSP 架构与 TPU 有很多共同之处：两种架构都严重依赖脉动阵列来完成繁重的工作。与第一代 TPU 相比，TSP 增加了向量单元和转置置换单元（在第二代和第三代 TPU 上也可以找到）。

Groq VLIW 指令集和描述。图源：Groq

Habana

Habana 成立于 2016 年初，是一家专注于数据中心训练和推理的 AI 加速器公司。Habana 已推出云端 AI 训练芯片 Gaudi 和云端 AI 推理芯片 Goya。

Goya 处理器已实现商用，在极具竞争力的包络功率中具有超大吞吐量和超低的实时延迟，展现出卓越的推理性能。Gaudi 处理器旨在让系统实现高效灵活的横向、纵向扩展。目前 Habana 正在为特定超大规模客户提供样品。

Goya、 Gaudi 架构图。图注：Habana

Goya 和 Gaudi 芯片具有相似架构，它们都依赖于 GEMM 引擎，该引擎是一个脉动矩阵乘法单元，与一组 tile 并排工作。每个 tile 包含一个本地软件控制的暂存器内存和一个张量处理核心（TPC），具有不同精度的矢量计算单元，即它们可以计算 8 位、16 位或 32 位的矢量化操作。TPC 和 GEMM 引擎通过 DMA 和共享内存空间进行通信，并通过 PCIe 与主机处理器进行通信。

基于 RISC 的 AI 加速器

Esperanto

Esperanto 成立于 2014 年，并在相当长一段时间内一直处于隐身模式，直到 2020 年底才宣布他们的第一款产品 ET-SoC-1 芯片，其基于台积电 7nm 工艺构建的 SoC 上集成了 1000 多个 RISC-V 内核、160M BYTE 的 SRAM 和超过 240 亿个晶体管，是该公司 AI 加速器系列的第一款产品。ET-SoC-1 是一款推理加速器，预计在今年投产。

Esperanto 的 ET-SoC-1 的架构图。图源：Esperanto/HotChips

TensTorrent

TensTorrent 成立于 2016 年，总部位于加拿大多伦多，目前估值 10 亿美元，这是一家计算公司，开发旨在帮助更快和适应未来算法的处理器。TensTorrent 提供的芯片系列不仅针对数据中心，也针对小型平台，此外，他们还提供 DevCloud。

TensTorrent：图的并行性与张量切片。图源：YouTube/TensTorrent

TensTorrent 核心。图源：YouTube/TensTorrent

Mythic

Mythic 是 AI 硬件领域最早的初创公司之一，它成立于 2012 年。迈克・亨利（Mike Henry）和戴夫・菲克（Dave Fick）为公司的核心创始人，他们分别担任 Mythic 公司的董事长和 CTO。该公司非常重视具备能源效率和成本更低的模拟技术，Mythic 提出了如何在模拟电路中使用较小的非数字电路电流来降低能量的消耗。

矩阵乘法运算中的权重和输入 / 输出数据差分。图源：Mythic

2020 年底，Mythic 推出了其第一代 AI 芯片 M1108 AMP。与很多 AI 芯片不同，M1108 基于更加成熟的模拟计算技术，而非数字计算。这提高了 M1108 的能效，也使网络边缘设备访问更加容易。

Mythic 还推出了一个模拟计算引擎 (ACE，Analog Compute Engine)，它使用闪存而不是 DRAM 来存储权重。本质上，它们不是从内存中获取输入和权重数据，而是将输入数据传输到权重闪存，并将其转换为模拟域，在模拟域中执行 MAC （multiply-and-accumulate）计算，并将其转换回以获取输出数据，从而避免从内存中读取和传输权重成本。

LightMatter

LightMatter 是一家诞生于 MIT 的初创公司，该公司押注于一种用光子而非电子执行运算的计算机芯片。这种芯片从根本上与传统的计算机芯片相区分，有望成为能够满足 AI「饥饿」的有力竞争者。LightMatter 首席执行官尼克・哈里斯（Nick Harris）曾说：「要么我们发明的新计算机继续下去，要么人工智能放慢速度。」

光子学与电子学计算属性。图源：HotChips/LightMatter

LightMatter 设计了一种基于脉动阵列的方法，通过使用编码为光信号波中不同相位的相移来操纵光子输入信号，以执行乘法和累加操作。由于光子学数据以光速流动，LightMatter 芯片以非常高的速度执行矩阵和矢量化运算，并且功率可降低几个数量级。

LightMatter 在 2021 年开始发售其首款基于光子的 AI 芯片 ——Envise，并为常规数据中心提供包含 16 个这种芯片的刀锋服务器。该公司目前已从 GV（前 Google Ventures）、Spark Capital 和 Matrix Partners 筹集到了 2200 万美元。

LightMatter 声称，他们推出的 Envise 芯片的运行速度比最先进的 Nvidia A100 AI 芯片快 1.5 至 10 倍，具体根据任务的不同有所差异。以运行 BERT 自然语言模型为例，Envise 的速度是英伟达芯片的 5 倍，并且仅消耗了其六分之一的功率。

Envise。图源：LightMatter

NeuReality

NeuReality 是一家于 2019 年在以色列成立的初创公司，由 Tanach 、 Tzvika Shmueli 和 Yossi Kasus 共同创立。

2021 年 2 月，NeuReality 推出了 NR1-P，这是一个以 AI 为中心的推理平台。2021 年 11 月，NeuReality 宣布与 IBM 建立合作伙伴关系，其中包括许可 IBM 的低精度 AI 内核来构建 NR1，这是一种非原型生产级服务器，与 FPGA 原型相比， AI 应用程序效率更高。

NeuReality NR1-P 原型。图源：ZDNet

原文链接：https://medium.com/@adi.fu7/ai-accelerators-part-iv-the-very-rich-landscape-17481be80917

省级医院院长卷入腐败漩涡 医疗专家也买不到后悔药

一位功成名就的省级医院院长，没能经受住市场经济大潮的冲击，没能守住自己的职业道德底线，卷入了商业贿赂的腐败漩涡。最终，从一个副厅级博士院长，享受国务院特殊津贴的医疗专家，蜕变为人民的罪人。7月25日，海口市中级法院开庭审理海南省人民医院原院长李灼日受贿案。合议庭合议后，审判长庄严宣判：被告人李灼日犯受贿罪，判处有期徒刑十年，并处罚金90万元，依法追缴违法所得573万余元。

李灼日当庭表示认罪、悔罪。作最后陈述时，他略带哽咽地说：“我很懊悔，但这世上没有后悔药……”

功成名就自甘沉沦

1959年10月，李灼日出生在湖南省安仁县。读书时他刻苦用功，学习成绩总是名列前茅，最终获得博士学位。他擅长肝胆胰外科临床诊疗和基础研究工作，是肝胆胰外科专家，也是海南省医疗卫生部门专门引进的专家型人才。

李灼日早年担任过湖南省香花岭锡矿职工医院医师，后到江西医学院普外专业进修，硕士毕业后到了湖南省人民医院。凭着天资聪颖，李灼日很快博得医院领导的器重，历任主治医师、副主任医师、院长助理。2002年7月至2005年9月，他在新疆吐鲁番人民医院当了三年院长，后又回到湖南省人民医院当了五年副院长。2010年8月，他作为“专家型”院长主政海南省人民医院，可谓功成名就。

据了解，李灼日在担任院长的八年时间里，曾先后兼任医院党委书记、副书记。但相较于党内职务，他还是更看重院长一职，因为医院行政事务还是院长说了箅。2014年，李灼日主动向组织提出不兼任党委书记的请求。与此同时，他将院长负责制发挥出“最大效用”。数次以党政联席会的名义决策“三重一大”事项，并以提高效率为名，未征求班子成员意见，自行签批行文，明确由其本人兼任医疗设备采购委员会主任和采购组组长。这一系列行动，都出自李灼日的“特殊考虑”。

当上院长后，李灼日没少听说其他医院的“一把手”在药品、医疗器械采购和基建工程项目上收受回扣的事，不禁也动起了心思。而他院长的地位和权力，也让药品、医疗器械经销商和工程领域的老板趋之若鹜。两相投合，李灼日彻底弃守了心理防线，认为自己辛劳奔波，克勤克俭奋斗了大半辈子，应该在经济上“宽松”一些，在生活上改善一些，家人也该跟着沾点光了。

李灼日的思想蜕变，正迎合了那些寻租者的愿望，他们奉上物质诱惑，使李灼日将党纪国法抛到脑后，心安理得地收受贿赂。案发后，李灼日在忏悔书中写道：“悔不该自己法纪意识淡薄、不习惯接受监督。采购中重大事项的决定权由少数领导干部掌控，游离于程序和监督之外，为这些人员弄权寻租，利益输送提供了便利条件。”

发达不忘关照老友

2010年那会儿，李灼日一人身兼海南省人民医院党委书记和院长二职，位高权重。他以院长负责制为由在医院说一不二。身居高位的李灼日吸引了一些老友从湖南老家千里追随而来，投其所好，为他提供无微不至的关心照顾。听说他想吃湘菜，就有人专门给他做，然后打“飞的”亲自送上门。

庭审中，李灼日痛心地回顾道：“时间长了，习惯成自然，就慢慢放松了警惕，混淆了情与法的界限。”感念老友的“情义”，李灼日把这些老友介绍给医院有关部门负责人，一起吃喝玩乐。在老友们的“围猎”下，他从吃吃喝喝开始，一步步被拖入泥潭。

一众老友中的刘某，在李灼日调任海南省人民医院院长后，立即将自己的业务扩展到海南。很快，刘某旗下的几家公司都与省人民医院建立了业务往来。李灼日向医院放射科、超声科等科室主任介绍了刘某。有了院长这层关系，刘某顺利拿下多个医疗设备、医用耗材的采购项目。

这些采购项目有多大的获利空间，能让刘某赚多少钱，李灼日心里很清楚。刘某看中了李灼日手中的权，李灼日看中了刘某手中的钱，双方各得其所，合作得密不透风也很是愉快。

2013年下半年的一天，李灼日以购房为由向刘某提出“借款”50万元的请求，刘某第二天就将50万元人民币送到李灼日那里。

2014年下半年的一天，李灼日又以儿子在美国购房为由，向刘某提出“借款”50万美元，刘某当即答应，并于半个月后在李灼日的住处送给其50万美元。

此外，李灼日的儿媳怀孕、李灼日去美国过春节等事项，都成为刘某给其送钱的理由。为感谢李灼日的关照，刘某于2013年下半年至2017年初，分6次共送给李灼日100万元人民币和53万美元。对此，刘某在接受调查时曾直言不讳地说：“李院长为我和医院做生意提供方便，每次拨付设备款都及时给我签字，使我能顺利回笼货款，表示感谢是必须的。”

帮揽工程收获颇丰

理智的堤坝一旦崩溃，便会一发不可收拾。李灼日凭借手中的职权，开启了看准机会就捞钱的模式，胃口越来越大。在主政海南省人民医院的八年间，他不仅大权独揽，小权也不放手。尤其在工程建设上，更是做到“肥水不流外人田”。

长沙某医疗器械有限公司法人代表杨某通过挂靠多家公司，在李灼日的关照下，承揽了省人民医院放疗中心模拟治疗机移机项目，高能医用直线加速器项目，以及医院秀英门诊楼及内科楼的通风、空调工程项目。在这些工程项目的审批过程中，李灼日都为杨某提供了帮助。杨某对李灼日满心感激，多次提及要送钱给他。

在李灼日求学和工作初期，大哥曾给过他很多帮助。大哥退休后提出想做生意，李灼日便将杨某找来，授意他关照自己的哥哥，杨某对此心领神会。在随后的交往中，李灼日的大哥以购房为由向杨某索要140万元。李灼日大哥的儿子(另案处理)来海南工作前欠下巨额贷款，差点被银行起诉。李灼日也让杨某帮忙，2015年下半年的一天，杨某按李灼日的要求，将40万元人民币交给其侄子用于偿还贷款。

2012年4月，在李灼日的帮助下，海口某投资有限公司通过挂靠广西某建设集团有限公司，一举中标了海南省人民医院全科医生临床培养基地暨后勤综合业务用房合建项目。海口某投资有限公司总经理冯某心里明白，在业界竞争白热化的情况下，拿到工程只是第一步，接下来，工程施工中拨款、工程验收等很多事情都离不开李院长的支持。2012年7月的一天，冯某送给李灼日3万美元以表谢意。

梦醒成为反面教材

出任海南省人民医院院长后，李灼日成为家族和村里最大的“官”。“家族骄傲”的光环是对李灼日多年努力的肯定，同时也助长了他的虚荣心，让他不断用手中的权力去证明自己是个真正的“能人”。

办案人员分析指出，长期集行政决策权和经营管理权于一身，纵容了李灼日在医院重大事项上独断专行的行为。如违规将一些公开招标项目拆分成几个子项目规避招投标，违规采取单一来源采购方式，还出现过公开招标后，因对中标单位不合意又作废标处理的事件。

李灼日利用职务便利，帮助陈某承揽到省人民医院多个医疗设备和医用耗材采购项目。为了感谢李灼日的帮助，陈某于2015年初和2016年初，去李灼日湖南安仁县的老家拜年时，向其分两次各送了40万元人民币，总计80万元人民币。

海南蔚霖医疗器械有限公司负责人王某为了与李灼日搞好关系，在省人民医院开展业务，于2012年上半年的一天，到李灼日办公室送给他10万元人民币。后李灼日将王某推荐给省人民医院心血管内科中心主任马某，帮王某顺利承揽到多个医疗设备采购项目。

就在李灼日为自己财源广进得意忘形之际，他的“踪迹”进入海南省纪委监察委的视线。2018年2月11日，海南省纪委监察委网站发布一条消息：海南省人民医院党委副书记、院长李灼日涉嫌严重违纪违法，正接受海南省纪委监察委的纪律审查和监察调查。

2018年9月，李灼日被免去海南省人民医院党委副书记职务，同年10月被免去海南省人民医院院长职务。2019年4月22日，中央纪委国家监察委网站发布消息，海南省人民医院原党委副书记、院长李灼日被“双开”，其违纪行为包括：与他人串供，对抗组织审查；多次违规收受礼品礼金；违规提拔任用干部；插手干预项目发包和采购活动等。

在海南省纪委监察委对李灼日初审期间，李灼日慑于调查，于2017年1月让其姐姐在长沙将80万元退还给行贿人陈某。案发前，李灼日又向另一名行贿人退还了10万元。案发后，李灼日的亲属代其退缴赃款473万余元，两名行贿人及涉案的李灼日同事共退还100万余元。

在2019年5月24日上午的庭审中，李灼日表示了深深的忏悔：“此刻，我站在被告人席上接受审判，是我咎由自取。”李灼日说，自己从一个农村孩子走上领导岗位，十分不易，因一念之差走到这样的地步，非常非常懊悔，但世上没有后悔药，他希望世人能以他作为反面教材，意识到不管曾作出多大贡献，只要触犯法律底线，就要接受法律制裁。

法院经审理查明：2011年至2017年间，被告人李灼日利用职务上的便利，在医疗设备和医用耗材采购、工程项目发包及工程款拨付等方面为刘某等人谋取利益，非法收受刘某、陈某、冯某、杨某、王某等人的好处费230万元人民币、56万美元，上述款项折合人民币共计573万余元。

目前，不仅李灼日受到惩处，其大哥、侄子也接受了审查调查，侄子李某因构成利用影响力受贿罪被依法追究刑事责任。

一点思考

李灼日走上犯罪道路的原因，有着与其他国家公务人员职务犯罪相似的诸多共性，但也有其自身的一些特点。对领导干部而言，去除非分之想，常怀律己之心固然重要，但环境不良商贿盛行，且行业监督不力也是腐败案件多发的一个重要因素。

具体而言，这方面的客观原因主要是国家实行医药、医疗事业市场化的同时，相关制度和监管机制没有跟上。一是在医药及医疗器械生产环节，医药及医疗器械企业准入制度不健全，市场竞争机制不规范，市场监管不到位，引发医药市场的恶性竞争，推动药厂及医疗器械企业普遍采取高定价、高回扣的低级营销策略推销药品。二是在医药及医疗器械定价环节，价格管理失控导致价格与价值严重背离，为实施高回扣的营销策略创造了条件，也给经销商预留了较大的让利空间。三是在医药及医疗器械流通环节，由于存在高额利润的巨大商机，为医药及医疗器械经销机构及代理人行贿提供了便利条件，使销售人员以贿赂手段推销药品及医疗设备更方便也更隐蔽。四是在医药及医疗器械使用环节。医药及医疗器械贿赂产生于购销领域，却实现在使用环节。由于医院处于优越的买方市场地位，拥有绝对的择取权，为其相关负责人在医药及医疗器械购销活动中利用职权收受回扣创造了条件。

分析上述客观环境因素，并非是为李灼日之流开脱罪责。强化监管，净化土壤，原本就是反腐败系统工程的一项重要内容。希望有关部门重视类似案件的警示意义，加大整治力度，彻底堵死相关领域腐败分子的寻租空间。

iPhone 11评测：虽不是Pro但不妨碍它成为真香旗舰

【手机中国评测】手机圈一年一度的盛会，苹果秋季新品发布会已经落下了帷幕。顶着外界巨大的压力与争议，库克依旧从容地在乔布斯剧院的舞台上为我们带来了三款新iPhone：iPhone 11、iPhone 11Pro、iPhone 11Pro Max。先不讨论这三款机型的命名美学如何，单从新配色、新工艺上来看就已经能够打动一批消费者了。之前饱受诟病的“浴霸”式镜头如期而至，而它也成为了iPhone 11系列最鲜明的特色。

面对虎视眈眈的安卓阵营，苹果近年来也不得不加快了步伐。很多被iPhone老用户们诟病的小细节和功能点，在这代产品上得到了改进或者升级，库克实在是一个精明的商人。作为发布会的主角，iPhone 11Pro系列自然是全场的焦点，而今天我在这里想谈谈的，是这款有些被“低估”了的旗舰，iPhone 11。它的前身iPhone XR的诞生，本就是为了与安卓阵营的中高端旗舰竞争。虽然被消费者们吐槽大黑边、单摄，但售价上的一再走低，却让它成为了今年“最香”的苹果产品。

从命名上来看，iPhone 11在拿掉了字母后缀直接用数字命名，间接地表示曾经的次旗舰如今已经“扶正”。而Pro系列iPhone的诞生，也坐实了iPhone双产品线的策略，与iPad和Mac系列走到了一起。更高的地位意味着更多的特权与能力，iPhone 11这次没有让我们失望：超广角双摄、A13仿生芯片、支持18W快充（虽然充电头需要单独购买），最后加上5499元起的售价，相信让很多人喊出了“真香”这两个字。而iPhone 11还有哪些提升、使用体验如何、值不值得买，且听我慢慢为你道来。

黑边不用关心，你要做的只是挑个颜色

“iPhone的外观有多久没有变过了？”每次看到这样的问题，作为一名老用户的我不禁也会陷入沉思。苹果在工业设计上的能力大家有目共睹，iPhone 4的ID设计席卷了全世界，被无数厂商和品牌模仿借鉴。而自从iPhone 6时代后，iPhone的形态似乎到达了一个相对“稳定”的阶段。自此之后的iPhone 7、iPhone 8都只是在前代上的“小修小补”。

后来iPhone X的出现，也没有打破这样的局面，刘海全面屏的设计是“缝缝补补又三年”。相比起安卓阵营的激进脚步，苹果似乎还是有些保守。对于那些他们认为不成熟的技术，依旧持观望态度。此次iPhone 11的正面依旧是我们熟悉的刘海全面屏，在Face ID依旧在迭代的当下，这是苹果认为最合理的方案。至于边框的问题，我只能说一分钱一分货，要求不要太苛刻。

虽然边框没有达到极致，但这块屏幕在素质上还是很优秀的。iPhone 11采用了和iPhone XR一致的6.1英寸LCD屏幕，分辨率为1792×828像素，PPI为326。在达到苹果“Retina”的标准线后，其实在使用上是完全没有问题的。如果你不将它与2K屏幕仔细的进行对比，在日常使用中是看不出什么区别的。这块Liquid视网膜LCD屏幕，不是顶级但绝对出彩。尤其是原彩显示功能，相比起传统的夜间模式，在使用感受上要好太多。

其实相比起iPhone 11Pro，iPhone 11在外观上要更加的“容易接受”，没错我说的就是背部的摄像头模组。其实早在新机曝光阶段，大家就已经大概确认了iPhone 11系列的设计风格，那就是：设计为功能让步。而这样的妥协，在苹果身上近年来已经出现过了很多次。或许是因为安卓阵营的步步紧逼、或许是因为用户需求的不断升级。设计和功能之间的优先级，显然是一道不太好做的选择题。

好在iPhone 11只采用了双摄，所以在排列上要比11Pro系列更加的“低调”一些。竖排的双摄和闪光灯一起，被放置在了左上角的圆角矩形区域内。不知道苹果是想让镜头区域更加凸显一些，还是出于什么别的考虑，但不可否认的是辨识度一下提升了不少。相比iPhone 11Pro系列的锋利，11背部镜头区域则更加圆润一些。整块玻璃背板为一体设计，微微凸起的区域并不是拼接、而是打磨而成，苹果的工艺水准还是一如既往之高。

虽然背部只是普通的玻璃，并没有采用Pro上的磨砂质地，但在手感上还是不错的。但如果你像小编一样是个“手汗”星人，那还是乖乖带个保护壳比较好。相机模组的区域采用了磨砂的处理，在同一种材质在与背板玻璃的摄像头区域做出了区隔。可能苹果也是在提醒我们，没事就不要经常摸摄像头了。

另外一个十分有趣的点，就是苹果Logo的下移。虽然库克在发布会上并未阐明原因，但是据推测可能有两个原因。第一是相机模组增大，迫使无线充电圈位置下移，Logo就一起进行了平移；第二种说法是因为苹果觉得机身上方的镜头模组过大，如果Logo位于中间靠上区域，可能会显得“头重脚轻”。当然这些只是猜测，真正的原因就看苹果是否愿意向我们“揭秘”了。

iPhone 11的边框依旧采用了磨砂质感的处理，手汗星人再次点赞。苹果对于金属喷砂的工艺技术十分纯熟，iPhone 11的边框总给我一种介于细腻与粗犷之间的手感，摸上去十分舒服。当然如果你想要时刻体会这美妙的手感，就只能裸奔了，官方的Apple Care 可能需要安排一下了。

与iPhone XR一样，iPhone 11走的也是轻快路线，共提供六种颜色。除了iPhone XR上就出现过的红色与黄色，新增的绿色和紫色相信会是很多人换机的首眩不管你是单纯的喜欢这两款颜色、还是希望大家能够一眼认出这是新款手机，苹果的营销策略都成功了。相比起Pro系列的深邃沉稳，小编觉得11系列的多彩应该能够获得一大批年轻用户们的喜爱。

硬件绝对强悍，你的要求都能满足

其实iPhone的硬件和性能，一直都不是大家最关心的点。因为iOS的底层机制、软硬结合等方面的优势，即使参数上没有安卓旗舰那么“吓人”，但性能是绝对没问题的。这次iPhone 11系列标配了A13处理器以及4GB运行内存，这就意味着你可以用更少的价格，体验到顶配Pro版的硬件性能。

从安兔兔的跑分成绩来看，iPhone 11获得了457309的成绩，是如今顶级旗舰的水平。据苹果介绍，此次A13仿生芯片是一次相当强大的升级。苹果表示：“它拥有智能手机有史以来最好的机器学习性能”。A13仿生芯片内集成了85亿个晶体管，采用了更先进的7nm制程工艺。其实对于iPhone的用户们而言，大家真的不是很care这些硬参数，毕竟iPhone在性能上从来没有让我们失望过。

在CPU方面，A13拥有2颗高性能核心，速度提升20%、功耗降低30%；4颗效能核心，速度提升20%，功耗降低了40%；CPU还新增两个新的机器学习加速器，中央处理器每秒可进行一万亿次运算；GPU为四核心设计，速度提升20%，功耗降低40%；八核神经引擎性能提升了20%，功耗降低15%。这些性能上的提升，为双摄、Face ID、增强现实等应用提供了强有力的保障。

苹果对于iPhone的硬件参数一直都比较“低调”，除了处理器上的提升，其他硬件的数据大部分只能靠拆机来获知。不过苹果指出了一点，那就是由于A13能效的提升，iPhone 11的续航时间比iPhone XR长了1个小时。这方面的提升，或许对用户的诱惑力更大一些。

拍照大升级，看得更多也更清晰

说到拍照，安卓阵营新技术不断，三摄四摄、AI算法、超级夜景，几大连环出招让iPhone失去了往日的“标杆”地位。今年苹果终于大手一挥，为两款机型各添加了一个镜头，大家心心念念的夜景、超广角一次性上菜，老iPhone用户们纷纷表示“过年了”。

iPhone 11分别搭载了一颗1200万像素的广角镜头、以及一颗1200万像素的超广角镜头。其中广角镜头采用 Focus Pixels技术，能够在弱光环境中提升最大三倍的自动对焦速度。而另一颗超广角镜头则可以带来四倍的取景范围，以后拍摄大场景时再也不用拼命的后退取景了，等了好久终于等到今天。

搭配iOS 13，iPhone 11的相机在功能以及交互上带来了很多新的提升。首先就是超广角画面的实时预览，在拍照页面可以看到，取景器内是普通的1倍画面，而原本的黑边处则默认显示0.5倍的超广角画面。当你手动调节画面时，画面会连贯流畅地在广角与超广角之间切换，这种体验可以用前所未有来形容。

虽然拥有多颗摄像头，但是由于位置的不同，所以在光线、对焦、白平衡等方面获取的信息也不同。当你在切换到超广角模式下时，往往会出现需要重新对焦、或者白平衡不一致等情况。苹果能够自信地将超广角作为预览直接放在取景框中，显然是克服了这一问题。据悉苹果通过算法，让两颗镜头互相分享对焦、景深、白平衡的信息，并通过A13芯片强大的性能，实现了广角——超广角的无缝切换。

看到这里小编得不得感叹，苹果还是那个苹果。虽然超广角拍照来得稍微晚了一些，但苹果总是能够找到那些影响使用体验的小Bug，然后悄无声息地解决，不得不佩服苹果在软硬结合上的实力。但如果你是首次使用iOS 13系统，相信也会有些摸不着头脑。苹果此次将我们熟悉的参数调节例如滤镜、曝光时间、照片比例等选项放在了二级菜单中，需要用手向上滑动取景框打开，新手需要适应一下。

另外一个十分实用有趣的功能，就是当你在拍照界面下长按快门即可开启录制视频，再向右滑则是锁定为视频录制。这对于那些平时需要随时记录身边风景，录制视频素材的用户来说显然更加方便。不知道是不是看中了如今全球都十分火热的短视频社交，未来iPhone或许会增加更多视频拍摄方面的功能，或许能一键抖音也说不定。

普通模式

在实际体验方面，超广角带来的画面内容、震撼感上的提升是十分明显的。在取景器内，你可以通过点按下方的“1X”来开启超广角模式。在瞬间觉得视野开阔后，你还能发现苹果对于广角镜头边缘的畸变控制的也相当不错。

超广角模式

虽然在发布会上苹果并没有着重解析，但是超广角镜头带来的边缘畸变一直都是一个大问题。从样张中我们可以看出，iPhone 11的广角镜头虽然有拉伸痕迹，但是边缘并没有出现变形的情况。其实广角镜头运用得当，能够获得十分优秀的效果，例如拍摄大长腿。

超广角模式

超广角模式对于拍摄建筑而言最为神奇，尤其是那些棱角分明、极具线条感的高楼，能够让它散发出别样的魅力。另一个小编在拍照中发现的升级之处，就是iPhone 11在逆光场景下动态范围与算法的提升。

超广角 逆光

在面对逆光的场景时，iPhone 11的画面不会出现漆黑一片、或者曝光过度的情况。高光被很好的进行了压制，而暗部的细节也没有丢失。看来双摄 A13的强悍组合，提升还是很明显的。

普通模式

超广角模式

在同样的场景下，关闭与开启超广角模式效果如图所示。其实对于摄影来说，构图是十分重要的。超广角模式无疑为后期的再创作提供了更大的空间，尤其是在多人合照、出游采风的时候，实用性与幸福感提升明显。

接下来让我们来到室内，拍摄场地的建筑采用的是透明屋顶，加之室内的光源，环境十分复杂。在这种情况下，iPhone 11依旧保持了很好的白平衡，画面中的灯带、远处的天花板，高光部分控制的十分优秀。而暗部的地板、栏杆扶手细节也十分清晰。

人像模式

我们熟悉的人像模式，由于加入了双摄，iPhone 11也可以拍摄除人脸以外的物体了。本质上而言，人像模式就是通过人物识别、抠像，然后进行背景虚化的算法。从样张来看，此次iPhone 11无论是对物体的识别、边缘的抠像，都达到了一个不错的水准。

全新的智能HDR功能，是这次iPhone 11的重点升级之一。简单来说，A13芯片可以通过机器学习，识别出画面中的人物，然后将其与背景区分开来处理。即使你的背后是落日余晖或者黑暗的夜晚，也不会出现“黑脸”的情况。不知道是不是可以理解为苹果心中的“美颜”呢？

这次人像光效列表中新增了“高调单色光效果”，能够模拟出摄影棚风格满满的单色照片。虽然如今很多修图软件也能够套用相关的滤镜，但是iPhone 11自带的强大后期，以及可随时更改的效果，要比那些“一次性”的美图滤镜强大太多了。

除了超广角，夜景模式也是iPhone 11的一个重要升级点。iPhone 11的夜间模式会在检测到光线不足时自动开启，而长曝光的时间系统会自动计算并调节，你所要做的只是按下快门、保持手机稳定就好。通过长曝光拍摄多张照片，系统会修正画面晃动、裁剪模糊的部分、调节对比度、调整色彩，最后去除噪点增强细节，生成最终的图像。

在使用中我发现，iPhone 11的夜景模式追求的是“自然的黑夜之美”。简而言之就是不会过分拉高画面亮度，而是去猜测你需要拍清楚的物体，然后有的放矢地对画面进行优化、提亮。

普通模式

夜景模式

通过对比我们可以看到，画面中的路牌、建筑都有了亮度和细节上的提升。而天空则尽可能的保持了略为暗淡的效果，整体观感更为真实。

普通模式

夜景模式

而在极端场景下，长达4秒的长曝光能够大幅提升画面亮度，并且还原建筑本身的细节。这样的夜景模式比起闪光灯显然要更加的实用，效果也更好。iPhone 11此次在拍照方面的提升，还获得了美国知名摄影师Austin Mann的认可，作为一名“更喜欢用iPhone而不是相机”的摄影师，Austin在采访中着重表达了对于iPhone 11系列超广角以及夜间模式的喜爱，作为一名专业摄影师，他认为这些功能打破了手机摄影的界限，为更多的普通用户提供了更大的创作空间。

一些小细节，还是知道一下比较好

苹果做产品的宗旨是：在不知不觉中优化你的使用体验，iPhone 11也是如此。尽管苹果没有提及详细的电池信息，但国外的拆机大神们还是为我们揭晓了iPhone 11的电池容量：3110mAh。搭配万众期待的18W快充，“五福一安”终于退出了历史舞台（虽然iPhone 11的充电头需要自行购买）。

另一个十分遗憾的地方就是，iPhone 11系列砍掉了6s上发布的3D Touch功能，改为了“长按 震动反辣的方式。3D Touch多年来一直没什么存在感，相关的应用适配也未能引起第三方开发者们的兴趣。虽然在发布之初它被誉为“滑动点按以外的第三种交互”，但有些“鸡肋”的使用体验最终让苹果放弃了它。或许3D Touch更适合Apple Watch这种小屏设备吧。

最后就是关键时刻能“救命”提升，iPhone 11支持IP68级别的防尘防水(在最深2米的水下停留时间最长可达30分钟)。当然这个标准并不是让你带着手机去游泳，而是为你的手机提供多一重被动防护。如果人为情况手机进水，苹果可是不会保修的。另外双卡双待、可同时连接两对AirPods、杜比全景声，空间音频等等小功能点，就不在这里赘述了。总之你需要知道的一点就是，你想到的苹果也都想到了，放心大胆的用吧！

它不是Pro，但绝对是“真香”

作为同门兄弟，iPhone 11Pro系列无疑风头更胜，但iPhone 11也绝不是一款“陪跑”的产品。iPhone 11拥有同样出色的外观、苹果精心调校的屏幕、出色的双摄系统、更强悍的A13仿生芯片，以及iOS系统的流畅体验加持。如果这些还不能满足你，那么就想想5499起的售价，是不是想要发自肺腑的说出一声“真香”呢？

华为云如何实现第二跳？一文看尽15大云服务新品升级

智东西（公众号：zhidxcom）

作者 | 李水青

编辑 | 心缘

智东西11月7日报道，今早，在华为全联接大会2022上，华为云CEO张平安带来了15大云服务产品和能力升级。

华为云CEO张平安

面向基础设施服务，华为云推出KooVerse架构，以此总结其IaaS（基础设施即服务）的算力枢纽分布格局，服务东数西算，并面向全球超29个区域、75个可用区建设全球算力网络。

面向技术产业化落地趋势，华为云推出了Astro低代码平台，并推出DevCloud开发云，集成其此前推出的软件开发生产线DevCloud、AI开发生产线ModelArts等四大技术生产线。

在AI及大数据服务方面，华为云在此前服务的基础上，推出了盘古气象大模型、AI基因平台，更新GaussDB（高斯）数据库，并推出MetaEngine云原生智能渲染引擎、数字资产区块链服务等，完善其PaaS版图。

面向行业及企业客户，华为云本次更新工业aPaaS，推出工业软件云，同时发布电力aPaaS、公路aPaaS，并带来了KooSearch云搜索服务、KooPhone云手机解决方案、KooDrive云端存储服务等。

华为轮值董事长胡厚崑在大会上说，近年来，企业上云成为非常明确的趋势。连续几年来，华为云达到了50%增长，成为华为业务增长最快的板块。

华为轮值董事长胡厚崑

2021年，华为云提出“一切皆服务”理念，从基础设施即服务（IaaS）、技术即服务（PaaS）、经验即服务（aPaaS）三大方面服务客户。

本次，张平安从这三方面分享了新的创新实践成果。

一、布局IaaS：服务东数西算，进而辐射全球75个地区

在IaaS方面，华为云推出了KooVerse架构，覆盖CloudOcean（云核心枢纽）、CloudSea（云区域枢纽）、CloudLake（云边缘枢纽）三层架构。

目前，华为云服务在全球可用区域达到29个，可用区达到75个。

值得一提的是，在今年东数西算工程启动的背景下，华为云将云核心枢纽拓展到了贵州、乌兰察布等“东数西算”划定的区域。

那么从算力服务角度来看，如何让更多业务运营在云核心枢纽上，实现东数西算、东数西存？

张平安坦言，目前这一工作主要面临时延、安全和易用三大挑战，对此，华为进行了相关解法的探索落地。

1、时延：匹配应用不同的时延要求

在很多开发工程师的印象中，由于时延问题，应用开发不能放在西部的乌兰察布、贵安数据中心上。

张平安说，团队在对华为几千个应用深度分析后，发现只有10%的应用需要10ms以下的时延，比如芯片设计等。实际上，所有与软件相关的设计，都可以在30ms以上的时延进行开发。

华为认为，大部分企业90%业务可以在云核心枢纽集中部署，其自身已将70%的应用已搬迁到内蒙等算力枢纽。

2、安全：满足应用/数据密级要求

安全问题是很多客户担心云上部署出现的问题。但张平安说，云上其实更安全，客户任何时候都接入网络，要求云基础设施的加固水平远高于传统IDC。

对此，华为云推出了系列云上专区，满足企业应用于数据不同密级要求。

3、易用：让应用自动高效运行

在易用性方面，华为云开发了Regionless架构，构筑全局应用编程框架、全局数据服务和全局网络基础设施，让应用能够自由流动。

简单来说，就是一个应用可以被分为若干个子应用，分别部署在不同区域的数据中心。系统能对业务自动进行冷热分级，将适合的业务放在适合的数据中心资源上计算、存储。

二、布局PaaS：一统四大生产线，推出低代码平台、云渲染引擎等

讲完IaaS，张平安谈及了华为云PaaS方面的进展。

胡厚崑在大会上谈道，当下，大多数企业上云主要用基础设施服务，比如弹性计算资源等。实际上，今天有越来越多新技术，比如人工智能、软件开发、数据治理都可以放到云上。

张平安说，应用现代化是企业数字化转型的必由之路。如何加速应用的现代化，是一个新的思考。

为此，华为云关注组件式交付、数智驱动、DevOps、服务化架构、安全可信、韧性六大方面。

落实到产品上，华为云本次推出了Astro低代码平台、DevCloud开发云和创新云服务三大类创新加速器。

1、推出低代码平台，人人都是开发者

首先，华为云推出Astro低代码平台，要让人人都成为开发者。

该平台包括轻应用、IOC大屏、工作流、智能助手等功能，并通过Arstro Pro满足复杂应用简单化的需求。

2、推出DevCloud开发云，一统四大生产线

然后，华为云推出了DevCloud开发云，一统此前推出了四大流水生产线：软件开发生产线DevCloud、AI开发生产线ModelArts、数字内容生产线MetaStudio、数据治理生产线DataArts。

考虑到很多数字化应用需要同时应用这四大流水线，本次，华为云将这四大流水线统一集成在一起，成为DevCloud开发云。

张平安说，目前，华为云同时还在研究硬件、芯片、工业软件的开发流水线，日后将加入到DevCloud。

知名汽车企业长安汽车联合华为云构筑了业务服务化平台，为长安智慧云提供了从数据库、AI等PaaS平台到低代码平台的技术服务。

长安汽车大数据中心总经理任喆说，华为云的技术创新与长安汽车的业务场景发生了神奇的化学反应，助其将应用开发周期从3个月降低至9天。

3、布局AI，推出盘古气象大模型、AI基因平台

值得一提的是，在AI服务方面，本次华为云还推出了一些关键平台。

本次，华为云在过去AI业务基础上，推出了盘古气象大模型、AI基因平台两大全新AI服务平台。

预测气象天气是全球的一大难题。张平安称，盘古气象大模型能秒级预测全球气候，相比传统模式速度快了1000倍，精度提升20%。今年8月份的马鞍台风，就采用了其进行预测，准确度达到80%。

基因分析是一项价格昂贵的工作，且会用到大量算力。张平安称，通过华为基因平台做基因分析，效率能提升10倍。该平台业界首个支持百万人基因组计划，促进中东基因组计划效率大大提升。

4、攻克最难数据库，更新GaussDB（高斯）

数据库是更多应用下的基石。其中，交易性数据库是最难山头，之前国内企业用的大多为美国数据库。张平安还谈到，中国需要新的选择，高可靠、高可用、高稳定、高性能的数据库。

为此，近年来华为云对此加大了投入，本次则更新了GaussDB（高斯）数据库。

GaussDB实现了代码自研，可使用鲲鹏服务器，使得底层操作系统能和服务器深入适配，提效降本。目前，中国工商银行、中国邮政储蓄银行等都在使用高斯数据库。

5、推出云渲染引擎、数字资产区块链

会上，华为云还推出了新的区块链服务——数字资产区块链，将数字资产等连接起来，进而打造Web3.0时代的科新应用底座。

在MetaStudio方面，本次，华为云推出了MetaEngine云原生智能渲染引擎。

张平安称，一部90分钟时长的3D影片渲染原本需6个月，MetaEngine云原生智能渲染引擎能使其缩短至一周时间。此外，在任何需要计算机图形学行业，比如工业设计、数字人、AR/VR等行业都能应用这一技术。

加速应用现代化，需要各行各业的专家加入。为此，本次会上，华为云联合中国软件协会、产业合作伙伴等成立应用现代化联盟，推动应用现代化服务更多企业。

三、布局aPaaS：推出工业软件云，加码云手机、云搜索

布局aPaaS，本次，华为云推出了面向产业使能的新品，以及面向企业的基础云服务。

今年6月，华为云推出了工业、政务、供热、煤矿、教育5个行业aPaaS（应用平台即服务），精准打击行业中的疑难问题。aPaaS是PaaS的一个子类，特指专门从事云端应用开发的PaaS平台，可以看到华为正通过更细颗粒度的工具包降低SaaS开发门槛，赋能行业。

1、产业向：推出工业软件云，发布电力aPaaS、公路aPaaS

在使能产业上云方面，本次，华为云更新工业aPaaS，推出工业软件云，同时推出电力aPaaS、公路aPaaS。

首先来看看工业aPaaS。

纵观全球工业软件市场格局，美国工业软件公司占据54%市场份额，中国公司仅占据不足6%。这一行业壁垒高，人才要求高。同时，第三代工业软件以单体架构为主，工业软件亟需升级为基于云的第四代SaaS形态。

张平安认为，工业软件的崛起至少要突破两大瓶颈。

一是产业需要大量的数学、物理等科学家人才，成本高昂。

为此，华为云联合合作伙伴及相关科学家，打造工业软件所需要的根技术引擎。华为云工业aPaaS布局了十大工业软件内核，这都是大部分工业软件都需要的。这一服务让工业软件伙伴专注于自身开发，不需要关注底座。

二是大部分先进的工业翘楚，不愿意用国产工业软件。

张平安认为，这需要促进工业场景开放。为此，华为自身率先开放了电路设计、机械设计、仿真等场景给合作伙伴，加速工业软件合作伙伴的成长。

再来看看电力aPaaS，它覆盖了100多个应用场景API，涉及智慧发电、数字输电、数字变电、数字配电等多个方面。

国家电网就联合华为云打造了数字换流站。国家电网设备部相关负责人称，通过这一方案，现场作业效率能提升60%，故障定位准确率提升30%，新应用上线时间从6个月降低至3个月，巡检频率从3天/次的人工巡检转变为1天/次的智能巡检。

另外，在公路上云方面，本次华为云也推出了公路aPaaS，目前已落地杭州湾跨海大桥南岸连接线等项目。

2、企业向：加码云手机、云搜索、云存储

除了上述三个面向行业的aPaaS，最后，张平安推出了三个加速企业数字化转型的基础云服务：KooSearch云搜索服务、KooPhone云手机解决方案、KooDrive云端存储服务。

首先是KooSearch服务。该服务基于华为花瓣搜索积累的20多个行业的经验，能处理超50个国家的语言。当企业想向海外发展，可以使用这一打开箱即用的搜索服务。

然后是KooPhone云手机解决方案。简单说，就是在云端为用户增设一个虚拟手机，让企业应用和个人应用分开，但不用携带两部手机。

最后是KooDrive云端存储服务。它支持秒级备份、更新，使得企业无需再建立庞大的企业存储设施，就能用到一站式存储平台服务。

结语：用技术创新突破新发展瓶颈

很多人在问，华为云到底发展怎么样？

张平安说，千山万壑在前面，但只有心向星光，志在远方，才有远方的无限风景。从本次的全联接大会可以看到，华为云正继续攀登云计算高峰。

在全球不确定大环境下，作为云计算产业“后来者”的华为云一路跌跌撞撞，已冲上中国市场第二宝座。

如何进一步突破瓶颈，在更深入的行业和企业场景、覆盖全球的市场中，保持发展动力和增速，是华为云的新课题。

“我们希望帮助更多客户，迎来云服务的‘第二跳’。如果说第一跳是上云，‘第二跳’就是用好云。”胡厚崑说。