一、序

阿里巴巴前CEO张勇，在6月20日的全员信中说，“目前云智能集团的完全分拆工作已经开始启动，正处于最关键时刻，要求必须全身心投入其中，同时也是考虑到分拆过程中公司规范化治理的要求，我个人不宜再同时担任两家集团的董事长和首席执行官的职责” 。

至此，张勇正式卸任阿里CEO，并全权执掌阿里云。很多人觉得这次职务调动对于张勇来说是一次“降职”，如果你单从负责范围看，的确是，但你如果看过阿里业务规划，就知道张勇后续的职责对于阿里巴巴集团来说，是多么的重要了。

你们不要看蔡崇信知名度高，就以为是因为个人能力问题，把张勇换下去了，而恰恰是因为阿里重整旗鼓后，有些业务需要经验老到的人掌舵，保证它的稳定航行。而有些业务却需要悍将，去前线督战，并开疆拓土。张勇和阿里云，就是后者。

大家都知道阿里巴巴近几年经历过的起起伏伏，从去年下半年开始，才算是平静下来，并开始重新的全力航行。而阿里云上市在即，并且还面临各种内外的竞争和挑战，这个事儿对于阿里来说至关重要，不容有失。可以说，阿里云的成功上市，一定会给阿里，以及一众科技企业以信心，目前对于很多企业来说，信心很重要。而且，阿里云很有可能会成为阿里巴巴集团的下一个增长曲线的爆发点。

二、算力的重要性

去年，*会两**正式把“东数西算”与南水北调、西电东送、西气东输归为同一系列工程，分别解决水、电、气和算力的全国统一调配问题。今年2月份，国家发改委联合多个部门印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8个地区启动建设国家算力枢纽节点，并规划了10个国家数据中心集群，这标志着“东数西算”工程正式启动。

第一次工业革命的标志是蒸汽机，其生产力是热力；第二次工业革命的标志是电机，其生产力是电力；第三次工业革命的标志是计算机，其生产力就是算力。数字经济时代，数据、算力、算法是最重要的三个核心要素。其中，数据是生产资料，算力是生产力，而算法是生产关系，这三者相互促进，形成闭环。就是说，算法的优化迭代需要海量大数据的输入，而大数据的处理需要强悍的算力支持，最后算力的提升又能促进和提升算法的优化迭代。

所以，作为数字时代的全新生产要素，算力，不仅仅是我国的重要发展能力，全球也是一样的。

2016年-2020年，全球算力规模平均每年增长30%，2020年~2025年，预计全球算力规模增速会达到年增长50%。目前，美国、欧洲、日本都在投入巨资加快算力布局，可以说，算力就是大国间科技战的一环，未来谁掌握先进的算力，谁就掌握发展的主动权。

不过要注意一点，算力实际上可以区分出来三大类，即基础算力、智能算力、超算算力。

1. 基础算力，是由基于CPU芯片的服务器提供的算力，主要用于基础通用计算。我们常提到的云计算、边缘计算等，都属于基础算力。

2. 智能算力，是由基于GPU、FPGA、ASIC等AI芯片的加速计算平台提供的算力，主要用于人工智能的训练和推算，比如语音、图像和视频的处理。

3. 超算算力，这是由超级计算机提供的算力，主要用于尖端科学领域的计算，比如行星模拟、药物分子设计、基因分析等。

在全球总算力中，基础算力占73%，智能算力占25%，超算算力占2%。我们在基础算力和超算算力上分别位于全球第二和第三，而在智能算力上目前处于绝对领先优势，全球份额超过50%。“东数西算”工程，其实不只是在东西部之间调配算力这么“简单”，更是对全国的算力布局进行统筹规划，在八大算力枢纽节点上形成数据中心的规模化和集群化。

下面再继续跟大家聊聊，我们工作中常接触到的云计算和边缘计算，有什么本质区别，主要用来做什么事儿的。

三、云计算

这个其实好理解，我们需要云端计算，要么是因为终端计算能力不够，要么是因为有些数据需要多维度的汇总整合计算。再一个，最近几年很多领域也一再强调重云轻端的技术取向。

就拿我所在的车联网领域来说，我们用导航的时候，有一个常见功能，就是导航路线上有五颜六色的颜色用以区分道路拥堵状况。而这个功能的实现，就需要跑在路上的汽车，把自己的车辆数据上传云端，云端汇总计算后，才能最终将城市道路的实时路况呈现在导航App中。你想要通过一辆车的数据，是无法实现这个功能的。

再一个典型的依赖云计算的实例，就是单个芯片计算性能不足。比如我们有些重要单位，必须使用国产化芯片和系统，用的是我们自主设计生产的龙芯，它的问题就是算力相比国外主流芯片是落后的。那解决方案就是，我们可以通过集成多个甚至几倍的低算力芯片，集成在一起后，弥补单个芯片算力不足的缺点。尤其对于实时性要求不高的终端计算，完全可以放到云端，云端能力还不够我们就堆“人头”。

四、边缘计算

边缘计算跟云计算是应用场景中的一种互补情况，简单说，就是对于实时性要求较高的大数据计算，有些并不适合都放到云端去做，这时，就需要在终端，或者距离终端较近处设置一个临时的“云端计算节点”，一次弥补大数据传输和计算导致的延迟问题。

还是拿汽车举个例子。

现在的智能汽车离全自动驾驶越来越近了，一辆车上会搭载若干个激光雷达、摄像头、毫米波雷达等，而这些传感器会实时产生大量的图片和视频数据，并且你需要实时的通过这些数据计算出当前汽车的驾驶环境，以此完成车端的自主驾驶功能。因此，这种场景下，如果汽车芯片计算能力不够，你要把这些数据统统传到云端，云端汇总计算后再回传给你，你可以想象一下，你的车指不定发生什么状况了。

所以，边缘计算，就是解决某些应用场景下，云计算因为延迟而无法满足产品需求的问题。因此，上述例子中汽车的自动驾驶目前只能依赖车端芯片的实时计算来实现。

另外一个例子，就是阿里巴巴给杭州警察定制了一款AR眼镜，这个眼镜通过摄像头的实时扫描结果，能够检测出某人是不是在逃罪犯，是的话就会在眼镜里显示出来一些重要信息给警察提醒。那么这个眼镜对于实时性的要求是比较高的，你不能早上看到一个人，他是罪犯，但由于图像和视频数据要上传到中心服务器，计算后再返回来，已经是下午了，那一点用都没有了。可是，眼镜那么小，它内置的芯片就没有终端的大数据处理能力，怎么办呢？这时候，就像上面提到的，它是可以把数据传到附近的一个“云端”来辅助计算的，比如执勤警车上，就可以随时携带一个有大数据处理能力的“云计算设备”，对吧，这都是边缘计算。

五、结

最后简单总结下云计算和边缘计算，它俩看似矛盾，一个说云计算是趋势，一个又说云计算满足不了大数据的实时要求，实际上，它俩是互补存在的。换句话说，云可以汇总多维度多级数据，并对此进行整体和宏观的计算和规划，而边更强调把一个点做透，并且快速反馈和及时动作。

李彦宏在《智能交通》一书里提到MaaS服务，出行即服务，这是一种出行服务的模式，是一个平台，一个可供所有人使用的应用系统。这就是云端操作，一个城市的 Maas 平台，会把城市里所有类型的交通工具都整合起来，数据共享，统一调度，统一支付，统一管理。通过云把车、路、人的出行全部协同在一起，一站解决。但对路上行驶的具体车辆，云就控制不住了，即使有5G，也做不到把一辆车上的激光雷达、摄像头、毫米波雷达，还有车速、车道信息等一股脑秒传到云端，这时就需要车自身有较强的计算能力，这个车的计算就是边缘计算了。

#所见所得，都很科学#