腾讯云rpa（腾讯云官网登录入口）

本文目录一览：

• 1、亚信科技三新业务占20.4%，研发是收入基石
• 2、五大赛道、八位专家，银行局中人眼里的AI江湖
• 3、低代码开发前景如何，大家都真的看好低代码开发吗？
• 4、浪潮集团：服务器国内出货量市场占比11.3%，全球第一

亚信科技三新业务占20.4%，研发是收入基石

最近，各大公司开始陆续公布2021财年中期业绩，亚信 科技 作为BSS领域的领导企业，整体收入持续增长，达到27.15亿，增幅为8.4%。其中，三新业务量已经达到5.53亿，增幅为140.9%，三新业务占总收入比为20.4%，去年为13%。公司的净利润达到2.8亿，比去年同期提升20.2%。上半年，亚信 科技 在手订单同比上升超过25%，呈现强劲增长态势。

三新业务再创新高

“在三新业务中，增长最快的是DSaaS业务，即数字化运营业务，上半年已经达到3.09亿，增幅是192%；高速增长的第二块业务，是OSS业务，达到1.31亿，增幅为135.8%；第三块，是垂直行业及企业上云业务，业务规模是1.13亿，增幅是65.7%。” 亚信 科技 控股有限公司执行董事及首席执行官高念书先生，对业绩增长情况进行了详细解读。

圈内人士都知道，DSaaS业务已是亚信 科技 最重要的增长引擎之一，主要业务模式就是基于客户自有数据、授权加工数据以及外部合规数据，构建以数据为核心驱动力的数字化运营体系。服务模式灵活多样，用户可以按照结果付费，也可以通过SaaS模式订阅，或者按照项目和工程软件收费。不管是面向通信行业的存量运营、权益运营、网络运营、内容运营场景，还是面向金融行业的金融洞察、金融营销、金融风控、和私域流量场景，各个行业的多个场景解决方案，都构建在统一的中台技术共享体系基础之上，亚信 科技 为用户提供的是数据运营服务。

以私域流量解决方案为例，通过与腾讯云的合作，亚信 科技 可以基于微信生态，为政企客户构筑私域流量运营平台，包括建立裂变、社群、直播等场景化的营销能力，提供多场景、IOP精准营销工具，为客户画像，进行内容运营层面的精准分析，以及可以激励员工、为员工成长赋能。通过与微信的深化合作，亚信 科技 已经为超过50家的央企提供服务，支撑了2亿以上微信粉埋指丝的客户运营；同时，服务的一线营销和客户人员已超过100万。

除了DsaaS，OSS网络运营支撑系统领域，也是亚信 科纳液穗技 这几年的重要发力点。基于5G网络切片、5G专网、网络中台等技术层面的大量投入，亚信 科技 已经是网络智能化领域的重要玩家。亚信 科技 在5G网络切片、网络中台领域已经是行业第一。并且，亚信 科技 和3GPP、ITU、GSMA、ETSI等国际国内先进的组织都有合作，有44项国际国内5G方面的技术标准，涉及多个网络细分领域。

另外，垂直行业和企业上云业务，也是亚信 科技 三新业务增长的亮点。垂直行业聚焦五大领域，包括能源、政务、金融、交通和邮政。今年上半年，中台产品在这五大行业产生很多标杆案例。在底层技术支撑上，亚信 科技 与头部云厂商深化合作，包括与阿里云、华为云、腾讯云、百度云、京东云等进行联合解决方案的创新，帮助用户更好地上云、用云、做云管平台、进行云上迁移。上半年，垂直行业和企业上云业务收入达到1.13亿，增幅是65.7%。预计，未来增长速度还会更快。

值得一提的是，洞卜在垂直行业和企业上云业务中，政务云是亚信 科技 的重要服务方向。尤其在智慧城市、数字城市大规模建设背景下，亚信 科技 构建了“1+N”建设运营一体化方案。其中，“1”是基于中台、大数据平台等产品的数智化能力，也是我们常说的数智大脑；而“N”是指面向政务、交通、警务以及企业上云、智慧社区等N个场景。上半年，亚信 科技 在智慧城市领域也结出了很多硕果，和很多地方政府以及一些头部企业都有合作。在智慧城市建设方向上，亚信 科技 与其他友商不同，重点不是抢项目，而是更注重城市化运营，通过城市云建设，打通政务层面的数据孤岛。

　 　4.43亿研发投入发挥关键作用

“三新业务高速增长，和研发投入力度密不可分。今年上半年，亚信 科技 在研发方面的投入是4.43个亿，占总收入比为16.3%。”高念书强调，研发为三新业务的快速发展奠定了坚实的基础。

为了继续提升研发带来的创新力和技术领导力，亚信 科技 进一步优化了整个研发产品体系，通过中台产品体系、应用产品系列、三行业解决方案个方向的聚焦，打造精品，打造更强大的技术战斗力。

其中，中台产品包括人工智能、大数据、PaaS、云OS、云管平台等通过中台，也包括通信、能源、政务、广电等带有行业特征的中台。行业垂直解决方案，是指通讯、能源、政务、广电、金融、交通、邮政，包括5G行业解决方案。

与此同时，亚信 科技 也在陆续推出应用相关的产品体系，包括AIOps、RPA机器人、边缘AI、5G城市数字卵生、3D可视化等，都是今年上半年重点投资的领域，并且取得了显著成果。尤其是信创产品方面的投入，正在大力度推进。

众所周知，信创是个大工程，涉及内容广泛，重点包括IT基础设施、基础软件、应用软件、信息安全、云服务等，而亚信 科技 的发力点是数据库和中间件。亚信 科技 有自己的分布式数据库AntDB，同时还有自己的中间件产品，叫做FlyingServer。上半年，亚信 科技 紧锣密鼓地完成了信创产业上下游的兼容适配和互认证。在数据库产品上，具体涉及：华为鲲鹏、龙芯、飞腾、海光、宏芯等多架构CPU平台；麒麟、统信、华为openEuler国内自主可控的操作系统；华为泰山、长城、黄河、宝德等整机；东方通、宝兰德、金蝶天燕国产主流中间件。在中间件层面，完成了包括华为鲲鹏、飞腾、麒麟、统信操作系统、达梦、人大金仓、神州通用数据库、360浏览器等企业的兼容和适配。可以说，亚信 科技 已经是信创产业的重要参与者。

据高念书透露，亚信 科技 在三新业务的投入未来还会继续加大，新业务收入要占总收入的50%，希望到2025年收入能过百亿。那个时候，亚信 科技 将实现“再造一个亚信”的目标。(李代丽)

五大赛道、八位专家，银行局中人眼里的AI江湖

谁说大象不能跳舞？

2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。

踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。

在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。

没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 「银行业AI生态云峰会」 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。

数据安全与隐私保护

银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。

在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐脊纳私保护如何兼顾？

雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”

平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”

一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。

小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。

虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的核亏使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。

数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？

在「银行业AI生态云峰会」第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：

在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。

而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，樱氏没都可以通过区块链进行互补或提升效果。

联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。

AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。

银行数据库

以“数据”为线，银行前中后台的升级轨迹清晰可见。

如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。

这当中的一个重要模块，就是 银行数据库 的改造升级。

我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。

由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）

但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。

而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。

腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。

中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。

这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。

在「银行业AI生态云峰会」上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。

以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。

但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。

中台建设

“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。

银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。

在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。

中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。

建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。

尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。

因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。

为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。

如何构建金融机构需要的数据中台？

在「银行业AI生态云峰会」上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：

金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。

他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。

基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。

张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。

银行信贷智能风控

而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。

关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）

而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。

尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。

某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。

前百度金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。

王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。

“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：

他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”

数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。

从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。

在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。

RPA与内部流程优化

还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。

RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。

如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。

达观数据联合创始人纪传俊 在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。

AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。

以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。

建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。

农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。

中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。

纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：

例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。

低代码开发前景如何，大家都真的看好低代码开发吗？

什么是低代码开发？

「低代码」（Low-Code）是最近很火的一个概念，类似的还有「无代码」平台。这类工具主张通过简单的配置，特别是图形化的设置，就能实现业务逻辑，从而形成自动化的生产力。

这种概念的优点在于，让业务人员无需懂得专业的编程语言，什么Java、Python、SQL之类全都不用懂，只要知道业务流程，并且会手动配置就行了。

我们看到类似AirTable ，Slack Bot（聊天穗扰机器人），一些支持自动化流程的Trello插件 ，甚至一些笔记软件， 都具有「低代码」效率工具的潜力。

具体一点来说，比如：我公司采购到货了，平台就自动往表格里面添加一行数据，然后自动设置一个对账之类的提醒，实现这个简易流程，就属于「低代码」可以胜任的过程。

低代码为何而生？

低代码的出现，也算是由来已久，但主要原因还是在于：传统软件开发长久以来一直存在代码复杂冗长情况，开发时间过久，难以适应软件市场快速变动的用户需求。当需要配合市场而做出改变时，代码更新迭代慢等限制，于是就有了低代码应运而出。

低代码开发前景如何？

从市场规模来看，全球低代码市场发展迅速，不过受疫情影响截至2025年GAGR将小于41%。然而中国市场的低代码渗透率只有5%，远低于全球渗透率33%，主要原因在于：

1、中国市场对低代码的认知度不够，普及教育方面仍有待提高；

2、低代码平台的生态组织数量不足，仍需等待渠道代理族前商和专业培训商的大量加入。

不过，虽然我国低代码渗透率仅仅只有5%，单从投融资情况来看，头部企业投资的加入给低代码行业注入了新的活力。尤其兆族清是近两年来，低代码行业投融资情况变得格外活跃。从2020年到2022年低代码领域至少完成了20起投融资。

总的来说，低代码行业未来可期。

大家都真的看好低代码开发吗？

从2022年目前的发展情况来看，低代码行业的发展预期和现状依旧是大家所关注的焦点，但当实际结果小于发展期望时，行业发展就会停滞在人人观望的状态，这是不利于行业的整体发展的，因此需要尽快落实问题点，重燃行业希望，吸引更多人的关注和加入。

下面来看一组低代码行业调研数据：

1、根据相关数据表明，目前国内企业对低代码的使用意愿还是比较高的，了解过低代码的企业有80%愿意尝试使用。但很多企业虽使用意愿较高，但实际行动去使用的却很少。

2、低代码行业总体技术成熟度是过关的，但仍存在个别单项技术问题，以及均衡不同技术的实力有待提高。

3、国内低代码领域“年均开发产品”数量是5个，综合可为企业节省工作量35%，从这两项数据来看，低代码在开发数量方面还是比较可观的，但节省的实际工作量远小于预期。

总的来说，低代码的概念和优势还是比较吸引企业的，但因为低代码的发展目前还处于早期，普及和教育客户方面仍有很大空间，如果低代码厂商不教会客户如何使用低代码搭建应用，让客户自己瞎琢磨，在这个过程中必然会流失大量客户。

浪潮集团：服务器国内出货量市场占比11.3%，全球第一

2020GIDC全球互联网数据大会在深圳正式召开，会议从“数据经济”的角度出发，针对“新基建”、“边缘计算”、“容器技术”、“AI”、“RPA”等主流的技术趋势进行解读，众多嘉宾及企业分享了其在平台及技术生态搭建方面的见解与思考。

浪潮集团广东公司首席技术官陈逸聪出席大会，并以“突破计算边界，开放成就未来”为题，分享了其对智慧计算、数据中心等方面的看法。

陈逸聪表示，现在无论是互联网服务还是数据服务、数据中心运行等都和计算息息相关，而随着5G、AI、大数据时代的到来，计算的定义不仅仅局限于原有的传统的去中心化计算，而是与智慧挂钩，孝蠢与此同时新型业务对计算力和数据中心的要求日益提高， 那么不局限于原有的定义，突破计算边界、推动形成开放计算生态成为亟需解决的行业核心要点所在。

他强调，智慧计算正源源不断地改变着我们现在和未来的生产生活方式，从日常生活到企业的数字化转型都留下了深刻的影响， 简言之，计算力就是生产力。

陈逸聪讲到，传统的数据中心就是部署一个机房或者一个机柜的设备，便能解决计算的需求，而随着互联网业务的发展和数据的扩增，加之2020年初爆发的疫情影响，使原来很多线下的活动转而在线上举行。 线上业务的发展意味着数据中心的规模变得越来越庞大和承载的设备越来越多，也意味着对后端的技术支撑和计算力提了新的要求。

此外在今年，国家发改委提出了在全国布局10个左右区域级数据中心集群和智能计算中心的规划，粤港澳大湾区亦规划一个数据中心集群，新型数据中心的建设成为关注的焦点所在。从几年前数据中心的巧滑陪规模扩大到现在超大型数据中心的承载计算设备的数量增多的变化来看，超大规模数据中心的建设一直在快速增长，并且大型数据中心发展带来对应用支撑的复杂度和对数据中心的管理都有所提高。

陈逸聪表示，原来的服务器、存储、网络到计算机操作系统等数据中心建设所需的设备，对于其厂商、设备品牌是谁并不是需要过度关注的问题， 而随着大数据越来越聚集、对于云统一的认知愈发引起行业让搜关注与思考。 云统一的话能否把各个服务器管起来，目前国内的包括阿里云、腾讯云都在进行，那么对于统一管理的标准如何制定亦有待商榷。

数据中心最大的开销是电力成本，目前全球所有数据中心，一年的总能耗数据显示是3000亿度，转换成发电站的发电来看的话，相当于30座大型核电站的一年发电量。如果在深圳建设一个超大型数据中心集群服务整个粤港澳大湾区，同时配套建设三个核电站做电力支撑并不现实，这必然会对新型超大型数据中心的绿色节能、高效运维有更高要求。

那么如何解决这一难题？陈逸聪举了一个例子，他讲到，原来服务器即物理机、现在已逐步服务的云计算均被业内所接受。云可以即开即用，但是亦有一些性能上的损耗；物理机最快数小时交付，所有的物理机是实时开通，即开即用，隔离性强，稳定性强，但相比云计算能耗也最高。

从另一个角度而言，超高的能耗严重影响数据中心业务的快速发展，中国因为互联网发展迅速，我们的数据中心建设也在世界的前列，一年下来年耗电量是在一千亿度，相当于整个三峡大坝一年的发电量，能耗控制产生了对一些新技术的要求。同时， 打破物理边界，实现资源池化亦是数据中心发展追求的方向，以便提高计算资源利用率，实现更高性能和更低TCO以及高效运维。

浪潮通过L11级一体化交付，使交付更快更便捷。在2019年春节前三周完成了突发需求一万台供货保障，从收到需求到交付完毕，仅用时两周。 曾经创造了一天8个小时之内物理地上架1万台服务器到数据中心的交付记录，保障了客户实现全球央视春晚观众红包互动的庞大业务需求。 此外，浪潮还通过开放计算加速智算中心建设，推动 社会 智慧转型，目前已布局全线开放计算标准产品线，多年来一直践行开放计算理念并引领开放计算标准，持续定义领先的开放计算产品。

陈逸聪表示，现在浪潮在市场上也得到了认可，前不久国际权威数据机构IDC公布的2020年Q2数据报告中显示： 浪潮服务器国内出货量市场占比11.3%，增速80%，全球第一。浪潮 86服务器在中国市场市占率42.6%，排名中国第一。特别在AI领域，浪潮AI服务器中国市场占有率连续三年超过50%。

他强调到，浪潮为业界提供了全栈信息化解决方案，也期待与业内合作伙伴们共同打造一个开放的计算环境，为业内生态的建设创造更美好的未来。