首页 文章 精选 留言 我的

精选列表

搜索[政企国密]，共5810篇文章
优秀的个人博客,低调大师

2025 年前 11 个月中国大模型政企采购超 21 亿元

根据对 2025 年 1 月至 11 月全国公开招标数据的综合统计，中国主流云厂商在大模型相关项目中累计中标 291 个，总金额突破 21 亿元。其中，百度智能云以95个中标项目和7.1亿元中标金额，成为中标项目数和中标金额最多的云厂商。火山引擎、阿里云位列二三位。 从已公开的中标项目看，大模型应用已深度渗透至政务、金融、能源、制造、交通、医疗等关键领域。典型场景包括： 政务智能客服与政策问答系统； 银行合规审查与风险预警模型； 电网设备故障预测与巡检报告生成； 工业企业知识库构建与技术文档智能管理。 从行业分布来看，在2025年前11个月的大模型招投标中，TOP5行业依次为金融、通信、能源、政务和教育科技，中标项目分别为91个、45个、28个、27个和24个。 从招标要求来看，不少行业注重供应商的落地能力考查，展现着大模型进入真实生产环境后的新变化——企业选用大模型落地AI应用，不再仅仅只看重模型效果，而是需要一整套从模型部署到Agent开发应用的系统化工程能力。
2025-12-25
优秀的个人博客,低调大师

分布式政企应用如何快速实现云原生的微服务架构改造

作者：杨奕 华为云技术规划专家 在以往的文章《云原生微服务治理技术朝无代理架构的演进之路》中，我们介绍了几种微服务架构模式，如下图所示。 注：图片来源 https://twitter.com/bibryam/status/1026429379587567616 今天主要是介绍，第一种SOA/ESB架构，在Java语言场景下，如何朝第三种 云原生ServiceMesh架构 的演进的问题。 SOA/ESB架构简介和问题概览 首先我们来看看 SOA/ESB 架构模式 在目前公有云上的典型参考架构。 如下图所示，以华为云为例，以该模式部署应用时，其使用到的典型云服务为 弹性负载均衡 (ELB) + 弹性伸缩(AS，包含ECS)。在这种场景下， 需要发起调用的客户端程序，通过配置好的域名或地址，直接调用到ELB上，通过ELB去调用到后端的ECS服务器。 ELB上需要配置后端服务器的多个IP地址。当然，一般这类操作可以简化为添加某类弹性伸缩组。这样，当ECS发生弹性伸缩时管理员无需处理ELB配置，ELB即可自动刷新ECS的IP列表的变化。 (配置操作可参见：https://support.huaweicloud.com/usermanual-as/as_01_0102.html) 值得注意的是，以上的模式可能存在几种变种。 对于ELB，可能会采用API网关替代，或者用户自建的KONG, APISIX,Envoy等，具体取决各个企业的自身业务场景。例如，某些互联网公司倾向于采用企业自建的KONG，其主要原因是除了基本的服务发现和负载均衡能力以外，网关还需要处理面向内部跨域调用的一些鉴权情况处理。 对于弹性伸缩，可能也会直接采用Kubernetes的Deployment + HorizontalPodAutoscaler替代。这当然取决于企业内部的基础架构采用情况，看是更倾向于使用虚拟机架构还是容器架构。 以上架构虽然在隔离性、安全性上存在一定优点，但是短板也非常明显。 性能和资源开销。这个比较好理解，相对微服务架构，SOA/ESB架构上网络增加了额外一跳，而且ELB的引入也会导致资源的额外消耗增多。 运维成本。毕竟额外引入了一个ELB的组件，因此在微服务之间调用时，瓶颈在哪里，ELB是否需要扩缩容，都是问题。 微服务和云原生架构改造的一些方法和问题 对于如何改造 SOA/ESB 架构，朝微服务架构或云原生架构演进，业界也有很多方法。主要是以下两类。 通过修改代码，将应用改造为微服务架构。例如直接在代码中引入比如SpringCloud的服务注册发现和负载均衡等组件。当然，这种改造往往也并不简单，主要取决于现有应用已采用的开发框架，等。比如应用本身没有采用spring来进行开发，那么直接采用SpringCloud可能会为应用带来海量的改造成本。 采用istio方案，通过有限改造应用，将架构升级为ServiceMesh架构。之所以该方案说是有限改造，而不是无改造，也是因为在服务调用方式上，istio方案对应用并不是完全无限制。其至少需要在客户端将调用的http调用地址改造成为k8s原生的服务地址，调用的服务治理才能被envoy有效接管。当然，改造完毕后，用户在接下来在面向边车的性能衰减，更复杂的调用运维问题上，恐怕一个也不会少。 综上所述，两种方案都存在比较明显的短板。接下来分析下采用Sermant方式进行架构改造，如何弥补上述两种方案的短板。 Sermant对SOA/ESB架构升级的一些思路 采用Sermant (https://sermant.io/zh/) 对SOA/ESB架构升级，本质上的最后的架构终态是Service-Mesh。但是因为采用的方法稍有不同，从而导致方案在性能和运维问题上都不存在短板。主要是以下两点： 首先，Sermant采用Java Agent来动态注入增强的服务逻辑治理，因此应用侧理论可以做到完全不用改代码。 其次，由于Sermant的核心逻辑是以AOP (面向切面编程) 方式，Java Agent和业务属于同一进程，因此在性能方面不存在sidecar形态的特别大的损耗。 Sermant方案架构如下图所示。 在核心技术点上，Sermant改造方案的功能主要有以下几个方面： 内置的服务注册发现机制。(上图中的第一点和第三点) 插件本身会带服务注册功能，在Provider应用启动的时候自动到注册中心进行服务注册。 在Consumer应用进行URL服务调用的时候，通过微服务服务发现+负载均衡机制替代原先的服务直调。 域名到服务名(有时也称应用名)的转换。(上图中的第二点) 服务发现时，由于原先的调用采用URL直调，并不包含应用信息。这就需要一个调用关系到应用名的映射。对于这块内容，未来我们计划做成了一个动态配置，存储到配置中心里。这样当有应用需要发起调用时，Sermant直接将URL转换成应用名，就可以在注册中心获取响应的应用IP列表。 通过URL获取Provider应用名后，由于在改造过程中，不用Provider应用并不是同批次发布携带Sermant Java Agent，因此还需要有个白名单机制，来配合灰度发布。 增强的客户端侧负载均衡、重试、隔离、降级机制。(上图中的第四点) 结合上一步，完整的商用方案，Consumer调用Provider除了需要满足基本的负载均衡功能以外，还需要更进一步进行重试、容错隔离、以及对下游的限流降级处理。 此外，对于一些必要的东西向流量的治理能力，如服务间的3A认证，等，也需要进一步在Sermant端补齐。 以上便是Sermant改造方案的主要功能点。另外，在实操中如何针对现有环境进行升级还是需要一定方法，避免对现有环境进行太大冲击。以下详细叙述。 采用Sermant对SOA/ESB架构升级的方案实操 应用改造在具体局点上不可能一蹴而就，因此在具体上实施上肯定是一个慢慢灰度的过程。以Kubernetes容器场景为例，介绍下在上百个微服务应用上千实例的情况下，如何采用Sermant对SOA/ESB基于灰度进行安全可控的云原生架构升级。 以下为准备工作： 准备步骤一：自身应用是否支持。当前Sermant支持的微服务升级的Java框架可以在该文档中查询。如未支持，可以考虑给社区提Issue解决。 参考链接：https://sermant.io/zh/document/plugin/springboot-registry.html#%E8%AF%A6%E7%BB%86%E6%B2%BB%E7%90%86%E8%A7%84%E5%88%99 准备步骤二：在Kubernetes中安装Injector，方便以非侵入方式让Java应用自动挂载Sermant Java Agent. 本步骤可选。如跳过，则需要手动改变应用部署脚本加载Sermant Java Agent。 参考链接：https://sermant.io/zh/document/user-guide/injector.html 以下介绍详细实施过程。假设初始架构如下。一共三个App，其中App1通过ELB连接到App2和App3。为简化表述，图中为应用均为单实例，实际生产中的实例可能会有多个。 接下来，在Kubernetes中对新版本的App1, App2进行发布(图中为V2版本)，并在发布时携带Sermant Java Agent，以及激活SpringBoot注册插件。但是此时可以先不配置Provider白名单规则，因此发布后，应用流量应该还是走ELB，未发生任何变化。 接着在配置中心，将App2加入到白名单中。此时，对识别到App2的应用，挂有Sermant Java Agent的App1实例 (图中的V2实例) 会对App2的实例以负载均衡方式直接发起调用。与此同时，App1访问App3的流量没有变化。 验证成功后，删除App1、 App2的V1版本，App1到App2的流量通过注册中心的注册发现，完全实现直连。同时，App1访问App3的流量维持不变。 至此，使用Sermant对App1、App2的云原生架构升级结束。后续其他App应用，可以按照类似方案，进行灰度升级，直至所有应用全部挂载上Sermant，完成微服务直连改造。 结束语 Sermant 作为专注于服务治理领域的字节码增强框架，致力于提供高性能、可扩展、易接入、功能丰富的服务治理体验，并会在每个版本中做好性能、功能、体验的看护，广泛欢迎大家的加入。 Sermant官网：https://sermant.io GitHub仓库地址：https://github.com/huaweicloud/Sermant 添加Sermant小二（微信号：sermant-support）加入社区交流群 或扫码加入Sermant社区交流群
2023-04-06
优秀的个人博客,低调大师

2017中国软件技术大会圆满闭幕

由中国科学院软件研究所、中科软科技股份有限公司联合主办的第15届中国软件技术大会于2017年 12 月8-9日在北京国家会议中心隆重召开。本次大会以“智能时代、软件赋能”为主题, 除主题报告外，大会开设了大数据&人工智能、云计算&云生态、金融科技创新与未来、研发管理新思维、企业级服务和架构设计技术、移动开发与应用平台等多个技术专场。 IBM副总裁，大中华区系统部总经理侯淼在题为“智能科技,引领业务创新”的首场主题演讲中，结合五个案例的不同场景，分享了他对基础架构演变的看法，以及IBM的整体考虑和量子计算、新磁带等相关前言科技。 华为公有云技术总监彭柯在题为“共赢行业数字化转型云时代”的主题报告中提到，“企业应对新技术和商业模式创新挑战的重要方式是进行数字化转型，而云是企业数字化转型当中最主要的方式。华为通过从封闭的IT系统走向云化、把内部的IT系统转化成更加关注用户ROADS体验、在流程改造时关注感知客户的变化等方式支撑自身企业的数字化转型，而整个业务变革的核心支撑是华为后台IT系统的混合架构“。 上海合合信息科技发展有限公司联合创始人、副总裁陈晏堂以多年服务保险客户的经验，分享了如何通过OCR+Data+AI智能管理保险客户的生命全周期，包括：通过大数据智能获取目标客户、通过移动互联网和智能终端实现智能投保、通过大数据采集和人工智能分析实现自动核保和智能理赔等。 _cast中国区总裁诸凡，在主题报告中认为“有效的发现软件当中的内在缺陷和漏洞，需要从应用软件的开发全流程、从业务处理的全流程上去分析，_cast的智能代码分析工具通过代码分析，进行自动建模分析，得出系统架构和功能点，并给出相应的风险数据，就像X光机一样，可以在展示平台上展示潜在问题和系统漏洞，帮助你深入洞察应用软件，提高软件质量”。 “我们一直秉承着开放的理念，输出整个金融科技的开放能力，会从三个方面进行开放：资金、技术和资产”，网信创始合伙人周欣这样定位网信的金融科技开放平台，同时分享了他对平台的未来展望，“未来我们的目标是研发和开放更多、更好的金融科技产品，包括AI机器人替代理睬经纪人，能够深度学习的交易策略平台等等，积极输出我们的金融科技能力”。 另外，腾讯微信事业群企业微信行业总监陆昊，则通过企业微信与一些行业的应用结合案例，与参会人员分享了企业微信如何作为企业内部的专业沟通工具，成为移动工作平台和入口，实现办公的更加智能化，提高企业的运营效率。 作为大会的特邀报告，中科软科技股份有限公司左春董事长，以“人工智能正加速转向精准计算应用”为主题阐述了他对当前火热的人工智能发展的观点，“相对于强人工智能而言，目前的人工智能多以流行的开源软件为基础，经过参数的训练，在替代人工方面取得了很大的工程应用进展，可称为弱人工智能，或者叫精准计算。精准计算具有领域融入能力、可迭代、逐渐精化、依概率收敛等特征”。从精准计算的发展走向上看，左总认为：“主要关注在应用的普及驱动从BI平滑过渡到精准计算、开源框架从单一软件转向开源套件，并嵌入到各种行业应用软件系统之中（AI+）；更高效的特征标识样本的提取方法等等方面”。最后，左总还对参会的广大工程师提出了四点参考建议，“理解人工处理电子对象增加的原因和标准，以及处理的需求；理解和熟悉新的开源工具和原理背景；加大学习速度，尝试领域知识和特征工程方法，完成初级系统的实现；从应用工程角度展开成果物的精准度竞赛，产生巨大商业价值”。 在本届大会上，共有50多位来自国内外著名软件企业、互联网公司、行业企业的技术专家与1000多位参会嘉宾共同分享和探讨了当前的技术变革对企业级软件的开发技术、架构、运维等的影响和驱动力，同时还设立了技术展示、技术专家沙龙等多种形式的交流沟通环节。 本文出处：畅享网 本文来自云栖社区合作伙伴畅享网，了解相关信息可以关注vsharing.com网站。
2018-03-06
优秀的个人博客,低调大师

制造业变革中的“三国杀

谁都不可否认，人类的文明与“制造”密切相关，虽然文明的最主要标志在于科技水平的进步，但科技在日常生活中的体现，与制造业有着极为密切的关系。从这个角度来说，未来也将是制造出来。 作为一个全球公认的制造业大国，中国对于制造业未来的发展极为重视，说它将决定中国未来10年的国运也绝不为过。这其中从低端制造业向高端制造业的变革，无疑是重中之重，相关领域里的相关厂商，都在从不同的角度为这一场添砖加瓦，贡献着自己的力量。 不过在这一场变革中，已经先行出发的，则是同为制造业强国的德国与美国，它们基于自己最擅长的领域，酝酿着下一代制造业的革命。但不管是中国，还是美国、德国，制造业变革的焦点，都是在于如何打造更智慧的工厂，如何生产出更智能的产品，只是具体的侧重点各有不同。 德国：工业4.0 目前在中国，工业4.0是一个很火的词汇，很多人都谈到工业4.0也将是中国制造业变革的一个重要组成部分，它基本上也代表了中国制造业努力发展的方向。不过这里所说的工业4.0，严格意义上讲是工业发展至第四阶段的核心理念，但就工业4.0这个具体概念来说，则是德国的原创，目前由德国电子电气制造商协会(ZVEI)负责工业4.0的统一规划与标准制定。 工业发展的4个阶段的区分定义 在开始简要介绍工业4.0之前，有必要回顾一下工业发展的前三个阶段，在1784年，第一台机械式织布机的出现，揭开了第一次工业革命的序章，这也是人类第一次摆脱了人力的限制，开始进行机械化生产制造，而驱动机械的动力则是水或是水蒸气。到了1866年，西门子推出人类第一台工业用发电机，4年之后，在美国的辛辛那提的一家屠宰场，引入第一条电动生产传送带，将工业时代引入到了第二阶段。在这一阶段中，电气化的大规模生产制造流水线成为了重要的标志，这方面的经典代表作就是福特于1908年推出的“T型”轿车。 随着人类技术水平的不断进步，信息技术（IT）出现了，而当它与工业相结合时，就带来了第三次工业革命。在这一阶段，人类制造的可编程芯片植入到了电气化的工业环境中，其标志性事件就是美国莫迪康公司（Modicon，后来被法国的施耐德公司收购）推出了人类第一个可编程逻辑控制器（PLC，Programmable Logic Controller），赋予了生产线 “可编程”的能力，从而进入自动化生产与管理时代。 如果说前三次的变革主要是工业生产内部的自我改良与进化，那么工业4.0则是将工业与其周边的事物更紧密结合之后的产物，结合的基础手段就是互联网（Internet）与物联网（IOT，Internet Of Things），这就是工业4.0的原始驱动力，而具体的执行就是所谓的信息物理系统（CPS，Cyber-Physical Systems）。 虽然说是信息物理系统，但请注意CPS英文全称用的是Cyber这个词，而不是什么Information，在中文里对于Cyber一词并没有一个非常确切的简单对照。其实，Cyber并不仅仅代表信息，它是对全数字化空间的一种表述，是一种比Information更复杂化的信息世界的表达。而将它与现实中的物理系统相融合的产物CPS，虽不是为工业4.0而生，但最大限度体现了工业4.0的精髓——将由信息组成的虚拟世界与物理世界的生产能力进行最大化的结合，并相互影响。 如果非要以一种简单的词汇来描述，就是让整个的生产制造流程拥有智能，即——智能制造。 工业4.0中，一个典型的CPS架构，俗称5C架构，也可以理解为5层架构——Connection连接层、Conversion转换层、Cyber网络层、Cognition认知层、Configuration配置层 简单来说，CPS是一套能自我（群体）通信、自我（群体）感知，自我（群体）认知，并可根据外界的变化进行自我（群体）调整以自动响应的系统，它可以嫁接到任何工业场景中，以让该场景拥有“智能”，比如智能的电网、智能的交通、智能的医疗，而与工业制造相结合就是“智能制造”。 显然，CPS并不代表某一个具体的设备（不过某些设备可以理解为CPS节点，比如移动的探测器），而是将整体的工业系统囊括在内，我们可以把工业4.0时代的生产制造系统统称为CPS化的先进制造系统。其中的不同层级会横跨多个设备，具体是多少要视互联规模，也可能只有一台设备，也可能是成千上万，地域范围也可能是遍布全球甚至是太空，而负责底层连接的就是互联网与IOT，具体的实现与嵌入式系统的发展密不可分。 工业4.0的核心——智慧的工厂，简称工厂4.0，注意外围的关键点——云计算、大数据、IOT、安全与新一代物流，它们也正是工业4.0得以真正实现的外部基础，而CPS、3D打印、机器人等可以认为是内部实现的基础，也是工业自身进化的必然结果，可以想象，这其中将充斥着大量的应用与API 因此，我们必须再次强调，如果没有互联网和IOT，CPS也就无从谈起，也正因为互联网与IOT的成熟，才让CPS的实现成为可能，也让工业4.0成为了可能。我们可以这样理解：基于全互联的信息化（数字化）环境下，从产品最开始的购买意向，到后续的定单提交、产品设计、供应链采购、生产制造、物流交付、后续服务与产品质量跟踪，直至产品寿命终止的，全生命周期流程智能化的制造服务，就是工业4.0。 美国：工业互联网 在上文讲到的工业发展的4个阶段中，我们能发现美国的企业开启了第二和第三阶段，这也体现出美国在工业发展的传统——擅长于在电气与信息化领域进行创新，这一点在工业互联网（Industrial Internet）上体现得也非常明显。 如果说德国的工业4.0是在工厂一侧精益求精，以智慧的工厂开启智能制造，那么美国的工业互联网，则更集中于产品一侧，借助物联网与先进的信息与通信技术（ICT ，Information and Communication Technology），精雕细琢，围绕着产品物联，提供全新的用户体验。这个最早由通用电气（GE）提出的概念，逐渐已经成为美国下一代制造业变革理念的代名词，与德国工业4.0分庭抗礼。 2014年3月，工业互联网联盟（IIC，Industrial Internet Consortium）正式成立，创始会员均是美国公司：AT&T、思科、GE、IBM、英特尔，从中也可以看出工业互联网与ICT领域的密切关系 互联网如今对于这个时代的人们来说，早已经不再陌生，几乎每个人、每个企业在日常生活与经营中都离不开它。它已经成为人类生活和企业经营的一个基础环境与平台。在十几年前，我们似乎生活在一个各自独立的世界，通过书信与其他人沟通，通过纸质的媒体 、定向通信的电视了解国内外大事，大多数企业也更多的是靠电话、传真等传统的通信手段支撑起自身的业务往来。但是在今天，如果你愿意，你可以让互联网上人任何人通过智能手机、平板电脑或传统PC找到你，企业借助互联网可以足不出户完成跨洋的生意。 其实互联网在诞生的最初，是方便身处不同地方的人共享信息，但是技术的发展与理念的进步，让互联网蔓延至更多的领域，并在此基础上衍生出丰富的功能。它就像电一样，起初只是用来点亮灯泡，而后又成为工业变革的决定性力量。互联网的进化也是如此，当相关的通信技术不断成熟之后，它的“胃口”也越来越大，将我们身边越来越多的事物关联在了一起。现在，我们可以通过智能手机找到附近心仪的餐厅，直接在附近的电影院里选择座位购买影票，可以直接向电商下订单，可以方便完成从机票到住宿一整套的旅行规划。企业们也是如此，借助互联网的演进，不断转型，将自己的业务向客户不断靠拢——当我们在手机上下单时，企业的经营模式与商业理念也正在紧跟其后，IT支撑环境也借助于互联网，向云计算时代迈进。 籍由互联的理念，当互联网向上不断的将人与企业互联在一起时，其向下与基础工业设施的结合也必然发生。因为相关技术的进步，正在不断降低互联的门槛，而当这一门槛降到某一临界点时，就如水库开闸一样，互联之水也将迅速扩散开来，并由此出现新的风景，工业互联网就是其中之一。 工业互联网其实已经有几年的历史。从某种角度上讲它是“物联网”在工业领域的一个分支，而物联网就是针对非人非企业，而是各种各样“物体”的互联网，并可有针对性的与人和企业的互联网产业互动。打个比方，当初人们谈到物联网时，大多会说起“冰箱自动下单”的设计，冰箱可以通过产品包装上的条型码或二维码等标识来感知这一产品的存量（此时，冰箱就相当于一个节点，通过条码扫描设备获取了产品信息），当存量低于设定值之后（比如没有牛奶了），就会通过互联网向相关的企业下单购买，从而在没有人的干预下，完成了一个自动补充相关物品的操作。工业互联网，顾名思义就是将工业系统中的各种设备、功能组件有机的互联起来，让每台工业机器成为一个节点，将它们各自的相关信息，通过相应的通信传送手段互通，从而形成了一个特殊的互联网。 举例来说，我们可以为每个工业设备打上节点的标识、安装传感器、将设备的运转情况数字（信息）化，甚至可以对设备的关键组件进行状态跟踪，再对生产与制造环境进行监控收集。通过工业互联网将这些来自于数万，甚至是成百上千万传感器发出的信息汇总，然后基于大数据平台，根据相应的指标、规则予以过滤、分析，就会找到很多有益的信息。比如设备自身的健康情况、产品加工精度、产品加工难点、生产环境异常、产品的辅助质检等等，配合设备上相应的致动器（也是工业互联网中的一部分），更可以根据上述分析的结果，对相关的设备进行自动调整，然后再次跟踪调整后的数据……周而复始，最终使设备、产品一直保持在高品质状态。 由于工业互联网与最终的产品设计和应用有密切的关系，所以与工业4.0的通用属性不同，工业互联网有着明确的行业属性，并不与制造业必然挂钩，这也是与工业4.0的显著区别。当然，这里所说的产品，绝对不是指我们日常见的产品，而是真正的工业产品，也是具备更高智能层面的产品。 GE给出的工业互联网典型的应用领域与相关的收益，有着明确的行业属性 不过，有意思的是，工业互联网也完全可以渗透入工业4.0，比如智慧工厂里的生产设施（如智能机器人、车床），就是一种制造行业的产品，它们完全可以纳入工业互联网的覆盖范围，进行工作状态的自动化校正，事实上，在IIC的网站上所重点列出的5大行业，就有制造业，而这个能力设计无疑也是工业4.0的一个重要内容。所以说，工业4.0与工业互联网，既有侧重，也有重合。 中国：制造2025 在全球制造业的版图中，中国的地位已经得到世界公认，但这种地位基本上是靠规模而非质量与技术含量来获得的。如果不能迅速提升中国制造中高端产品，尤其是高端工业产品的比例，中国制造在全球中的地位，必然会因技术与社会需求的变化，而逐渐走低，只能处于低端的工业加工等级，无缘高利润，高回报的高等级市场，这显然是中国政府不愿意看到。因此，在2015年5月8日，中国国务院正式印发了《中国制造2025》 的通知（下文简称“通知”），这代表着中国在未来争取高端智能制造市场的征途中，也有了自己的行动纲领。 中国2020年和2025年制造业主要指标 1 规模以上制造业每亿元主营业务收入有效发明专利数=规模以上制造企业有效发明专利数/规模以上制造企业主营业务收入。 2 制造业质量竞争力指数是反映我国制造业质量整体水平的经济技术综合指标，由质量水平和发展能力两个方面共计12项具体指标计算得出。 3 宽带普及率用固定宽带家庭普及率代表，固定宽带家庭普及率=固定宽带家庭用户数/家庭户数。 4 数字化研发设计工具普及率=应用数字化研发设计工具的规模以上企业数量/规模以上企业总数量（相关数据来源于3万家样本企业，下同）。 5 关键工序数控化率为规模以上工业企业关键工序数控化率的平均值。 根据《通知》，到2020年，中国会重点形成15家左右制造业创新中心（工业技术研究基地），力争到2025年形成40家左右制造业创新中心（工业技术研究基地）。此外，到2020年，制造业重点领域智能化水平显著提升，试点示范项目运营成本降低30%，产品生产周期缩短30%，不良品率降低30%。到2025年，制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。 从《通知》的整体内容来看，可以感觉到中国对于未来制造业的发展方向，明显更类似于德国的工业4.0，这也是为什么一谈到中国制造2025，就会或多或少的提及工业4.0的原因，而对于工业互联网，《通知》并没有明确的对标阐述，虽然肯定会有所涉及，但鉴于工业互联网，所涵盖的范围远大于制造业本身，所以短期内中国可能不会有类似的具体规划，而这其实也与中国自身的特点有很大关系。 相比较而言，德国在制造系统本身有着悠久的光辉历史，是精细、专业、匠心的典范，所以在工业4.0理念里，也更多的围绕制造本身来展开，将智能赋予制造。所以，在工业4.0的主导厂商中，我们能看到更多的是来自传统制造设备控制领域的巨头，2015年5月4日发布的工业4.0参考架构RAMI 4.0（Reference Architeture Model for Industry 4.0）更是大量参考了德国制造控制巨头西门子的框架。与之对应，美国更长于服务与信息化，这并非意指美国制造本身的水平不高，恰恰相反，在最高端的制造业领域，比如航空航天、船舶、军工等领域，美国有着一流水平，但在服务理念与信息化能力方面，更是美国的强项。这也正是工业互联网诞生的基础——就ICT能力而言，美国绝对是世界的领导者，所以IIC的5个创始厂商里，除了GE之外，都是ICT巨头。 德国工业4.0参考架构（RAMI 4.0） 那么中国呢？很遗憾，无论是在制造系统本身，还是服务和信息化领域，中国均有相当大的差距，所以在面临未来发展方向的抉择时，必须选择一个重点。而工业互联网，更像是一种制造业的增值服务，所以选择与工业4.0类似的路径就是情理之中了。不过，现在对于制造2025，只有一个通知，可工业4.0已经有了系统的参考架构RAMI4，工业互联网也在2015年6月4日，有了第一版参考架构IIRA（Industrial Internet Reference Architecture），而且都是IIC会员厂商合作撰写的，参与厂商如下： ·ABB, Inc ·AT&T ·Cisco Systems, Inc ·EnterpriseWeb LLC ·Fujitsu Limited ·General Electric ·IBM Corporation ·Infineon Technologies AG ·Intel Corporation ·Object Management Group ·Real-Time Innovations ·RSA, The Security Division of EMC ·SAP SE ·Symantec Corporation ·The MITRE Corporation ·University of Pennsylvania ·Wind River 显然，中国制造2025还有许多事情要做，德国与美国的推动各自的标准时的做法很值得学习。中国政府的表态只是第一步，后面我们也应该组建相应的行业组织，来整合不同领域、不同层面的厂商与技术力量，系统的理出中国制造2025的具体方法论和实施框架，以及相应的组成模块和整体架构。至于与工业4.0和工业互联网的标准有多少互通之处，则就是后话了。 最后需要提一下的是另一个著名的制造业大国日本，这个向来以产品设计漂亮、生产工艺精湛、对产品细节一丝不苟而著称的国家，制造业整体实力令人敬畏。不过在很多人的印象中，似乎面对一下代制造业变革，日本并没有一个明确的战略理念。其实不然，日本很早以前就提出了精益制造，并强调“以人为本”——它以日本制造业中引以为荣的工程技术人员的匠心为核心，再配以先进的生产制造与控制理念，形成极细颗粒度的精益制造框架。在用户端，则深入细分用户的不同需求，借助ICT的能力（以物联网为基础）构建以人为本的智能社会。从本质上讲，这一理念与工业4.0+工业互联网很像，只不过更加突出了人在其中的主导与被服务的概念，并且更贴近普通人的衣食住行，对于这一理念的典型实践者就是日本富士通公司。 总而言之，无论是德国、美国还是日本、中国，都已经开始基于自己的擅长，而开始布局新一代的制造业变革。归根结底，大家的终极目标并没有本质的不同，仍然还是智慧的工厂，打造智能的产品，提供更佳的用户体验，剩下的就是比拼各自的创意与执行力了。 在12月16日，由ZD至顶网主办，于上海举行的《制造业千人会》上，我们就将看到中美德以及来自日本企业的观点碰撞，届时会有怎样的火花迸射？敬请期待！ 原文发布时间为：2016年7月6日 本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网
2017-09-05
优秀的个人博客,低调大师

大数据计算架构三国争霸胜负未明

短短几年时间，大数据这个词便已家喻户晓。但在大数据这个名词被命名之前，人类对数据的搜集与分析已有着悠久的历史。从人工统计分析到电脑/大型机再到今天的分布式计算平台，数据处理速度飞速提高的背后则是整体架构的不断演进。今天大数据架构最火热的莫过于Hadoop，Spark和Storm这三种，而Spark和Storm这两个后起之秀更是抢了不少Hadoop的风头，也让网上逐渐开始有一种声音说Hadoop的日子已经快到头了。但究竟这三者之间是什么关系，未来大数据架构究竟该走向何方呢? 分布式计算架构鼻祖Hadoop 所谓分布式计算过程就像蚂蚁搬家一样，将一个大型任务分割成很多部分，每一台电脑相当于一个小蚂蚁将其中一部分搬走。Hadoop作为分布式系统的基础架构，其重要性不言而喻。Hadoop的数据处理工作在硬盘层面，借助HDFS(分布式文件系统)，可以将架构下每一台电脑中的硬盘资源聚集起来，不论是存储计算还是调用都可以视为一块硬盘使用，就像以前电脑中的C盘，D盘，之后使用集群管理和调度软件YARN，相当于Windows，毕竟我们要进行编程首先需要一个操作系统，最后利用Map/Reduce计算框架相当于Virtual Studio，就可以在这上面进行计算编程。从而大幅降低了整体计算平台的硬件投入成本。而这也就是最基础的分布式计算架构。 流数据处理双雄Spark和Storm 所谓流数据处理其实不难理解，比如看网上视频，都是下载一段看一段，然后快结束的时候自动下载下一段。由于Hadoop的计算过程放在硬盘，受制于硬件条件限制，数据的吞吐和处理速度明显不如使用内存来的快。于是Spark和Storm开始登上舞台。Spark和Storm两者最大的区别在于实时性：Spark是准实时，先收集一段时间的数据再进行统一处理，好比看网页统计票数每隔几秒刷新一次，而Storm则是完全实时，来一条数据就处理一条。当然Storm实时处理方式所带来的缺点也是很明显的，不论离线批处理，高延迟批处理还是交互式查询都不如Spark框架。不同的机制决定了两者架构适用的场景不同，比如炒股，股价的变化不是按秒计算的(Spark实时计算延迟度是秒级)，在高频交易中，高频获利与否往往就在1ms(0.001秒)之间，而这恰好就是Storm的实时计算延迟度。 混合架构，各显神通 今天大数据的混合架构就像目前云计算市场中风头最劲的混合云一样，成为大多数公司的首选。每一种架构都有其自身的独特优缺点，就像Hadoop，尽管数据处理的速度和难易度都远比不过Spark和Storm。但是由于硬盘断电后数据可以长期保存，因此在处理需要长期存储的数据时还是需要借助Hadoop。不过Hadoop由于具有非常好的兼容性，因此非常容易的同Spark和Storm进行结合，从而满足公司的不同需求。 纵观技术的发展史，我们可以看到，每一项新技术的问世都有着之前技术的身影，伴随着大数据的需求增长，不同的架依然会不断进化，并改进自身的缺点，从而使得自身架构得到进一步的完善。就目前来看Hadoop，Spark和Storm目前远谈不到谁取代谁。 本文作者：巫山 来源：51CTO
2017-08-01
优秀的个人博客,低调大师

物联网标准正呈现三国争霸格局

物联网不是一个产品，一项技术，一个片段或者一个市场。而是很多东西，很多市场，甚至很多技术的结合。然而，目前有一个东西可以把所有的东西连接在一起，那就是从大数据到云端的设备。这可能会带来更多复杂的问题，大量数据在大量的异构设备，多种M2M协议，多种通信协议之下传输，安全问题如何保障?过程如何实现?在没有解决这些问题的情况下，物联网怎样变成下一次革命? 好吧，大数据中心可以处理大数据结构问题。技术流程和专业的低功耗、低能量、低成本的芯片正在出现，一些已经在物联网应用中开发。但是这些硬件配上合适的软件就能保证数据在世界各地之间的无缝传输和安全连接吗?笔者没有准确的答案，但是有很复杂的答案。每个人都在努力找到正确的解决方案，这里有多个开源的M2M协议、通信协议和公司赞助的的开源的物联网平台。 大家有一个共识，那就是物联网市场的不同的垂直领域有不同的需求。笔者希望为各个垂直和水平领域制定一个统一的标准，这样跨越他们之间就会有合适的方法来满足物联网的重要需求，如安全、通信、数据处理等等。如今大家在设计智能设备和降低物联网成本方面已经要做出了足够的努力，但是当你让设备工作在多种无线技术之间就不知道会发生什么了，因为世界各个地区的标准不同。随着物联网市场的增长成本会相应增长。制订一个全世界通用的标准会从各个角度降低成本，加快物联网市场的发展。 就像笔者曾经说的那样，市场的力量将决定谁会在变革中赢得物联网平台和标准。这是未知的，标准仍然在讨论中。这是一场革命，前面有一个巨大的机会，在这种情况下谁获胜谁将会成为标准的主人。让笔者们看看在这个方向取得了哪些进展? 高通开发了AllJoyn平台，并且将其作为开放平台。很多制造商已经加入AllSeen联盟，一个工业群体去开发AllJoyn作为物联网协议的标准。高通还会集成它的下一代点对点协议，带有4G网络，带有MilTEfire技术，它允许在未授权的自然频谱上运营4G网络。对CSR的收购让高通的协议更加安全，这是物联网和蓝牙标准的关键需求。蓝牙是一个系统性的标准，用于小范围内的区间通信，不需要任何路由器，和WiFi不同。带有网的蓝牙允许任何数量的设备彼此之间安全地实现连接和通信，因此向物联网提供了动力。如果高通能够通过它的MiLTEfire技术显着提高移动网络的容量，并且4G技术像WiFi一样普遍，笔者想它在物联网领域会成为赢家。希望高通能够摆脱当前的危机，并且实现物联网战略，毕竟它在MuLTEfire、网状网络和物联网所需的AllJoyn硬件平台搭建上有权利。 ARM mbed物联网设备平台是另一种通用平台，用于大规模开发物联网设备。基于Cortex-M的ARM物联网子系统能够完成物联网终端开发和其它IP解决方案，可以应用于所有节点，如大数据和云服务。现在，ARM针对嵌入式设备推出了新的质量有保证的标准。这个平台提供mbed-based设备之间的互操作性。ARM可能成为另一个赢家，因为它有ARM IP平台的支持，它向半导体领域的很多设备提供IP。 英特尔正在大力投资建设一个基于低功耗设备和软件物联网平台。它们的Quark SoCX1000系列基于物联网平台，具有一个开放的构架，用户可以为不同的应用开发自定义平台。这个平台迎合完整的物联网生态系统，从边缘到数据中心。目前英特尔证明这一平台可以完美地服务于工业、能源和交通领物联网领域。 当然，也有一些智能手机制造商，如苹果和三星，投资开发物联网平台。也有汽车企业准备去满足汽车部分。笔者们需要的标准平台是针对不同的垂直领域。它可能扩展到相邻的垂直领域，可穿戴设备、个人健康、消费电子等可以共用一个相同的标准。 市场的力量将决定获胜者。更小的参与者将加入更大的参与者，并且一组标准将会卷入物联网领域成就下一次革命。从EDA领域来看，也会有更多工具和IP推动物联网的发展。 作者：佚名 来源：51CTO
2017-07-31
优秀的个人博客,低调大师

2016中国容器技术调研报告全景解读

经过容器技术的发展，以及国内各家公司的积极实践，国内用户对于容器技术的接受度有所提升，近87% 的用户表示考虑使用容器技术，这相比较于四个月前的调研结果，接受比例有了明显增加 容器服务部署速度快，开发、测试更敏捷、提高系统利用率，降低资源成本的核心优势，依然是用户选择它的主要原因 但与此同时，缺乏Docker相关经验、缺乏生产环境成功案例和成熟经验是困扰绝大部分观望用户的问题，这还需要业界同行持续不断的共同努力 同时绝大多数用户将Docker技术和云战略结合在一起，70% 将容器用于公共云, 45% 考虑容器用于混合云 阿里云容器服务团队抽样调研了国内的云计算使用者，对于您判断容器技术在国内的认知度有很大的参考价值 以下是问卷的详细报告： 本次调研人数超过2600人，其中，开发和运维工程师占了样本的一半，开发和运维主管超过20% 调研
2016-11-22

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-04-11 大小: 211.28KB 下载: 56次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册