梅州智慧杆产业联盟成立为加快5G建设基于“大资源、大共享、大协同”理念落实梅州市信息基础设施建设中具有一杆多用功能的智慧杆集约建设和改造要求推动梅州快速建成高速、移动、安全、泛在的新一代信息基础设施在各级主管部门的大力支持和指导下成立梅州智慧杆产业联盟梅州市人民政府与华为技术有限公司、金山云网络技术有限公司、阿里云计算有限公司、科大讯飞有限公司签订合作协议。互联网大会现场人员火爆华为现场展示原生态、万物互联现场礼品抽取派发我司人员进行产品解答

走进华为   6月15日星期六，2019年6月15日，广州鹏华技术有限公司联合广东CIO联盟各大知名企业走进华为智能工厂和欧洲小镇如期而至。    参加会议人员：鹏华技术CEO杨昆鹏、金鹏电子副总经理兼CIO边荣国、绿晶信息CEO刘飚、玛斯特智能CEO胡龙、必诺科技CEO刘卫兵、蚁巢联盟CEO闵利军、嵘程信息CEO梁峥嵘，以及无限极数据中心总监、企业信息化领域资深专家郭世亮博士，2018全国优秀CIO陈载明、黄坚胜、唐勋，恒大汽车CIO陈晓锋、广东凯捷CIO喻林、索菱实业CIO童方义、宏泽电器CIO谭本强、中新房南方置业CIO谭志锋、广日电梯信息中心副主任付东军、景龙建设IT经理张嘉鹏、凯迪物流副总裁袁锋、佳都科技总监胥川、力田科技事业部总经理朱文博、协会高级工程师吴柱等30多家企业代表参加了活动广州鹏华技术有限公司 CEO 发表欢迎致词 高级架构师王克俊先生分享华为云解决方案生态合作总监彭祖炜先生分享工业互联网发展方向华为云广东生态经理王佳佳进行活动总结     智能制造，华为不止于领先。参会代表上午参观华为位于东莞松山东湖的南方智能工厂。当今，智能时代已经到来。数字化智能制造深刻地改变着商业模式、供应模式、制造模式和生产方式。华为视质量如企业的自尊和生命，以“工匠精神”来衡量产品，追求产品的“零缺陷”。“高品质”已经成华为的名片。MPM双轨印刷机、世界领先的Camelot dispensing点胶机、全自动化手臂控制的整机测试、全自动无人驾驶运货车，以及全自动化机械手组成的流线体设备。全球领先的生产工艺、手机品控的领先标准，淋漓尽致地展现给大家，让大家意犹未尽。参会代表在华为南方智能工厂合影留念                  下午，大家兴致勃勃踏进华为欧洲小镇，欧式建筑、鲜艳的色彩到处都是鲜花，仿佛要穿越到另外一个世界，来到真正的欧洲。华为“欧洲小镇”占地1900亩，采用的是欧洲经典建筑风格，分为12个建筑组团，分别仿照牛津、温德米尔、卢森堡、布鲁日、弗里堡、勃艮第维罗纳、巴黎、格拉纳达、博洛尼亚、海德尔堡、克伦诺夫修建。绿色的植被、粉红色的欧式建筑、蓝色的湖水和天空，构成一幅优美的图画。风景秀丽的华为欧洲小镇欧洲小镇坐拥8平方公里淡水和14平方公里的生态绿地，并不是为旅游而建，而是华为的研华中心和办公场所，每一个欧洲小镇就是一个事业部，每个小镇都设有一个火车站，小镇与小镇之间有列车相连。在华为工作的朋友说，他们在公司坐着小火车，一天就可以逛遍欧洲12大名镇。有来访的客户说，第一个感悟是，这里工作和生活环境简直太美好了。更重要的感悟是，这样一个舒适惬意的工作环境中，工作的是一群奋发向上的狼性员工，他们在多个领域代表中国勇攀世界高峰，华为，值得我们尊敬!!!参会代表在唯美小城瑞士弗里堡合影参会代表在小火车巴黎站合影参会代表在西班牙经典建筑合影此次活动安排非常紧凑，给参会嘉宾留下了多方面的深刻印象：一是上午华为智能工厂的现场参观，近距离感受到市场规模的倍增逼迫华为必须持续创新突破，而华为在技术方面也确实持续投入巨资，确保了在质量持续上升的同时还因为规模倍增而使成本降到最低，提升了华为产品的全球竞争力。二是中午欧洲小镇的游览观光。欧洲小镇是华为的研华中心和办公场所，每一个欧洲小镇就是一个事业部，每个小镇都设有一个火车站，小镇与小镇之间有列车相连。在华为欧洲小镇，坐着小火车，一天就可以逛遍欧洲12大名镇。在环境优美的欧洲小镇完成一项又一项世界级研发项目，何尝不是众多技术狂人的梦想? 三是下午华为研发中心技术专家们为参会的CIO们分享了华为在工业互联网、华为云、云等保(云安全等级保护)等领域的实践心得和案例。华为在三十多年的ICT积累，已经到了厚积薄发的时候，参与华为云就可以共享华为几十年的ICT技术红利。华为的全球竞争力绝对不会因为某些国家政客的干扰而降低，更有可能在极端磨炼中成就绝对的全球竞争力!end

根据中国信通院数据，2017年全国54.7%的企业已经应用云计算，企业上云增速持续扩大，涉及领域从互联网向金融、工业等行业渗透。毋庸置疑，“企业上云”已经入规模化部署阶段。在如火如荼的推进形势下，不乏有企业反复理性思考“为何一定要上云”“上云能否带来实际成效”。说到底，企业上云应以实际成效为目标，各地在推广相关工作时也应注重引导企业利用云计算实现降本增效。要避免“企业上云”沦为空喊口号，建立成效评价体系显得至关重要。聚焦企业上云的专项政策纷纷出台 上云工作有序推进2018年8月，工信部印发《推动企业上云实施指南（2018-2020年）》（以下简称“实施指南”），《实施指南》从实施上云路径、强化政策保障、完善支撑服务等层面提出了推动企业上云的工作要求和实施建议。同时，提出到2020年行业企业上云意识和积极性明显提高，上云比例和应用深度显著提升，云计算在企业生产、经营、管理中的应用广泛普及，全国新增上云企业100万家，形成典型标杆应用案例100个以上，形成一批有影响力、带动力的云平台和企业上云体验中心。《实施指南》的出台，为深化推进全国企业上云工作做出了统筹指导。目前，我国部分省市已经出台了推进企业上云的政策措施，截至2018年11月，全国已有20个省市出台了企业上云政策文件，明确了工作目标和重点。同时，各地也建立了多方协作的推进模式。一是通过开展多种形式的宣贯培训活动，提高企业上云的普及度和积极性；二是通过建设上云体验中心和企业上云公共服务平台，加强供需双方对接和服务保障；三是各地主管部门加大资金支持力度，纷纷出台奖补办法，联合云平台服务商通过财政补贴、优惠折扣等方式鼓励企业上云。在企业上云政策的指导下，各地有序开展企业上云相关工作。在2017年到2018年上半年，浙江全省新增上云企业18.8万家，湖南全省新增上云企业8.8万家；截至2018年第三季度，江苏已上云企业数量超过19万家。企业上云在多方推进下，取得了积极的进展。企业上云行业结构呈现多元化和差异化随着“企业上云”工作的有序推进，我国云计算应用正从互联网行业向金融、工业、能源、轨道交通等传统行业加速渗透，行业结构呈现多元化和差异化。中国信通院《金融行业云计算技术调查报告》显示，41.8%的金融机构已经应用云计算技术，同时46.8%的金融机构有使用云计算技术的计划。金融机构在业务需求、安全需求、政策符合性考虑等有明显的行业特色，在利用云计算技术提高信息化管理能力，有效增强业务竞争能力方面有着更高的要求。对于工业领域来说，为了响应企业上云相关政策，多省市积极开展工业云创新服务试点：2013年，工业和信息化部确定北京、天津、河北等16个省市开展首批工业云创新服务试点。自2014年起，各地政府主导的，涵盖云设计、云智造、云供应链、云协同等多个模块的工业云平台相继建立起来，帮助工业企业解决研发效率低、产品设计周期长等多方面问题。就能源领域而言，根据《中国企业上云指数(2017)》报告显示，能源领域细分行业中，电力企业上云水平高于石油、石化等企业，上云率达到53.7%。随着“互联网+”行动计划、云计算和大数据战略深入推进，电力行业进入了云计算全面建设3.0阶段，绿色电力、智能电网、电力大数据系统的建设成为本阶段电力行业建设的主要课题。轨道交通服务具有对象广泛、领域分散、信息量巨大和处理复杂多变等行业特点，传统信息化系统难以提供一种灵活、快速、易扩展的服务方式。而云计算技术的虚拟化、弹性可扩展等特点，是解决轨道交通行业传统信息化问题的一柄利器。但是现阶段，轨道交通行业的核心生产系统上云难度仍然较大，上云率仅8.3%，信号系统、UPS系统、传输系统、环境与设备监控系统等均不具备上云条件。 中小企业上云需求旺盛 大型企业逐步深入在“大众创业、万众创新”政策的支持下，我国中小企业快速成长，已经成为我国经济重要的增长引擎。中小企业存在“小、散、乱”的特点，产业结构性矛盾突出、技术能力弱等问题严重制约了自身的发展。日益激烈的市场竞争环境对中小企业的生存和发展提出了更高的要求。上云已经成为中小企业转型突破的一大风口，中小企业迫切需要利用云计算灵活、敏捷、快速及时的特性，帮助其规避风险，使主营业务稳定增长。而云计算或将解决中小企业在传统IT模式下遇到的时间、成本、安全以及技术支持等风险问题。就上云方式而言，中小企业考虑资金和技术实力现状，更倾向于公有云模式，未来中小企业将在使用公有云方面激发出更多需求。在我国，大型企业上云起步较早。大型企业业务覆盖全国多个节点乃至全球，具有海量用户和数据，对业务实时性和数据安全性要求比较高，通过云计算可以很好地应对业务突发问题。考虑数据安全性需求，大型企业通常倾向采用建设私有云的模式实现上云。随着业务的不断变化和发展，单纯的公有云或私有云已很难满足现有业务的需求，因此，一方面企业开始使用混合云架构，在部署互联网化应用并提供最佳性能的同时，还可以保障私有云本地数据中心所具备的安全性和可靠性，中国信息通信研究院的调查显示，2017年我国企业采用混合云的比例为12.1%，预计未来几年我国大型企业使用混合云的应用比例将大幅提升。另一方面，由于云计算和行业的结合愈发紧密，以行业属性为依托的行业云越来越受到大型企业的关注。 上云成效评价体系是全面推进“企业上云”的重要保障《实施指南》中指出，要制定出台企业上云的效果评价标准，逐步构建企业上云的效果评价体系。上云成效评价体系在企业上云进程中体现出越来越重要的作用，是全面推进企业上云的重要保障。在此背景下，中国信息通信研究院牵头撰写《企业上云效果成熟度评估方法》，适用于使用包括公有云、私有云或混合云等各类上云企业，主要从企业用运量、上云程度、上云效益、上云典型性与可推广性四个维度考察企业上云效果成熟度，衡量上云企业的用云规模和程度、计算上云企业的成本节约和效益提升、研究上云企业的典型性与可推广性，将企业上云效果成熟度由低到高划分为五个等级。希望能够为企业上云后更好地实现降本、增效、提质提供参考。依据《企业上云效果成熟度评估方法》，中国信通院将开展“十佳上云”评选活动，主要分为地方“十佳上云”和行业“十佳上云”两个系列。地方“十佳上云”系列活动，主要在各地信息化主管部门支持指导下，由中国信通院联合地方科研检测机构展开。获评企业推荐给当地信息化主管部门，作为地方标杆企业评选重要参考。行业“十佳上云”系列活动，由中国信通院主要组织推动，按照金融、交通、能源、工业、信息服务业等行业领域，征集并评选各行业领域“十佳上云”优秀案例，希望能够充分发挥优秀案例的示范引领作用，进一步引导企业深度上云。

我们处在这个数字化时代，数据中心规模和容量都在成倍增长，随之而来的运维管理复杂度和难度也越来越大，从脚本运维、工具运维到平台运维演进至今，人力已接近极限，AIOps应运而生。AIOps(Artificial Intelligence for IT Operations)，即智能运维，是将人工智能与运维结合，基于已有运维数据(日志、监控信息、应用信息等)，通过机器学习的方法来提升运维效率，从而逐步取代人工的运维。早些时候，关于机器人是否能代替人类的话题引起热议，很多人还担心人类引入AI的后果可能是最终被机器人所击败，世界变成是机器人的。别的领域不说，单说运维，那巴不得AI能将人替代，这样可以节省很大的人力开支，人工运维效率低不说，还容易出错，将运维交给AI是不错的出路，这就是AIOps火起来的原因。AIOps并不是凭空而起的技术，实际上，运维一直是数据中心重要的工作之一，在数据中心漫长的生命周期内，几乎大部分时间都是运维的工作。在运维发展的过程中，从最开始的人工运维，到工具运维，再到Devops，Devops可以理解为自动化运维，现在到了AIOps的时代。人工运维顾名思义，是利用单独的脚本或者一些简单的工具，没有较为完善的系统和运维理念，绝大部分运维的工作靠人工完成;工具运维则依赖较为完善的工具，并经过不断改进，工具越来越成熟，工具可以替代一些重复性的操作类人工工作;Devops则完全依赖自动化，通过SRE、Chatops等高级形式工具，将运维流程和操作实现完全自动化，Devops可以代替大部分的人力工作;AIOps则将AI技术引入到运维当中，通过机器的自我学习、自行分析决策，自动去执行脚本。显然，随着运维技能的提升，数据中心越来越多运维的工作都可以交由机器来自动完成，至少最终数据中心完全可以自动运行，鲜有人工参与，这样能极大降低数据中心的人力成本，提升数据中心的竞争力。AIOps可并不是拿来就可以用的，它要对海量的数据进行学习，学习完后有了经验，才能够根据学习的经验来工作。所以AIOps需要大量的监测日志、设备运行状态信息、已发生过的故障、历史经验、自动化脚本等等，数据越丰富，AIOps的能力就越强，试想如果靠人去记忆查找，人的大脑是记不住太多东西的，而机器不同，它可以清楚记得数十G文件中的任何位置的标点符号，相对于人类的智慧——虽然是无限的，但不如机器来得高效。所以当遇到问题时，AIOps依赖的历史数据要比人脑积攒的多得多，如此才能给出最佳的问题处理方式，这也是AI在任何一个领域中应用时所用的相同方式。AIOps就是将人工决策分析交给了机器，用机器学习方法做决策分析。从技术上说，AIOps需要大量的实践和沉淀，任何历史的经验数据对AIOps都有益。如果说AIOps学习的数据样本很少，那么再好的算法，也会经常给不出决策结果，最终还是要人工干预，要是事事还要人去参与，那AIOps就失去存在的意义了。在AIOps学习阶段，要给AIOps输入大量的学习样本，学的越多，AIOps能够代替人处理的工作就会越多，随着时间的积累，你会发现AIOps能干的事情越来越多，只要让AIOps学习一次，类似的工作AIOps都可以做起来，比人工高效多了。数据中心出现故障是无法完全避免，重点是快速应对，不以发生故障为耻，以快速修复为荣，AIOps几乎可以数秒之间就可以完成故障排查和解除，在这么短的时间完成，人工是无法做到的，这么快就恢复，业务层面也基本不会有感知，真正做到即便出故障了，也能保持业务无中断。AIOps既然是这么棒的技术，一定在数据中心大受欢迎吧，实际却不是这样。AIOps概念炒得挺火，真正落地实现的案例并不多。一方面是AIOps采用的机器算法很重要，算法要适应数据中心的环境，根据数据可以得出接近人判断的结果，AI技术本身也在不断发展过程中，这方面也还不成熟，技术虽够先进，可与实际应用还有距离。另一方面是每个行业的数据都有自己的特点，数据中心也不例外，而且数据中心的数据量和特征都特别多，这对AI是个挑战，数据中心里有太多新的IT技术，产生很多新的数据，这些都需要AIOps不断调整算法，不断去适应和学习，如果学的不好，容易给出错误的决策，导致系统失控和瘫痪，这时就需要人工多介入，及时调整AIOps的算法和数据录入的准确性，将一个数据中心的AIOps真正建起来，这不亚于数据中心运维工作几年的工作量。所以AIOps需要一个专业的团队来做，大型的企业都有自己的AIOps团队，而中小企业则从外部聘请IBM、Oracle等AI技术公司来做，这种投入目前看也是蛮大的，往往让那些想引入AIOps的数据中心暂时搁置起来。所以，当前AIOps落地成了最大的难题，已有部署AIOps的数据中心，AIOps发展差异都很大。运维未来的方向肯定是AIOps，这一点毋庸置疑，只不过AIOps仍处于偏理论阶段，还需要时间进行不断完善。AIOps可以贯彻整个运维领域，从硬件资源规划、管理、实施，操作系统安装配置，到中间件及应用软件的上线、变更，以及后续的监控、报警、维护、优化等各方面都能够支持，AIOps几乎无所不能，只要人能做的工作，AIOps都能做，人不能做的工作，AIOps也都能做。随着AIOps的成熟，后面也许会进入AIDevops时代，它比AIOps多了一个Dev，比Devops多了一个AI。这是智能化开发和运维、智能化生命周期管理时代，这要比AIOps还要智能，将具有度量、分析、学习、预测、指导，行动的能力，AIDevops才是智能运维的未来。