深度用云展望2025：新型工业互联网平台参考架构.pdf

2025深度用云展望当前，新一轮科技革命和产业变革正在蓬勃发展，云计算产业在全球市场风起云涌，AI技术加快从理论走进现实，数字化成为每一家企业的转型共识。以云为底座的创新生态，以大模型为代表的创新技术，正在重塑千行万业。面对千行万业的数字化浪潮，云已成为企业数字化升级的必然选择。如何进一步发挥云的价值、抢占创新发展的制高点，加快从“上好云”到“用好云”，是所有企业新一轮数字化飞跃的关键机遇所在。华为云持续践行“一切皆服务”，将华为在数字化转型中沉淀的技术、工具和经验，通过基础设施即服务、技术即服务和经验即服务，以云服务的方式提供给客户、伙伴和开发者，推动行业高质量数字化转型。华为云提出“AI for Industries”，加快AI重塑千行万业。今年，我们发布了盘古大模型3.0和昇腾AI云服务等创新产品和服务，聚焦各行业研发、生产、供应、销售、服务等环节面临的复杂难题，用AI大模型帮助企业解难题、做难事。同时，我们打造的软件开发生产线CodeArts、硬件开发生产线CraftArts、AI开发生产线ModelArts、数据治理生产线DataArts和数字内容生产线MetaStudio，为企业打造了最佳的云上创新平台，让创新触手可及。张平安华为常务董事华为云CEO行业数字化浪潮涌起，先行方能抢占先机。华为云愿做行业同行者，携手各方抢抓技术新机遇，做好行业数字化转型云底座和使能器，加快深度用云，跃升数字生产力。当前，一批数字化先行者已经行动起来，积极探索新理念、新业态、新模式，将云上的创新技术融入核心业务流程，在深度用云中不断提升行业生产经营效率，增强业务竞争力，收获了卓越成果。在政务领域，华为云携手深圳市福田区政务服务数据管理局，上线了基于盘古政务大模型的福田政务智慧助手小福，能够精准理解民众咨询意图，改变传统的一网通办模式，把老百姓的话语转化为政府办事的语言，让城市能感知、会思考、可进化、有温度。在金融行业，邮储银行基于云加速金融核心系统向现代化应用架构演进，通过构建新一代分布式金融核心系统，可实现日均20亿笔交易、峰值6.7万笔/秒的能力，新系统效率平均提升40%，不断提升应用研发和交易处理能力。在交通行业，AI开始进入天津港的港口作业主流程，基于AI求解器的港口智能计划系统将作业计划耗时从24小时缩短到10分钟，可快速应对台风天气、设备故障等突发变化，提升计划的有效性。在煤矿领域，山东能源集团引入盘古矿山大模型，为煤矿的采、掘、机、运、通、洗选等9大业务系统、1000多个细分场景提供智能解决方案，持续改善煤矿工人作业环境，减少安全事故，提升生产质量。目前，盘古矿山大模型在全国其它8个矿井已开始规模使用。行业数字化浪潮涌起，先行方能抢占先机。华为云愿做行业同行者，携手各方抢抓技术新机遇，做好行业数字化转型“云底座”和“使能器”，加快深度用云，跃升数字生产力。序言FOREWORD何宝宏中国信息通信研究院云大所所长风鹏正举海天阔，更扬云帆立潮头。中国信通院愿联合云计算领域各方，凝聚产业力量，共同推动企业迈向深度用云，实现我国云计算领域跨越式发展，筑牢数字中国建设坚实地基。二十大报告提出，要构建新一代信息技术等一批新的增长引擎，打造具有国际竞争力的数字产业集群，加快数字中国建设。云计算作为数字经济发展的核心引擎，对我国数字经济与实体经济融合发展至关重要。过去十年，云计算已从一种IT资源的服务形式演变为企业数字化转型的重要底座，催生企业管理和业务生产模式变革，为企业发展提供源源不断的创新驱动力，我国云计算也呈现出全新特点。市场方面，云计算保持快速发展态势。2022年，我国云计算市场规模达4,550亿元，较2021年增长40.91%。相比于全球19%的增速，我国云计算市场仍处于快速发展期，预计2025年我国云计算整体市场规模将超万亿元。技术方面，云计算关键技术持续创新。云计算骨干企业在大规模并发处理、海量数据存储等关键核心技术和容器、微服务等新兴领域不断取得突破，部分指标已达到国际先进水平，有效满足了亿级用户并发场景下各类复杂应用的需求。应用方面，行业上云用云程度呈阶梯状分布。政务、金融、电信等行业处于成熟期，已从全面上云过渡到深度用云；工业、交通、医疗等行业处于成长期，企业上云热度持续攀升；石油化工、钢铁冶金、煤矿、建筑等行业处于探索期，云平台建设与应用处于规划和发展阶段。未来，随着企业上云范围不断扩大、用云程度逐渐加深，我国云计算发展将在企业战略、服务路径、产业生态方面迎来突破。企业战略“自上而下”，企业用云谋篇布局将进一步深化，持续释放上层政策红利，实现云计算市场可持续发展。服务路径“以终为始”，厂商将聚焦行业实际赋能水平，走向以最终用户为核心、向上满足业务深度用云需求的发展阶段。产业生态“齐心并力”，产业链各方共同探索企业深度用云新模式、新技术和新理念，构建云计算产业健康生态。序言FOREWORD01041117243036435057647184目录执行摘要趋势一 AI重塑千行万业趋势二 数字孪生广泛落地趋势三 工业互联网触达每个角落趋势四 数智融合激发创新趋势五 应用加速实现现代化趋势六 混合多云新常态趋势七 云原生安全与运营趋势八 云服务模式优先趋势九 从建设到卓越运营趋势十 运维即服务未来场景展望行动倡议执行摘要云计算的高速发展给IT产业带来了显而易见的变化，越来越多的行业开始从中获益：政府通过云实现了跨多个委办局的集约化资源建设，降低管理难度；金融通过云实现业务的弹性敏捷，提升服务体验；大型企业通过云容灾和资源池化的能力，提升基础设施韧性。但我们相信云的价值远不止于此！越来越多政府和企业开始实施全面云化的战略，我们已经迫不及待地畅想未来的云上生活：城市成为一个可持续进化的数字孪生体，高效感知和处置城市事件，变得更有温度；更便捷金融服务开始融入人们的日常生活，更懂你我；聪明的道路、智慧的调度让交通出行体验更舒适；电网的发、输、变、用各环节基于海量数据实现高效分析，让绿色能源无处不在；智能的触角深入制造的每一个环节，无人、少人工厂不再是梦想.这些振奋人心的场景并非遥不可及，实际上今天我们已经来到了未来生活的入口。随着政企加速从“业务上云”迈向“深度用云”，以创新释放全行业的数字生产力，这些勾勒的场景将在不远的将来全面落地。为此，华为推出深度用云展望2025白皮书，系统性地阐述我们关于深度用云的思考，并大胆地进行一些关键指标预测。我们希望和产业界一起出发，寻找深度用云的锚点，把梦想变为现实，共绘美好未来。1云已经深入千行万业，成为数字化转型的最佳底座，数字化的深入也激发了越来越多企业更深入地思考云的价值。让我们站在现在一起展望不远的2025年，有哪些激动人心的技术和场景将在政企领域广泛落地，探寻“深度用云”之道，一起释放数字生产力。AI重塑千行万业75的企业将会使用AI大模型数字孪生广泛落地城市与工业2大场景将在数字孪生市场占比73%混合多云新常态91%的企业将使用多云架构部署业务云原生安全与运营80%企业将采用云原生安全服务21672025深度用云展望运维即服务远程专业运维服务的普及率超过65%云服务模式优先专属云和混合云采购中云服务模式占比增长100%从建设到卓越运营企业在云基础设施持续运营上的投资占比将达到45%工业互联网触达每个角落中国工业互联网平台普及率将达到45%应用加速实现现代化75%的国内大中型企业将构建自主软件开发生产线数智融合激发创新55%的大型企业将引入数智融合技术3548109AI重塑千行万业趋势一智能应用大模型的优势政务智能问答金融市场研报矿山安全生产铁路故障检测气象预测大模型L2场景模型L1行业大模型L0基础大模型公文写作辅助坐席防冲卸压3D高分辨率预报政务金融矿山铁路气象开发套件视觉自然语言预测多模态科学计算AI开发平台数据准备模型训练验证评估监控优化模型部署辅助运营专业服务精度高经过海量数据预训练规模化复制上线快小样本微调半自动标注趋势一 AI重塑千行万业智能化落地的挑战精度低针对单场景数据训练泛化性差周期长样本获取难工作量大56人工智能自1956年提出概念以来，持续受到业界的追捧，近年来，其技术和商业模式发展迅速，在特定领域已经呈现超越人类的能力。AI技术被越来越多的企业接受，并在一些行业开始发挥重要价值，比如在金融交易场景，AI让风控从依靠变量规则事后控制，走向事中毫秒级实时智慧风控；在交通治理场景，AI提升高峰期路口通行能力，不断优化市民出行体验。但AI距离全面赋能行业创新，仍然存在一些障碍：大模型技术的快速发展，让企业看到推进行业全面智能化的曙光，即从传统面向单任务构建专用模型，向打造支持广泛任务的通用人工智能（AGI）转变。未来，除了以ChatGPT为代表的通用大语言模型外，基于行业专用知识构建的行业专属大模型将得到更广泛的应用，AI将进入重塑千行百业的实用时代。从通用智能到行业智能生产场景样本获取难，需长时间持续累积。同时，大量人工标注和现场持续迭代调优费时费力样本获取难，落地周期长传统经典AI模型是在特定场景训练，遇到政企碎片化的长尾场景时，需多次调优适应新环境，导致落地成本高，无法规模化使用精度低，泛化性差DIVE INTO CLOUD7经过预训练的大模型可以大幅降低有效样本需求，在新业务场景仅需少量业务数据就能完成模型微调和训练，加速AI“工业化”开发并进入企业核心生产系统，创造新的价值。大模型通常由L0基础大模型、L1行业大模型和L2场景化模型构成，具有高泛化性、高精度、低门槛等特点，企业在大模型的建设中，需要结合自身情况，选择合适的大模型和部署方案。AI+行业，创造新价值趋势一 AI重塑千行万业顾名思义，基础大模型可以被视为一切大模型的基础，业界主流的L0基础大模型主要包括五大类：CV视觉大模型、NLP自然语言处理大模型、多模态大模型、预测大模型和科学计算大模型。基础大模型的研发周期长，需要大量的资金和人力投入，研发难度较大，一般只有AI厂商、云厂商和部分大型企业才具备投入的实力。他们通过自建大型算力基础设施，基于海量数据的预训练得到精度较高的模型，这些模型可被用户直接调用，或按需部署到用户本地的平台上，用户只需要关注大模型的参数量、模型能力和精度是否满足自身业务需求。基础大模型，读万卷书8公有云是成本最低的大模型获取途径，企业按需付费即可基于最新的基础模型和开发套件构建自己的大模型。但对于一些政府和大型企业，数据作为核心资产，还需要满足其“数据不出域”的合规要求，此时混合云成为最佳选择。企业将公有云训练好的基础大模型部署到本地，结合自有数据在本地进行小样本增量训练，兼顾安全和成本。其中，计算量大、能耗高的任务部署在中心云，如数据共享、AI开发、训练和模型管理等开发态业务，边缘计算受能耗和计算资源等限制，将主要承担聚焦具体业务场景的计算任务，如AI推理类运行态业务。此外，大模型构建需要依赖大量算力资源，对企业是一个负担，因此企业也可以选择公有云或AICC（人工智能计算中心）提供的AI算力服务，通过开放的框架支持TensorFlow、PyTorch和Mind-Spore等，同时基于开源大模型构建自己的专属大模型也是另一种途径。多云部署，AI无处不在L0基础大模型没有行业属性，在行业中往往难以直接应用，因此需要结合行业知识和数据来构建具有行业特征数据的L1行业大模型，如政务、金融、制造、矿山、气象行业大模型。在L0大模型的基础上，首先使用行业公开数据训练行业通用大模型，但这个大模型也无法100%匹配企业的场景，因此企业需要提供私有化的行业和场景数据，通过二次小样本训练得到精度更高的企业专属大模型。比如，通过训练矿山大模型，覆盖煤矿的采、掘、机、运、通、洗选等业务流程下的多个细分场景，提升井下安全；通过历史气象数据构建气象大模型。L2场景化模型则为企业提供更多精细化场景模型，更加专注于某一个具体的应用场景或特定业务，常见的如政务热线对话、金融知识问答、研发代码生成、制造工艺优化、铁路故障识别等。行业大模型，行万里路DIVE INTO CLOUD75的企业将会使用AI大模型中国人工智能市场空间将超过4000亿元其中基于混合云的AI大模型占比将达到38%AIAI到2025年指标预测9趋势一 AI重塑千行万业AI重塑千行万业趋势一动作识别防冲卸压打钻深度告警边缘推理集团中心云洗煤灰分入洗量磁性物含量分选密度预测精煤质量优化精煤产率预测焦炭质量预测焦炭质量优化中心训练退杆数量统计1洗选煤2焦化配煤3降本提效增安高泛化性，1个大模型覆盖9大专业21个场景识别快，规范性审核从3天缩短到10分钟精度高，模型识别准确率提高20%+数字孪生广泛落地趋势二物理空间虚实对应精准映射协同交互智能推演数字空间数字虚体物理实体遥感影像矢量数据BIM数据物联网数据专题数据城市园区水利工厂医疗全方位立体感知全行业场景应用数字孪生时空应用使能时空信息服务、可视化、模拟仿真、AR地图时空数据融合时空数据存储引擎、时空数据融合计算引擎卫星影像、实景三维建模、BIM建模、AR地图生产时空数据生产DIVE INTO CLOUD1213趋势二 数字孪生广泛落地现代数字孪生源自工业领域，它通过提取物理对象的特征数据进行多维建模和实时仿真，实现物理对象向虚拟数字空间的映射、推演和进化，以可视化方式完成虚实融合与交互，帮助我们从中窥探出未来发展趋势，提升产业生产力。Gartner已连续六年将其列入十大战略性技术之一，同时各国也纷纷将其作为战略方向，推动产业升级发展。如今数字孪生应用已不再局限于工业领域，文旅、社交、水利、建筑、能源等越来越多的行业和场景开始探索，其价值和可行性在一些单体场景已经得到验证。数字孪生并不是一个新的概念，电影黑客帝国里的“矩阵世界”、“元宇宙”和钱学森笔下的“灵境”都与它有关。很早人们就认为这种虚拟与现实映射的技术，将给人类社会带来一场巨大的变革。随着建模、仿真、智能等技术的成熟，产业已经来到爆发的临界点。数字孪生的意义14未来，数字孪生将走向数据交互更多层次、推演进化更精准的复杂智能体，其中最复杂的莫过于城市级的数字孪生。城市是人类文明的结晶，是一个复杂的巨系统，它几乎包含了一切可想象的孪生场景。对城市数字孪生，它需要解决数据采集量大、来源多、建模生产成本高、数据融合难度大等诸多问题。因此，要促进数字孪生全行业场景发展，构建面向城市级的时空多场景数据生产、融合、应用使能的能力至关重要。一切皆可孪生弹性高效的时空数据生产：城市数字孪生首先需要高效、精准的完成多层物理映射模型构建。简单的单体模型叠加将产生大量的重复数据和人工消耗，基于云原生技术构建自动化数据生产线将是解决这一问题的关键。通过分布式计算、模型集成、流程编排、深度学习等关键能力，为用户提供多维模型构建的全生命周期工作流。通过预集成的卫星影像处理、实景三维建模、BIM、AR地图生产等基础数据生产引擎，就能开展多场景多元异构的时空数据融合：为了让城市数字孪生更鲜活，并具备“生命体征”，需赋予城市“灵魂”。以城市多源、多类型的YB级海量数据为基础，政府和企业可以构建多层次时空数据融合框架，形成以基础地理和自然资源数据为基础、以政务数据为主干、以社会数据为补充的一体化的时空数据体系未来，一切皆可孪生。在城市里，数字孪生将各类物联网、公共数据库等资源统一整合，建成与物理城市并行的孪生体，通过对城市空间、公共设施建设、城市治理服务等进行模拟分析与研判，提升城市运行的综合水平和智能决策能力；在工厂里，企业通过数字孪生将生产过程中的相关数据、参数和其他信息进行集成分析，实现现场设备、生产流程的科学管理，从而帮助企业提高生产效率、降低成本、改进产品质量和可靠性。开放易用的时空应用使能：为简化应用开发难度，孵化多样的数字孪生应用，还需要构建时空应用使能的能力。比如，针对时空信息处理、可视化、模拟仿真等共性能力，以服务化方式为第三方提供时空数据访问、检索、分析、管理标准接口，让政府和企业可以高效获取基础地图渲染、三维场景构建的可视化服务和AR地图视觉定位、AR导航等能力DIVE INTO CLOUD时空数据的实时生产和自动化建模，实现物理世界的高清3D重建与还原15指标预测 城市与工业是数字孪生领域的两大场景，市场占比达73%（城市：34%，工业：39%）全球数字孪生市场规模达300亿美元趋势二 数字孪生广泛落地到2025年数字孪生广泛落地趋势二智能应急灾难预防沉浸式文旅体验城市精细化管理流量流速水位视频水质雨量高效数字化制造工业互联网触达每个角落趋势三全场景云边协同全数据智能融合全周期应用开发中心云集团分公司工业数据融合工业智能中枢工业云边协同工业数据采集工业应用开发边工厂/作业区传统PLC设备制造管理系统智能设备3rd物联平台数据分析数据治理数据推理应用管理场站/车间端生产过程可视化质量过程分析&追溯生产能耗优化设备预防性维护制造煤矿电力油气.IT/OT系统垂直紧耦合架构，烟囱式建设系统协同弱接入数据标准不一，难融合数据采不全、质量差数据效率低维护与升级成本高各类系统孤立，能力不共享应用开发难云边端多种级联架构、集约管理工业级高性能数据采集、融合、价值快速呈现低代码开发、经验复用DIVE INTO CLOUD1819趋势三 工业互联网触达每个角落工业是国家竞争力的基石，当前全球工业新旧动能加速转换，新型工业化迫在眉睫。传统的“金字塔”制造分层体系已经难以应对海量异构数据集成、数据挖掘以及敏捷创新的发展要求，工业互联网的诞生正好适应了新型工业化的需要。传统消费互联网本质上是人与网络的联结，网络主体是人，而工业互联网联结的对象是机器、软件、产品、原料、工装及人等工业要素，它将信息技术、通信技术与工业生产深度融合，是工业智能化发展的关键综合信息基础设施。通过构建覆盖全要素、全产业链、全价值链的全新制造与服务体系，工业互联网将助力工业制造进一步提质、降本、增效，实现跨越式发展。从消费互联网到工业互联网20工业互联网经过多年的发展，已成为大型企业数字化转型的重要组成部分。云、大数据和AI的加入，让它比以往更强大、更容易被企业所接受。今天，工业互联网已经承载了非常多的关键能力，如资源汇聚、数据优化闭环、分析决策、行业经验沉淀、应用开发创新等，帮助能源、制造、原材料等越来越多的行业通过数据驱动生产和运营质量提升。也有一些地方政府开始主导建设区域性和行业性的工业互联网平台，以推动产业的聚集和发展。但工业互联网在传统行业的渗透率依然很低，一方面是它的商业价值不够突出，另一方面，它的建设是一个复杂的系统工程，涉及企业现有设备、系统和架构的融合，因此每个企业的场景和需求都不同，建设方案也存在巨大差异。但总体而言，工业互联网参考架构已基本成型，并在众多企业得到验证。让智能深入到工业生产的每个角落DIVE INTO CLOUD21趋势三 工业互联网触达每个角落工业数据采集，实现工业设备及系统全联接针对海量现场设备（智能仪表、PLC等）、工业软件系统（DCS、SCADA等）和工业IT系统（MES、ERP等），首先要做的是通过工业数据采集提供统一高效的OT/IT接入能力，需要支持包括MQTT、Zigbee等在内的主流工业协议，同时满足十万级海量端侧设备并发接入和百万点位级高性能数据采集的要求。工业云边协同，适配生产边缘需求提供灵活的工业“泛边缘”基础设施，适配企业的生产业务结构需求。在大型分支和生产现场，可以部署边缘云，通过丰富的服务支持边缘数智业务的运行；对于工厂、作业区等中小型生产边缘，可以部署一体机、服务器集群，建设和管理更简单；对于如煤矿矿井类需要深入到工业微型末端的场景，可以部署工业网关或工控机，在端侧现场实现对物联的接入和轻量AI业务运行。工业应用开发，实现工业设备及系统全联接从单体式向云原生分布式演进是工业应用的发展方向，企业可以建设工业软件开发生产线，通过开放的框架汇聚和各类可重用资产，并使能生态伙伴和开发者实现增量应用的快速开发。软件开发生产线覆盖需求与设计、开发、测试、部署、运维等软件交付全生命周期环节，可视化构建企业自动化业务流程，通过无代码、低代码帮助企业快速创建应用。工业智能中枢，AI使能生产业务创新工业智能中枢就如同工业互联网的大脑，它把AI、大模型等技术引入工业互联网架构，让工业生产变得更智能。工业智能中枢通过提供场景化套件、模型开发套件、运营管理等能力，实现AI定制开发和全生命周期管理，帮助企业沉淀AI模型资产。比如，基于小样本高精度的训练，提升企业在新场景下自行构建AI模型能力；基于完整的工业智能运行时自闭环系统，将AI应用推送至生产现场，同时异常样本上传至云侧模型训练集群，形成“边用边学，越用越聪明”的AI闭环。工业数据融合，全链工业数据处理企业需要进行OT数据清洗、设备孪生建模和系统级数据资产建模等全链路的工业数据处理。比如，采用清洗算子进行实时点位清洗，定义数据清洗逻辑，改善OT数据质量；设备孪生建模，为设备构建多层次数字模型，结合多源数据实时输入，反映设备实时状态、运行规律；基于全链路实时数据湖进行系统级数据资产建模，实现OT与IT数据T+0时效的融合分析，帮助企业沉淀模型资产。22指标预测中国工业互联网平台普及率将达到45%中国工业互联网平台及应用解决方案市场CAGR将达到29%+到2025年安全生产中心决策指挥中心检修整体效率提升智能化采煤率达97.7%30%10+IT系统30+OT系统2900+设备0101010101010趋势三工业互联网触达每个角落数智融合激发创新趋势四255GAI业务应用统一工作台多样分析引擎数据湖构建OBS数据统一存储变量实时导入实时训练推理行为大数据分析AI特征加工预测实时应用交付数智融合开发工作台大数据计算元数据统一管理AI计算统一赋权集成与交付工作流数仓计算统一数据加速智慧交通政务大数据数字金融智能制造互联网行业数智融合统一调度趋势四 数智融合激发创新26数智从割裂走向融合数据已经成为数字经济时代堪比石油的重要生产资料，也被定义为土地、劳动力、资本和技术之后的第五大生产要素，得到政府与企业越来越多的重视。数据正在重塑企业的运营、管理、决策乃至创新，建设“数据驱动型的现代化企业”成为越来越多企业与组织共同的核心目标。不过，企业当前在数据价值实现中面临的挑战空前巨大：为了应对这些挑战，企业需要将数仓、大数据和人工智能等当前主流的数据分析工具融合，让数据在流动、共享与应用中实现价值。企业数据产生的速度、规模和类型，远超当前设备的处理和计算能力，数据价值挖掘效率低下企业经过多年积累，拥有异常复杂的数据处理相关技术栈，彼此割裂情况严重，数据孤岛让数据无法自由流动、共享，数据往来、移动操作复杂，协同工作也很困难智能应用的涌现和数据消费群体的急速上升，对于数据渴求度越来越强，但企业在数据准备上消耗了太多精力、人力，用数效率亟待提升过去，在单点或者简单业务场景中，数据价值通过各种半工具化产品即能较好实现。如今，围绕数据全链路的价值需求趋势明显，并且业务复杂程度高、涉及技术众多，必须通过集成化、工程化、服务化的数智融合平台来帮助企业充分释放数据要素的潜能。企业如何实现数智融合？DIVE INTO CLOUD27趋势四 数智融合激发创新应用多样性发展，带来存储和计算需求增长的不同步，存算分离架构应运而生。企业通过建设单独的存储资源池，可以让存储和计算各自弹性伸缩、按需使用，数据得到充分共享并降低均摊成本。但存储拉远必然带来IO性能的下降，因此可以通过缓存层来存储高I/O的热数据，结合ROCE高速网络和SCM介质，形成存储、缓存和计算的三层架构，从而实现在降低成本的同时，保持足够的性能。存算分离，兼顾成本与效率业务智能化全流程涉及多个技术环节，而大多数企业缺乏数据和AI相关人员，这是长期困扰企业创新的难题。而且，数据是AI的核心要素之一，数据的质量、广度、时效性决定AI模型的精确性，数据和AI开发平台的割裂，也是抑制企业创新速度的主要原因之一。企业通过建立融合工作台，可以实现DataOps和MLOps的无缝协同，提供集成的开发环境，在一个平台完成开发、测试、交付上线工作，以便于理解的拖拉拽和少量代码的开发方式降低使用门槛，实现端到端全流程自动化。建立融合工作台，降低数智开发成本AI训练需要大量高质量的数据进行训练才能发挥更大的价值，调研显示有超过80%的时间都用于数据的准备。Data4AI强调的是通过数据处理平台对海量数据进行预处理、脏数据识别、打标签、生成资产库，为AI训练高质量供数。AI4Data强调的是在数据治理的过程中引入AI的能力，比如，基于AI算法从大量数据中自动识别数据标准并推荐使用、基于数据特征自动检测异常重复数据、隐私数据自动发现等，让数据开发、治理全链路智能化。AI4Data、Data4AI，创造新价值数据分析和AI分析经过多年的发展，出现了很多面向不同任务的专用数据系统，这些专用系统要么无法打通，形成数据孤岛；要么不同业务的开发要频繁迁移数据、等待周期长；要么数据迁移导致副本增多、资源浪费、管理困难，无法适应敏捷数据分析的需求。企业需要建立统一的元数据目录，把数仓、数据湖、AI数据的全生命周期管理和访问控制统一起来，所有的数据通过唯一的数据源访问，一份数据也可以同时服务多个数据分析引擎，避免来回迁移。统一元数据，建立全局数据视图2855%的大型企业将引入数智融合技术到2025年指标预测数智融合激发创新趋势四10011011001语义解析01向量存储02向量检索03语义编排04银行智能坐席工单处理时长缩短15%+自然语言提问自然语言答案政数局政务助理政策语义检索3秒内响应企业商业助理业务咨询时长缩短30%市政局应用加速实现现代化趋势五31应用现代化让政企应用实现全面敏捷，重塑商业价值专业开发者开源软件问题频发年/月级TTM分散IT设备/应用月/周级扩缩容单体应用全民+专业开发者端到端软件供应链安全天级TTM全域融合集成现代化应用秒级按需弹性伸缩微服务基础设施现代化应用开发运维现代化DevSecOpsLow/No Code可信开发软件供应链安全立体化运维应用治理运营现代化全域融合集成应用统一治理以API为核心企业全联接区块链架构与设计现代化微服务服务网格Serverless混沌工程多活高可用传统基础设施云原生基础设施传统应用业务1业务2趋势五 应用加速实现现代化32数字化浪潮席卷而来，万物数字化已成为必然趋势，未来每一家企业都将是软件企业。用户需求的爆炸式增长，市场环境的瞬息万变引发高度不确定性。以软件快速迭代为特征的高频竞争时代已经到来，敏捷将成为企业应对竞争的制胜因素。然而现阶段的应用大多仍建立在传统IT技术之上，依然以单体应用为主要架构，随着应用规模的增加，单体应用会变得越来越复杂，难以扩展和部署。伴随云计算技术不断完善与成熟，必须强化与云能力的内生结合，通过技术架构与应用架构的现代化改造，才能实现应用的敏捷效能提升。从单体应用到现代化应用应用现代化需从基础设施、架构设计、开发运维、治理运营等视角出发，构建自下而上的完整敏捷链路，赋予企业实时洞察与快速响应个性化、场景化、定制化需求的能力。如何实现应用现代化？DIVE INTO CLOUD33架构与设计现代化，让应用高内聚、低耦合、高可用与弹性：应用架构与设计现代化是从单体到微服务再到Serverless（无服务器）的演进过程，微服务架构是当前应用架构的主流，未来将演进到Serverless，二者长期共存。通过架构改造，将应用拆分为独立快速发布的模块，让技术人员聚焦于应用和创新工作。基础设施现代化，将企业从资源运维中解放出来：基础设施现代化是指以应用为中心，以容器为核心对基础设施做云原生改造。基于容器的高度可移植性和弹性让应用更加敏捷和可靠。应用可以在多个k8s集群间迁移而不必担心对环境的依赖，实现一次开发，全网部署。开发与运维现代化，革新研发模式，提升软件交付效率：传统的开发模式存在着环境配置复杂、开发部署各阶段相互分离等弱点，拖慢了应用敏捷的步伐。此外，传统模式下，应用只能由专业人员开发，无法满足层出不穷的应用场景和差异化需求。协同现代化：一站式DevOps平台成为主流，提供从项目管理到部署的全生命周期服务，通过各服务的内在集成实现不同角色团队的开发协同。可信开发：DevSecOps是指将安全的要求、规范和工具内置在开发部署运行的全过程并自动化执行，保证开发与交付效率的同时提升应用的安全性。建设自主可控的软件开发平台，提升软件供应链的抗风险能力，确保业务连续。Low/No Code：基于低代码服务提供的可视化开发工具，通过简化开发流程和减少手动编码，使得企业能够更快速、更高效地开发和部署应用程序。融合集成平台：融合集成平台可将物联网、大数据、视频、统一通微服务治理：微服务理念主要解决的问题是技术栈异构性，通过侵入式与非侵入式服务网格的双栈模式可以实现不同技术栈服务的统一接入和管理。治理与运营现代化，立而不破，最大化新老应用的融合价值：随着数字化转型的深入，企业的新老应用并存、业务在不同环境、多云部署等是企业应用部署的常态。信等基础平台及各个应用的服务、消息、数据统一集成适配以及编排，支撑新业务的快速开发部署，构建可平滑演进的应用架构，实现新老资产的价值最大化。趋势五 应用加速实现现代化指标预测7%的企业每天都将发布新的软件版本，进入以软件快速迭代为特征的高频竞争时代75%的国内大中型企业将构建自主的软件开发生产线超过47%的企业将建设以API为核心的iPaaS平台(融合集成平台)，按需复用不同平台和原有系统的应用和数据APPAPI34到2025年应用加速实现现代化趋势五财政厅业务上线周期提升开发效率社会服务科学技术卫生健康教育代码CodeArts软件开发生产线一站式、全流程DevOps平台2月部门部门部门部门预算编制预算批复预算执行预算决算和报告1周混合多云新常态趋势六公有云&专有云统一的多云管理平台公有云专有云&专有云云边端协同边缘节点运营/运维安全合规，无缝使用公有云海量算力、先进云服务和共享生态，实现业务创新层次化运营运维机制总部与分支运维各司其职，同时总部行使监管及调度职责云边端的数据和应用无缝协同物联网的快速普及带动边缘端的快速兴起，企业需构建云、边、端的统一架构丰富的云服务海量算力统一云管无缝使用生态中心云两级云监控大屏告警容量资源负载分支云/边缘云端运营/运维分支云/边缘云运营/运维趋势六 混合多云新常态3738罗马不是一天建成，企业云转型也不可能一蹴而就。企业在不同阶段的转型需求不一样，因而在技术路线、运营模式的选择上也存在较大差异，并且随着转型的深入，业务越来越复杂，需要采用多种不同形态的云来应对：我们认为，层次化多云将成为企业云基础设施的新常态，也是应对多样化业务需求的最理想方案。为什么需要多云架构专有云的本地部署模式可以更好匹配企业数据安全和法规遵从诉求，而公有云服务能够弹性部署以及随取随用，这两种云形成的混合云正成为企业的主流选择，有广泛的应用场景。比如，企业通过公有云上开展大规模AI训练，在专有云上进行推理；或是将Web类非核心业务部署到公有云，而将数据库等核心业务部署在专有云；或是基于公有云快速开发创新应用，然后部署到专有云上；大型企业通常有多个分支机构，每个分支又有本地的数据中心。总部对全网基础设施进行统筹规划和运营，总部云主要用于承载集团统一的业务；分支云主要承载区域性的差异化业务，日常运维则由本地运维团队负责。通过这种方式，可以兼顾集约化管理和个性化需求；随着数字化场景越来越丰富，海量OT数据在边缘产生和汇聚，要求云在更靠近终端的网络边缘上提供服务，比如在中心云上进行AI训练，然后将算法推送到边缘部署，或是边缘对接入的海量数据进行预处理，再传输到中心进行深度分析。公有云+专有云总部云+分支云中心云+边缘云DIVE INTO CLOUD39趋势六 混合多云新常态对企业来说，匹配场景需求，选择合适的云并不难，在每个领域都有很多成熟的厂商和产品。但继续沿用传统松散的多云部署架构部署，又将走上传统IT建设的老路，形成一个一个新的烟囱，增加管理难度。要破解这个难题，企业需要建立层次化多云架构，实现多云有效协同、体验一致以及全生命周期统一管理，推动管理和服务标准化，逻辑上形成企业一朵云。企业如何构建层次化多云多云架构的落地，首先需要一个统一的多云管理平台，打通身份认证、服务目录和生态体系：统一鉴权：让原本属于不同云平台的用户能够被正确识别，并获得对应的身份和权限，从而实现一次登录就可以使用多个云平台资源；统一的多云管理平台统一服务目录：制定统一的云服务规范，将多个云上的服务标准化，并提供一致体验，用户可以通过跨云编排服务实现一键部署，让业务快速上线；统一生态：统一的接口和开发规范，让开发者、应用伙伴可以实现一次开发、多云部署，同时通过应用市场沉淀下来，降低应用开发成本和业务上线周期。40一级运营：总部建设集中的运营中心，对全局资源配额、计量计费、流程审批和租户进行统一管理，数据实时汇聚，保证总部对全局资源与服务可视可管；当分支管理员无法处理复杂的运维问题时，总部的高级别工程师可以登录分支运维界面，远程协助解决运维诉求。分级运维：在分支建设分布式的运维中心，为总部和每个子公司的本地云平台提供本地运维监控能力，包括设备运维、告警监控、日志审计等，各分支通过完整的运维工具平台，能够完成运维的自闭环，这对于拥有独立性运维团队的分支机构尤为重要，直接帮助总部环节运维压力。专有云和专有云之间的混合是典型的分布式部署模式。由集团统一统筹规划云平台建设，通过云管平台实现统一运营，分级运维：层次化运营运维机制在车间等边缘节点，需要对接跨地域、多厂商的工业设备，因此强大的工业数采能力必不可少，如50ms以内的海量端侧设备高性能接入，及覆盖MQTT、Zigbee等1000+常见工业协议接入，同时可以基于轻量化能力运行中心云推送的边缘算法。在矿区、分工厂部署边缘云，与中心Region资源统一编排，统一管理，基于统一且灵活的部署架构，通过将AI、大数据、工业物联平台等丰富的服务在边缘部署，就近进行数据分析或预处理。同时支持分支数据向中心云备份，保障业务连续性。在总部，中心云提供全局统一的运营运维和数据、模型标准化管理，对OT和IT数据进行融合分析与治理，基于一集团+N工厂的云边部署模式，将模型和应用按需分发到边缘。云边端的数据和应用无缝协同工业互联网的快速发展，对云边协同提出了更丰富的场景和能力要求：DIVE INTO CLOUD4191%的企业将使用多云架构部署业务 其中80%的企业将同时使用公有云和专有云65%的企业将用统一云管平台集约化管理指标预测趋势六 混合多云新常态到2025年混合多云新常态趋势六云原生安全与运营趋势七通过N层云原生安全建设体系，统一标准，安全防护从外挂式的割裂走向内生内生安全三分建设七分运营，沉淀安全经验，实现提前预防风险、感知安全事件和自动化处理安全运营将AI、大模型等先进技术应用于企业防护，帮助企业构建高智能化、高自动化、可持续迭代的云原生安全体系技术创新物理身份认证网络应用主机数据运维统一的技术架构和全局分析，安全成为云上业务建设的一部分安全治理编排响应态势感知AI分析日志采集云原生安全体系N层防线构建内生安全SOC构建安全运营44DIVE INTO CLOUD安全是企业数字化转型无法绕开的话题，仅2022年的全球勒索软件事件就高达数千万次，新增安全漏洞超过两万例。随着千行百业步入云化转型的“深水区”，以设备为中心的传统安全建设和运营模式已无法满足政企当前阶段的安全需求。云上资源往往是分布式部署架构，传统的物理防御边界被打破，用户的安全边界不再清晰。当前，仍有超过80%的政企上云后仅使用传统安全防护，这对业务的安全性和可靠性带来巨大挑战。总的来说，会带来以下可预见的风险：传统安全方案已无法满足云上业务需求配套难：传统的数据安全方案往往是外挂式，安全产品与云割裂，不支持自动化部署与管理。云平台和安全厂商需要投入大量专家进行调测，云平台的升级迭代也会带来复杂的适配工作定位慢：运维平台收集的威胁信息来源单一，缺乏系统之间的关联信息。一旦出现安全风险，不同安全产品定界、定位困难，短时间内海量告警无法及时处置，风险越积越深标