希望ol加速器文章列表:

• 1、火炬之光3延遲太高 用哪款加速器比較好？
• 2、詳解AI加速器四：GPU、DPU、IPU、TPU…AI加速方案無限種可能
• 3、省級醫院院長卷入腐敗漩渦 醫療專家也買不到后悔藥
• 4、iPhone 11評測：雖不是Pro但不妨礙它成為真香旗艦
• 5、華為云如何實現第二跳？一文看盡15大云服務新品升級

火炬之光3延遲太高 用哪款加速器比較好？

《火炬之光3》于10月13日在Steam、PS4、Xbox One正式發售，售價約160元，支持中文，并將于今年晚些時候在Switch發售。

很多玩家玩過《火炬之光3》搶先體驗版，據悉，裸連《火炬之光3》的延遲高達280MS起，掉線更是如同家常便飯，只要受到了網絡延遲的影響，幾乎所有的打擊反饋都會有所滯后——也就是你揮出一刀后，能夠感受到明顯的延遲，怪物才會倒地。也許延遲情況會因玩家的網絡狀態而有所不同，但就我個人而言不用加速器基本上不能玩。《火炬之光3》延遲太高 用哪款加速器比較好？下面一起來看看。

火炬之光3加速器推薦

現目前市場上的加速器可謂是五花八門，作為長時間浪跡在單機游戲中的我來說用過很多款加速器，其中奇游加速器給我的印象最為深刻。

奇游加速器對《火炬之光3》的加速較為全面，支持Steam社區商店各大區服加速、支持區服自選、內網互聯等（親身經歷過），能使延遲在最大程度上得到優化，能明顯感覺到加速后可以避免進不去/掉線/卡頓等網絡問題。

打開奇游加速器，以《火炬之光3》[全球服]舉例，選擇最優的路線加速之后節點延遲變成了3MS。3MS的延遲完全可以讓你在玩游戲的時候暢通無阻。

以上就是《火炬之光3》加速器推薦的全部內容，希望可以幫到大家。

詳解AI加速器四：GPU、DPU、IPU、TPU…AI加速方案無限種可能

選自Medium

作者：Adi Fuchs

機器之心編譯

在上一篇文章中，前蘋果工程師、普林斯頓大學博士 Adi Fuchs 聚焦 AI 加速器的秘密基石：指令集架構 ISA、可重構處理器等。在這篇文章中，我們將跟著作者的思路回顧一下相關 AI 硬件公司，看看都有哪些公司在這一領域發力。

這是本系列博客的第四篇，主要介紹了 AI 加速器相關公司。全球科技行業最熱門的領域之一是 AI 硬件， 本文回顧了 AI 硬件行業現狀，并概述相關公司在尋找解決 AI 硬件加速問題的最佳方法時所做的不同賭注。

對于許多 AI 硬件公司來說，最近幾年似乎是 AI 硬件發展的黃金時代；過去三年英偉達股價暴漲約 500%，超越英特爾成為全球市值最高的芯片公司。其他創業公司似乎同樣火爆，在過去幾年中，他們已花費數十億美元資助 AI 硬件初創公司，以挑戰英偉達的 AI 領導地位。

AI 硬件初創公司 - 截至 2021 年 4 月的總融資。圖源：AnandTech

此外，還有一些有趣的收購故事。2016 年，英特爾以 3.5 億美元收購了 Nervana，2019 年底又收購了另一家名為 Habana 的人工智能初創公司，該公司取代了 Nervana 提供的解決方案。非常有意思的是，英特爾為收購 Habana 支付了 20 億美元的巨款，比收購 Nervana 多好幾倍。

AI 芯片領域，或者更準確地說，AI 加速器領域（到目前為止，它已經不僅僅是芯片）包含了無數的解決方案和方法，所以讓我們回顧這些方法的主要原則。

AI 加速器不同實現方法

英偉達：GPU CUDA

如果你在耕地，你更愿意使用哪個？兩只壯牛還是 1024 只雞？（西摩?克雷）

英偉達成立于 1993 年，是最早研究加速計算的大公司之一。英偉達一直是 GPU 行業的先驅，后來為游戲機、工作站和筆記本電腦等提供各種 GPU 產品線，已然成為世界領導者。正如在之前的文章中所討論的，GPU 使用數千個簡單的內核。相比來說，CPU 使用較少的內核。

最初 GPU 主要用于圖形，但在 2000 年代中后期左右，它們被廣泛用于分子動力學、天氣預報和物理模擬等科學應用。新的應用程序以及 CUDA 和 OpenCL 等軟件框架的引入，為將新領域移植到 GPU 鋪平了道路，因此 GPU 逐漸成為通用 GPU （General-Purpose GPU），簡稱 GPGPU。

ImageNet 挑戰賽：使用 GPU 的獲勝誤差和百分比。圖源：英偉達

從歷史上看，人們可能會說英偉達是幸運的，因為當 CUDA 流行和成熟時，現代 AI 就開始了。或者有人可能會爭辯說，正是 GPU 和 CUDA 的成熟和普及使研究人員能夠方便高效地開發 AI 應用程序。無論哪種方式，歷史都是由贏家書寫的 —— 事實上，最有影響力的 AI 研究，如 AlexNet、ResNet 和 Transformer 都是在 GPU 上實現和評估的，而當 AI 寒武紀爆發時，英偉達處于領先地位。

SIMT 執行模型。圖源：英偉達

GPU 遵循單指令多線程 (SIMT) 的編程模型，其中相同的指令在不同的內核 / 線程上并發執行，每條指令都按照其分配的線程 ID 來執行數據部分。所有內核都以幀同步（lock-step）方式運行線程，這極大地簡化了控制流。另一方面，SIMT 在概念上仍然是一個多線程類 c 的編程模型，它被重新用于 AI，但它并不是專門為 AI 設計的。由于神經網絡應用程序和硬件處理都可以被描述為計算圖，因此擁有一個捕獲圖語義的編程框架會更自然、更有效。

雖然從 CPU 轉向 GPU 架構是朝著正確方向邁出的一大步，但這還不夠。GPU 仍然是傳統架構，采用與 CPU 相同的計算模型。CPU 受其架構限制，在科學應用等領域逐漸被 GPU 取代。因此，通過聯合設計專門針對 AI 的計算模型和硬件，才有希望在 AI 應用市場占有一席之地。

英偉達的 GPU、CPU 和 DPU 路線圖。圖源：英偉達

英偉達主要從兩個角度發展 AI：(i) 引入 Tensor Core；(ii) 通過收購公司。比如以數十億美元收購 Mellanox ，以及即將對 ARM 的收購。

ARM-NVIDIA 首次合作了一款名為「Grace」的數據中心 CPU，以美國海軍少將、計算機編程先驅 Grace Hopper 的名字命名。作為一款高度專用型處理器，Grace 主要面向大型數據密集型 HPC 和 AI 應用。新一代自然語言處理模型的訓練會有超過一萬億的參數。基于 Grace 的系統與 NVIDIA GPU 緊密結合，性能比目前最先進的 NVIDIA DGX 系統（在 x86 CPU 上運行）高出 10 倍。

Grace 獲得 NVIDIA HPC 軟件開發套件以及全套 CUDA 和 CUDA-X 庫的支持，可以對 2000 多個 GPU 應用程序加速。

Cerebras

Cerebras 成立于 2016 年。隨著 AI 模型變得越來越復雜，訓練時需要使用更多的內存、通信和計算能力。因此，Cerebras 設計了一個晶圓級引擎 (WSE)，它是一個比薩盒大小的芯片。

Andrew Feldman。圖源：IEEE spectrum

典型的處理芯片是在一塊稱為晶圓的硅片上制造的。作為制造過程的一部分，晶圓被分解成稱為芯片的小塊，這就是我們所說的處理器芯片。一個典型的晶圓可容納數百甚至數千個這樣的芯片，每個芯片的尺寸通常在 10 平方毫米到 830 平方毫米左右。NVIDIA 的 A100 GPU 被認為是最大的芯片，尺寸 826 平方毫米，可以封裝 542 億個晶體管，為大約 7000 個處理核心提供動力。

Cerebras WSE-2 與 NVIDIA A100 規格比較。圖注：BusinessWire

Cerebras 不僅在單個大芯片上提供超級計算機功能，而且通過與學術機構和美國國家實驗室的合作，他們還提供了軟件堆棧和編譯器工具鏈。其軟件框架基于 LAIR（Linear-Algebra Intermediate Representation ）和 c 擴展庫，初級程序員可以使用它來編寫內核（類似于 NVIDIA 的 CUDA），還可用于無縫降低來自 Pytorch 或 TensorFlow 等框架的高級 Python 代碼。

總而言之，Cerebras 的非傳統方法吸引了許多業內人士。但是更大的芯片意味著內核和處理器因缺陷而導致失敗的可能性更高，那么如何控制制造缺陷、如何冷卻近百萬個核心、如何同步它們、如何對它們進行編程等等都需要逐個解決，但有一點是肯定的，Cerebras 引起了很多人的注意。

GraphCore

GraphCore 是首批推出商業 AI 加速器的初創公司之一，這種加速器被稱為 IPU（Intelligent Processing Unit）。他們已經與微軟、戴爾以及其他商業和學術機構展開多項合作。

目前，GraphCore 已經開發了第二代 IPU，其解決方案基于一個名為 Poplar 的內部軟件堆棧。Poplar 可以將基于 Pytorch、Tensorflow 或 ONNX 的模型轉換為命令式、可以兼容 C 的代碼，支持公司提倡的頂點編程（vertex programming）。與 NVIDIA 的 CUDA 一樣，Poplar 還支持低級 C 編程以實現更好的潛在性能。

第二代 IPU 芯片圖。圖源 GraphCore

IPU 由 tiled 多核設計組成，tiled 架構由 MIT 于 2000 年代初研發，該設計描述了復制結構的 2D 網格，每個網格都結合了網絡交換機、小型本地內存和處理核心。第一代 IPU 有 1216 個 tile，目前第二代 IPU 有 1472 個 tile。每個 IPU 內核最多可以執行 6 個線程，這些線程是包含其專有指令集架構 (ISA) 的代碼流。

IPU 采用的是大規模并行同構眾核架構。其最基本的硬件處理單元是 IPU-Core，它是一個 SMT 多線程處理器，可以同時跑 6 個線程，更接近多線程 CPU，而非 GPU 的 SIMD/SIMT 架構。IPU-Tiles 由 IPU-Core 和本地的存儲器（256KB SRAM）組成，共有 1216 個。因此，一顆 IPU 芯片大約有 300MB 的片上存儲器，且無外部 DRAM 接口。連接 IPU-Tiles 的互聯機制稱作 IPU-Exchange，可以實現無阻塞的 all-to-all 通信，共有大約 8TB 的帶寬。最后，IPU-Links 實現多芯片互聯，PCIe 實現和 Host CPU 的連接。

可重構數據流

Wave Computing、SambaNova 和 SimpleMAChines 是三家推出加速器芯片的初創公司。其中 Wave Computing 成立于 2008 年，其使命是「通過可擴展的實時 AI 解決方案，從邊緣到數據中心革新深度學習」，該公司由 Dado Banatao 和 Pete Foley 創立。一段時間以來，它一直處于隱身模式，從各種來源獲得資金。

Wave Computing 的核心產品是數據流處理器單元（DPU），采用非馮諾依曼架構的軟件可動態重構處理器 CGRA（Coarse grain reconfigurable array/accelerator）技術，適用于大規模異步并行計算問題。2019 年前后，Wave Computing 針對邊緣計算市場的算力需求，將 MIPS 技術與 Wave 旗下 WaveFlow 和 WaveTensor 技術相結合，推出 TritonAI 64 IP 平臺。但不幸的是，它在 2020 年申請了破產保護。

基于時間的 DPU 核映射。圖源：Wave Computing

SambaNova 成立于 2017 年底，自那以來，該公司獲得了由 Google Ventures，Intel Capital 和 Blackrock 領導的三輪融資以及在美國能源部的 Laurence Livermore 和 Los Alamos 的部署。他們現在已經可以為一些客戶提供新產品。

SambaNova 的 RDU 框圖。

SambaNova 正在為數據中心構建芯片和軟件棧，目標是用 AI 進行推理和訓練。其架構的核心是可重構數據流單元（RDU，reconfigurable dataflow unit）。RDU 芯片包含一組計算單元（稱為 PCU）和暫存器存儲單元（稱為 PMU），它們以 2D 網格結構組織起來，并與 NoC 交換機連接。RDU 通過一組稱為 AGU 和 CU 的單元結構訪問芯片外存儲器。

SambaNova 的關鍵用例。圖源：HPCWire

SambaNova 的軟件堆棧（稱為 Sambaflow）采用高級 Python 應用程序（例如 PyTorch、TensorFlow ）并將它們降低為可以在編譯時對芯片 PCU、PMU、AGU 和 CU 進行編程的表示。SambaNova 展示了 RDU 架構可以運行復雜的 NLP 模型、推薦模型和高分辨率視覺模型。

SimpleMachines 由威斯康星大學的一群學術研究人員于 2017 年創立。該研究小組一直在探索依賴于結合馮諾依曼（逐條指令）和非馮諾依曼（即數據流）執行的異構數據路徑的可重構架構。

該公司提供的數據均參考了在頂級學術會議和期刊發表的原創研究論文。指導架構原則有點類似于 SambaNova 正在做的事情，即開發一個可重新配置的架構，以支持非常規編程模型，實現能夠應對高度變化的 AI 應用程序空間的靈活執行。

SimpleMachines 的 Mozart 芯片。圖源：SimpleMachines

該公司的首個 AI 芯片是 Mozart，該芯片針對推理進行了優化，在設計中使用了 16 納米工藝，HBM2 高帶寬內存和 PCIe Gen3x16 尺寸。2020 年，SimpleMachine 發布了第一代加速器，該加速器基于 Mozart 芯片，其由一個可配置的 tile 數組組成，它們依賴于控制、計算、數據收集等的專業化。

脈動陣列 VLIW: TPUv1、Groq、Habana

TPU

世界上首個專門為 AI 量身定制的處理器之一是張量處理單元（TPU），也稱張量處理器，是 Google 開發的專用集成電路（ASIC），專門用于加速機器學習。自 2015 年起，谷歌就已經開始在內部使用 TPU，并于 2018 年將 TPU 提供給第三方使用，既將部分 TPU 作為其云基礎架構的一部分，也將部分小型版本的 TPU 用于銷售。

第一代 TPU 體系架構。圖源：arXiv

第一代 TPU 是一個 8 位矩陣乘法的引擎，使用復雜指令集，并由主機通過 PCIe 3.0 總線驅動，它采用 28 nm 工藝制造。TPU 的指令向主機進行數據的收發，執行矩陣乘法和卷積運算，并應用激活函數。

第二代 TPU 于 2017 年 5 月發布，值得注意的是，第一代 TPU 只能進行整數運算，但第二代 TPU 還可以進行浮點運算。這使得第二代 TPU 對于機器學習模型的訓練和推理都非常有用。谷歌表示，這些第二代 TPU 將可在 Google 計算引擎上使用，以用于 TensorFlow 應用程序中。

第三代 TPU 于 2018 年 5 月 8 日發布，谷歌宣布第三代 TPU 的性能是第二代的兩倍，并將部署在芯片數量是上一代的四倍的 Pod 中。

第四代 TPU 于 2021 年 5 月 19 日發布。谷歌宣布第四代 TPU 的性能是第三代的 2.7 倍，并將部署在芯片數量是上一代的兩倍的 Pod 中。與部署的第三代 TPU 相比，這使每個 Pod 的性能提高了 5.4 倍（每個 Pod 中最多裝有 4,096 個芯片）。

Groq

谷歌在云產品中提供了 TPU，他們的目標是滿足谷歌的 AI 需求并服務于自己的內部工作負載。因此，谷歌針對特定需求量身定制了 TPU。

2016 年，一個由 TPU 架構師組成的團隊離開谷歌，他們設計了一種與 TPU 具有相似基線特征的新處理器，并在一家名為 Groq 的新創業公司中將其商業化。

Groq TSP 執行框圖。圖源：Groq

Groq 的核心是張量流處理器（TSP）。TSP 架構與 TPU 有很多共同之處：兩種架構都嚴重依賴脈動陣列來完成繁重的工作。與第一代 TPU 相比，TSP 增加了向量單元和轉置置換單元（在第二代和第三代 TPU 上也可以找到）。

Groq VLIW 指令集和描述。圖源：Groq

Habana

Habana 成立于 2016 年初，是一家專注于數據中心訓練和推理的 AI 加速器公司。Habana 已推出云端 AI 訓練芯片 Gaudi 和云端 AI 推理芯片 Goya。

Goya 處理器已實現商用，在極具競爭力的包絡功率中具有超大吞吐量和超低的實時延遲，展現出卓越的推理性能。Gaudi 處理器旨在讓系統實現高效靈活的橫向、縱向擴展。目前 Habana 正在為特定超大規模客戶提供樣品。

Goya、 Gaudi 架構圖。圖注：Habana

Goya 和 Gaudi 芯片具有相似架構，它們都依賴于 GEMM 引擎，該引擎是一個脈動矩陣乘法單元，與一組 tile 并排工作。每個 tile 包含一個本地軟件控制的暫存器內存和一個張量處理核心（TPC），具有不同精度的矢量計算單元，即它們可以計算 8 位、16 位或 32 位的矢量化操作。TPC 和 GEMM 引擎通過 DMA 和共享內存空間進行通信，并通過 PCIe 與主機處理器進行通信。

基于 RISC 的 AI 加速器

Esperanto

Esperanto 成立于 2014 年，并在相當長一段時間內一直處于隱身模式，直到 2020 年底才宣布他們的第一款產品 ET-SoC-1 芯片，其基于臺積電 7nm 工藝構建的 SoC 上集成了 1000 多個 RISC-V 內核、160M BYTE 的 SRAM 和超過 240 億個晶體管，是該公司 AI 加速器系列的第一款產品。ET-SoC-1 是一款推理加速器，預計在今年投產。

Esperanto 的 ET-SoC-1 的架構圖。圖源：Esperanto/HotChips

TensTorrent

TensTorrent 成立于 2016 年，總部位于加拿大多倫多，目前估值 10 億美元，這是一家計算公司，開發旨在幫助更快和適應未來算法的處理器。TensTorrent 提供的芯片系列不僅針對數據中心，也針對小型平臺，此外，他們還提供 DevCloud。

TensTorrent：圖的并行性與張量切片。圖源：YouTube/TensTorrent

TensTorrent 核心。圖源：YouTube/TensTorrent

Mythic

Mythic 是 AI 硬件領域最早的初創公司之一，它成立于 2012 年。邁克?亨利（Mike Henry）和戴夫?菲克（Dave Fick）為公司的核心創始人，他們分別擔任 Mythic 公司的董事長和 CTO。該公司非常重視具備能源效率和成本更低的模擬技術，Mythic 提出了如何在模擬電路中使用較小的非數字電路電流來降低能量的消耗。

矩陣乘法運算中的權重和輸入 / 輸出數據差分。圖源：Mythic

2020 年底，Mythic 推出了其第一代 AI 芯片 M1108 AMP。與很多 AI 芯片不同，M1108 基于更加成熟的模擬計算技術，而非數字計算。這提高了 M1108 的能效，也使網絡邊緣設備訪問更加容易。

Mythic 還推出了一個模擬計算引擎 (ACE，Analog Compute Engine)，它使用閃存而不是 DRAM 來存儲權重。本質上，它們不是從內存中獲取輸入和權重數據，而是將輸入數據傳輸到權重閃存，并將其轉換為模擬域，在模擬域中執行 MAC （multiply-and-accumulate）計算，并將其轉換回以獲取輸出數據，從而避免從內存中讀取和傳輸權重成本。

LightMatter

LightMatter 是一家誕生于 MIT 的初創公司，該公司押注于一種用光子而非電子執行運算的計算機芯片。這種芯片從根本上與傳統的計算機芯片相區分，有望成為能夠滿足 AI「饑餓」的有力競爭者。LightMatter 首席執行官尼克?哈里斯（Nick Harris）曾說：「要么我們發明的新計算機繼續下去，要么人工智能放慢速度。」

光子學與電子學計算屬性。圖源：HotChips/LightMatter

LightMatter 設計了一種基于脈動陣列的方法，通過使用編碼為光信號波中不同相位的相移來操縱光子輸入信號，以執行乘法和累加操作。由于光子學數據以光速流動，LightMatter 芯片以非常高的速度執行矩陣和矢量化運算，并且功率可降低幾個數量級。

LightMatter 在 2021 年開始發售其首款基于光子的 AI 芯片 ——Envise，并為常規數據中心提供包含 16 個這種芯片的刀鋒服務器。該公司目前已從 GV（前 Google Ventures）、Spark Capital 和 Matrix Partners 籌集到了 2200 萬美元。

LightMatter 聲稱，他們推出的 Envise 芯片的運行速度比最先進的 Nvidia A100 AI 芯片快 1.5 至 10 倍，具體根據任務的不同有所差異。以運行 BERT 自然語言模型為例，Envise 的速度是英偉達芯片的 5 倍，并且僅消耗了其六分之一的功率。

Envise。圖源：LightMatter

NeuReality

NeuReality 是一家于 2019 年在以色列成立的初創公司，由 Tanach 、 Tzvika Shmueli 和 Yossi Kasus 共同創立。

2021 年 2 月，NeuReality 推出了 NR1-P，這是一個以 AI 為中心的推理平臺。2021 年 11 月，NeuReality 宣布與 IBM 建立合作伙伴關系，其中包括許可 IBM 的低精度 AI 內核來構建 NR1，這是一種非原型生產級服務器，與 FPGA 原型相比， AI 應用程序效率更高。

NeuReality NR1-P 原型。圖源：ZDNet

原文鏈接：https://medium.com/@adi.fu7/ai-accelerators-part-iv-the-very-rich-landscape-17481be80917

省級醫院院長卷入腐敗漩渦 醫療專家也買不到后悔藥

一位功成名就的省級醫院院長，沒能經受住市場經濟大潮的沖擊，沒能守住自己的職業道德底線，卷入了商業賄賂的腐敗漩渦。最終，從一個副廳級博士院長，享受國務院特殊津貼的醫療專家，蛻變為人民的罪人。7月25日，海口市中級法院開庭審理海南省人民醫院原院長李灼日受賄案。合議庭合議后，審判長莊嚴宣判：被告人李灼日犯受賄罪，判處有期徒刑十年，并處罰金90萬元，依法追繳違法所得573萬余元。

李灼日當庭表示認罪、悔罪。作最后陳述時，他略帶哽咽地說：“我很懊悔，但這世上沒有后悔藥……”

功成名就自甘沉淪

1959年10月，李灼日出生在湖南省安仁縣。讀書時他刻苦用功，學習成績總是名列前茅，最終獲得博士學位。他擅長肝膽胰外科臨床診療和基礎研究工作，是肝膽胰外科專家，也是海南省醫療衛生部門專門引進的專家型人才。

李灼日早年擔任過湖南省香花嶺錫礦職工醫院醫師，后到江西醫學院普外專業進修，碩士畢業后到了湖南省人民醫院。憑著天資聰穎，李灼日很快博得醫院領導的器重，歷任主治醫師、副主任醫師、院長助理。2002年7月至2005年9月，他在新疆吐魯番人民醫院當了三年院長，后又回到湖南省人民醫院當了五年副院長。2010年8月，他作為“專家型”院長主政海南省人民醫院，可謂功成名就。

據了解，李灼日在擔任院長的八年時間里，曾先后兼任醫院黨委書記、副書記。但相較于黨內職務，他還是更看重院長一職，因為醫院行政事務還是院長說了箅。2014年，李灼日主動向組織提出不兼任黨委書記的請求。與此同時，他將院長負責制發揮出“最大效用”。數次以黨政聯席會的名義決策“三重一大”事項，并以提高效率為名，未征求班子成員意見，自行簽批行文，明確由其本人兼任醫療設備采購委員會主任和采購組組長。這一系列行動，都出自李灼日的“特殊考慮”。

當上院長后，李灼日沒少聽說其他醫院的“一把手”在藥品、醫療器械采購和基建工程項目上收受回扣的事，不禁也動起了心思。而他院長的地位和權力，也讓藥品、醫療器械經銷商和工程領域的老板趨之若鶩。兩相投合，李灼日徹底棄守了心理防線，認為自己辛勞奔波，克勤克儉奮斗了大半輩子，應該在經濟上“寬松”一些，在生活上改善一些，家人也該跟著沾點光了。

李灼日的思想蛻變，正迎合了那些尋租者的愿望，他們奉上物質誘惑，使李灼日將黨紀國法拋到腦后，心安理得地收受賄賂。案發后，李灼日在懺悔書中寫道：“悔不該自己法紀意識淡薄、不習慣接受監督。采購中重大事項的決定權由少數領導干部掌控，游離于程序和監督之外，為這些人員弄權尋租，利益輸送提供了便利條件。”

發達不忘關照老友

2010年那會兒，李灼日一人身兼海南省人民醫院黨委書記和院長二職，位高權重。他以院長負責制為由在醫院說一不二。身居高位的李灼日吸引了一些老友從湖南老家千里追隨而來，投其所好，為他提供無微不至的關心照顧。聽說他想吃湘菜，就有人專門給他做，然后打“飛的”親自送上門。

庭審中，李灼日痛心地回顧道：“時間長了，習慣成自然，就慢慢放松了警惕，混淆了情與法的界限。”感念老友的“情義”，李灼日把這些老友介紹給醫院有關部門負責人，一起吃喝玩樂。在老友們的“圍獵”下，他從吃吃喝喝開始，一步步被拖入泥潭。

一眾老友中的劉某，在李灼日調任海南省人民醫院院長后，立即將自己的業務擴展到海南。很快，劉某旗下的幾家公司都與省人民醫院建立了業務往來。李灼日向醫院放射科、超聲科等科室主任介紹了劉某。有了院長這層關系，劉某順利拿下多個醫療設備、醫用耗材的采購項目。

這些采購項目有多大的獲利空間，能讓劉某賺多少錢，李灼日心里很清楚。劉某看中了李灼日手中的權，李灼日看中了劉某手中的錢，雙方各得其所，合作得密不透風也很是愉快。

2013年下半年的一天，李灼日以購房為由向劉某提出“借款”50萬元的請求，劉某第二天就將50萬元人民幣送到李灼日那里。

2014年下半年的一天，李灼日又以兒子在美國購房為由，向劉某提出“借款”50萬美元，劉某當即答應，并于半個月后在李灼日的住處送給其50萬美元。

此外，李灼日的兒媳懷孕、李灼日去美國過春節等事項，都成為劉某給其送錢的理由。為感謝李灼日的關照，劉某于2013年下半年至2017年初，分6次共送給李灼日100萬元人民幣和53萬美元。對此，劉某在接受調查時曾直言不諱地說：“李院長為我和醫院做生意提供方便，每次撥付設備款都及時給我簽字，使我能順利回籠貨款，表示感謝是必須的。”

幫攬工程收獲頗豐

理智的堤壩一旦崩潰，便會一發不可收拾。李灼日憑借手中的職權，開啟了看準機會就撈錢的模式，胃口越來越大。在主政海南省人民醫院的八年間，他不僅大權獨攬，小權也不放手。尤其在工程建設上，更是做到“肥水不流外人田”。

長沙某醫療器械有限公司法人代表楊某通過掛靠多家公司，在李灼日的關照下，承攬了省人民醫院放療中心模擬治療機移機項目，高能醫用直線加速器項目，以及醫院秀英門診樓及內科樓的通風、空調工程項目。在這些工程項目的審批過程中，李灼日都為楊某提供了幫助。楊某對李灼日滿心感激，多次提及要送錢給他。

在李灼日求學和工作初期，大哥曾給過他很多幫助。大哥退休后提出想做生意，李灼日便將楊某找來，授意他關照自己的哥哥，楊某對此心領神會。在隨后的交往中，李灼日的大哥以購房為由向楊某索要140萬元。李灼日大哥的兒子(另案處理)來海南工作前欠下巨額貸款，差點被銀行起訴。李灼日也讓楊某幫忙，2015年下半年的一天，楊某按李灼日的要求，將40萬元人民幣交給其侄子用于償還貸款。

2012年4月，在李灼日的幫助下，海口某投資有限公司通過掛靠廣西某建設集團有限公司，一舉中標了海南省人民醫院全科醫生臨床培養基地暨后勤綜合業務用房合建項目。海口某投資有限公司總經理馮某心里明白，在業界競爭白熱化的情況下，拿到工程只是第一步，接下來，工程施工中撥款、工程驗收等很多事情都離不開李院長的支持。2012年7月的一天，馮某送給李灼日3萬美元以表謝意。

夢醒成為反面教材

出任海南省人民醫院院長后，李灼日成為家族和村里最大的“官”。“家族驕傲”的光環是對李灼日多年努力的肯定，同時也助長了他的虛榮心，讓他不斷用手中的權力去證明自己是個真正的“能人”。

辦案人員分析指出，長期集行政決策權和經營管理權于一身，縱容了李灼日在醫院重大事項上獨斷專行的行為。如違規將一些公開招標項目拆分成幾個子項目規避招投標，違規采取單一來源采購方式，還出現過公開招標后，因對中標單位不合意又作廢標處理的事件。

李灼日利用職務便利，幫助陳某承攬到省人民醫院多個醫療設備和醫用耗材采購項目。為了感謝李灼日的幫助，陳某于2015年初和2016年初，去李灼日湖南安仁縣的老家拜年時，向其分兩次各送了40萬元人民幣，總計80萬元人民幣。

海南蔚霖醫療器械有限公司負責人王某為了與李灼日搞好關系，在省人民醫院開展業務，于2012年上半年的一天，到李灼日辦公室送給他10萬元人民幣。后李灼日將王某推薦給省人民醫院心血管內科中心主任馬某，幫王某順利承攬到多個醫療設備采購項目。

就在李灼日為自己財源廣進得意忘形之際，他的“蹤跡”進入海南省紀委監察委的視線。2018年2月11日，海南省紀委監察委網站發布一條消息：海南省人民醫院黨委副書記、院長李灼日涉嫌嚴重違紀違法，正接受海南省紀委監察委的紀律審查和監察調查。

2018年9月，李灼日被免去海南省人民醫院黨委副書記職務，同年10月被免去海南省人民醫院院長職務。2019年4月22日，中央紀委國家監察委網站發布消息，海南省人民醫院原黨委副書記、院長李灼日被“雙開”，其違紀行為包括：與他人串供，對抗組織審查；多次違規收受禮品禮金；違規提拔任用干部；插手干預項目發包和采購活動等。

在海南省紀委監察委對李灼日初審期間，李灼日懾于調查，于2017年1月讓其姐姐在長沙將80萬元退還給行賄人陳某。案發前，李灼日又向另一名行賄人退還了10萬元。案發后，李灼日的親屬代其退繳贓款473萬余元，兩名行賄人及涉案的李灼日同事共退還100萬余元。

在2019年5月24日上午的庭審中，李灼日表示了深深的懺悔：“此刻，我站在被告人席上接受審判，是我咎由自取。”李灼日說，自己從一個農村孩子走上領導崗位，十分不易，因一念之差走到這樣的地步，非常非常懊悔，但世上沒有后悔藥，他希望世人能以他作為反面教材，意識到不管曾作出多大貢獻，只要觸犯法律底線，就要接受法律制裁。

法院經審理查明：2011年至2017年間，被告人李灼日利用職務上的便利，在醫療設備和醫用耗材采購、工程項目發包及工程款撥付等方面為劉某等人謀取利益，非法收受劉某、陳某、馮某、楊某、王某等人的好處費230萬元人民幣、56萬美元，上述款項折合人民幣共計573萬余元。

目前，不僅李灼日受到懲處，其大哥、侄子也接受了審查調查，侄子李某因構成利用影響力受賄罪被依法追究刑事責任。

一點思考

李灼日走上犯罪道路的原因，有著與其他國家公務人員職務犯罪相似的諸多共性，但也有其自身的一些特點。對領導干部而言，去除非分之想，常懷律己之心固然重要，但環境不良商賄盛行，且行業監督不力也是腐敗案件多發的一個重要因素。

具體而言，這方面的客觀原因主要是國家實行醫藥、醫療事業市場化的同時，相關制度和監管機制沒有跟上。一是在醫藥及醫療器械生產環節，醫藥及醫療器械企業準入制度不健全，市場競爭機制不規范，市場監管不到位，引發醫藥市場的惡性競爭，推動藥廠及醫療器械企業普遍采取高定價、高回扣的低級營銷策略推銷藥品。二是在醫藥及醫療器械定價環節，價格管理失控導致價格與價值嚴重背離，為實施高回扣的營銷策略創造了條件，也給經銷商預留了較大的讓利空間。三是在醫藥及醫療器械流通環節，由于存在高額利潤的巨大商機，為醫藥及醫療器械經銷機構及代理人行賄提供了便利條件，使銷售人員以賄賂手段推銷藥品及醫療設備更方便也更隱蔽。四是在醫藥及醫療器械使用環節。醫藥及醫療器械賄賂產生于購銷領域，卻實現在使用環節。由于醫院處于優越的買方市場地位，擁有絕對的擇取權，為其相關負責人在醫藥及醫療器械購銷活動中利用職權收受回扣創造了條件。

分析上述客觀環境因素，并非是為李灼日之流開脫罪責。強化監管，凈化土壤，原本就是反腐敗系統工程的一項重要內容。希望有關部門重視類似案件的警示意義，加大整治力度，徹底堵死相關領域腐敗分子的尋租空間。

iPhone 11評測：雖不是Pro但不妨礙它成為真香旗艦

【手機中國評測】手機圈一年一度的盛會，蘋果秋季新品發布會已經落下了帷幕。頂著外界巨大的壓力與爭議，庫克依舊從容地在喬布斯劇院的舞臺上為我們帶來了三款新iPhone：iPhone 11、iPhone 11Pro、iPhone 11Pro Max。先不討論這三款機型的命名美學如何，單從新配色、新工藝上來看就已經能夠打動一批消費者了。之前飽受詬病的“浴霸”式鏡頭如期而至，而它也成為了iPhone 11系列最鮮明的特色。

面對虎視眈眈的安卓陣營，蘋果近年來也不得不加快了步伐。很多被iPhone老用戶們詬病的小細節和功能點，在這代產品上得到了改進或者升級，庫克實在是一個精明的商人。作為發布會的主角，iPhone 11Pro系列自然是全場的焦點，而今天我在這里想談談的，是這款有些被“低估”了的旗艦，iPhone 11。它的前身iPhone XR的誕生，本就是為了與安卓陣營的中高端旗艦競爭。雖然被消費者們吐槽大黑邊、單攝，但售價上的一再走低，卻讓它成為了今年“最香”的蘋果產品。

從命名上來看，iPhone 11在拿掉了字母后綴直接用數字命名，間接地表示曾經的次旗艦如今已經“扶正”。而Pro系列iPhone的誕生，也坐實了iPhone雙產品線的策略，與iPad和Mac系列走到了一起。更高的地位意味著更多的特權與能力，iPhone 11這次沒有讓我們失望：超廣角雙攝、A13仿生芯片、支持18W快充（雖然充電頭需要單獨購買），最后加上5499元起的售價，相信讓很多人喊出了“真香”這兩個字。而iPhone 11還有哪些提升、使用體驗如何、值不值得買，且聽我慢慢為你道來。

黑邊不用關心，你要做的只是挑個顏色

“iPhone的外觀有多久沒有變過了？”每次看到這樣的問題，作為一名老用戶的我不禁也會陷入沉思。蘋果在工業設計上的能力大家有目共睹，iPhone 4的ID設計席卷了全世界，被無數廠商和品牌模仿借鑒。而自從iPhone 6時代后，iPhone的形態似乎到達了一個相對“穩定”的階段。自此之后的iPhone 7、iPhone 8都只是在前代上的“小修小補”。

后來iPhone X的出現，也沒有打破這樣的局面，劉海全面屏的設計是“縫縫補補又三年”。相比起安卓陣營的激進腳步，蘋果似乎還是有些保守。對于那些他們認為不成熟的技術，依舊持觀望態度。此次iPhone 11的正面依舊是我們熟悉的劉海全面屏，在Face ID依舊在迭代的當下，這是蘋果認為最合理的方案。至于邊框的問題，我只能說一分錢一分貨，要求不要太苛刻。

雖然邊框沒有達到極致，但這塊屏幕在素質上還是很優秀的。iPhone 11采用了和iPhone XR一致的6.1英寸LCD屏幕，分辨率為1792×828像素，PPI為326。在達到蘋果“Retina”的標準線后，其實在使用上是完全沒有問題的。如果你不將它與2K屏幕仔細的進行對比，在日常使用中是看不出什么區別的。這塊Liquid視網膜LCD屏幕，不是頂級但絕對出彩。尤其是原彩顯示功能，相比起傳統的夜間模式，在使用感受上要好太多。

其實相比起iPhone 11Pro，iPhone 11在外觀上要更加的“容易接受”，沒錯我說的就是背部的攝像頭模組。其實早在新機曝光階段，大家就已經大概確認了iPhone 11系列的設計風格，那就是：設計為功能讓步。而這樣的妥協，在蘋果身上近年來已經出現過了很多次。或許是因為安卓陣營的步步緊逼、或許是因為用戶需求的不斷升級。設計和功能之間的優先級，顯然是一道不太好做的選擇題。

好在iPhone 11只采用了雙攝，所以在排列上要比11Pro系列更加的“低調”一些。豎排的雙攝和閃光燈一起，被放置在了左上角的圓角矩形區域內。不知道蘋果是想讓鏡頭區域更加凸顯一些，還是出于什么別的考慮，但不可否認的是辨識度一下提升了不少。相比iPhone 11Pro系列的鋒利，11背部鏡頭區域則更加圓潤一些。整塊玻璃背板為一體設計，微微凸起的區域并不是拼接、而是打磨而成，蘋果的工藝水準還是一如既往之高。

雖然背部只是普通的玻璃，并沒有采用Pro上的磨砂質地，但在手感上還是不錯的。但如果你像小編一樣是個“手汗”星人，那還是乖乖帶個保護殼比較好。相機模組的區域采用了磨砂的處理，在同一種材質在與背板玻璃的攝像頭區域做出了區隔。可能蘋果也是在提醒我們，沒事就不要經常摸攝像頭了。

另外一個十分有趣的點，就是蘋果Logo的下移。雖然庫克在發布會上并未闡明原因，但是據推測可能有兩個原因。第一是相機模組增大，迫使無線充電圈位置下移，Logo就一起進行了平移；第二種說法是因為蘋果覺得機身上方的鏡頭模組過大，如果Logo位于中間靠上區域，可能會顯得“頭重腳輕”。當然這些只是猜測，真正的原因就看蘋果是否愿意向我們“揭秘”了。

iPhone 11的邊框依舊采用了磨砂質感的處理，手汗星人再次點贊。蘋果對于金屬噴砂的工藝技術十分純熟，iPhone 11的邊框總給我一種介于細膩與粗獷之間的手感，摸上去十分舒服。當然如果你想要時刻體會這美妙的手感，就只能裸奔了，官方的Apple Care 可能需要安排一下了。

與iPhone XR一樣，iPhone 11走的也是輕快路線，共提供六種顏色。除了iPhone XR上就出現過的紅色與黃色，新增的綠色和紫色相信會是很多人換機的首眩不管你是單純的喜歡這兩款顏色、還是希望大家能夠一眼認出這是新款手機，蘋果的營銷策略都成功了。相比起Pro系列的深邃沉穩，小編覺得11系列的多彩應該能夠獲得一大批年輕用戶們的喜愛。

硬件絕對強悍，你的要求都能滿足

其實iPhone的硬件和性能，一直都不是大家最關心的點。因為iOS的底層機制、軟硬結合等方面的優勢，即使參數上沒有安卓旗艦那么“嚇人”，但性能是絕對沒問題的。這次iPhone 11系列標配了A13處理器以及4GB運行內存，這就意味著你可以用更少的價格，體驗到頂配Pro版的硬件性能。

從安兔兔的跑分成績來看，iPhone 11獲得了457309的成績，是如今頂級旗艦的水平。據蘋果介紹，此次A13仿生芯片是一次相當強大的升級。蘋果表示：“它擁有智能手機有史以來最好的機器學習性能”。A13仿生芯片內集成了85億個晶體管，采用了更先進的7nm制程工藝。其實對于iPhone的用戶們而言，大家真的不是很care這些硬參數，畢竟iPhone在性能上從來沒有讓我們失望過。

在CPU方面，A13擁有2顆高性能核心，速度提升20%、功耗降低30%；4顆效能核心，速度提升20%，功耗降低了40%；CPU還新增兩個新的機器學習加速器，中央處理器每秒可進行一萬億次運算；GPU為四核心設計，速度提升20%，功耗降低40%；八核神經引擎性能提升了20%，功耗降低15%。這些性能上的提升，為雙攝、Face ID、增強現實等應用提供了強有力的保障。

蘋果對于iPhone的硬件參數一直都比較“低調”，除了處理器上的提升，其他硬件的數據大部分只能靠拆機來獲知。不過蘋果指出了一點，那就是由于A13能效的提升，iPhone 11的續航時間比iPhone XR長了1個小時。這方面的提升，或許對用戶的誘惑力更大一些。

拍照大升級，看得更多也更清晰

說到拍照，安卓陣營新技術不斷，三攝四攝、AI算法、超級夜景，幾大連環出招讓iPhone失去了往日的“標桿”地位。今年蘋果終于大手一揮，為兩款機型各添加了一個鏡頭，大家心心念念的夜景、超廣角一次性上菜，老iPhone用戶們紛紛表示“過年了”。

iPhone 11分別搭載了一顆1200萬像素的廣角鏡頭、以及一顆1200萬像素的超廣角鏡頭。其中廣角鏡頭采用 Focus Pixels技術，能夠在弱光環境中提升最大三倍的自動對焦速度。而另一顆超廣角鏡頭則可以帶來四倍的取景范圍，以后拍攝大場景時再也不用拼命的后退取景了，等了好久終于等到今天。

搭配iOS 13，iPhone 11的相機在功能以及交互上帶來了很多新的提升。首先就是超廣角畫面的實時預覽，在拍照頁面可以看到，取景器內是普通的1倍畫面，而原本的黑邊處則默認顯示0.5倍的超廣角畫面。當你手動調節畫面時，畫面會連貫流暢地在廣角與超廣角之間切換，這種體驗可以用前所未有來形容。

雖然擁有多顆攝像頭，但是由于位置的不同，所以在光線、對焦、白平衡等方面獲取的信息也不同。當你在切換到超廣角模式下時，往往會出現需要重新對焦、或者白平衡不一致等情況。蘋果能夠自信地將超廣角作為預覽直接放在取景框中，顯然是克服了這一問題。據悉蘋果通過算法，讓兩顆鏡頭互相分享對焦、景深、白平衡的信息，并通過A13芯片強大的性能，實現了廣角——超廣角的無縫切換。

看到這里小編得不得感嘆，蘋果還是那個蘋果。雖然超廣角拍照來得稍微晚了一些，但蘋果總是能夠找到那些影響使用體驗的小Bug，然后悄無聲息地解決，不得不佩服蘋果在軟硬結合上的實力。但如果你是首次使用iOS 13系統，相信也會有些摸不著頭腦。蘋果此次將我們熟悉的參數調節例如濾鏡、曝光時間、照片比例等選項放在了二級菜單中，需要用手向上滑動取景框打開，新手需要適應一下。

另外一個十分實用有趣的功能，就是當你在拍照界面下長按快門即可開啟錄制視頻，再向右滑則是鎖定為視頻錄制。這對于那些平時需要隨時記錄身邊風景，錄制視頻素材的用戶來說顯然更加方便。不知道是不是看中了如今全球都十分火熱的短視頻社交，未來iPhone或許會增加更多視頻拍攝方面的功能，或許能一鍵抖音也說不定。

普通模式

在實際體驗方面，超廣角帶來的畫面內容、震撼感上的提升是十分明顯的。在取景器內，你可以通過點按下方的“1X”來開啟超廣角模式。在瞬間覺得視野開闊后，你還能發現蘋果對于廣角鏡頭邊緣的畸變控制的也相當不錯。

超廣角模式

雖然在發布會上蘋果并沒有著重解析，但是超廣角鏡頭帶來的邊緣畸變一直都是一個大問題。從樣張中我們可以看出，iPhone 11的廣角鏡頭雖然有拉伸痕跡，但是邊緣并沒有出現變形的情況。其實廣角鏡頭運用得當，能夠獲得十分優秀的效果，例如拍攝大長腿。

超廣角模式

超廣角模式對于拍攝建筑而言最為神奇，尤其是那些棱角分明、極具線條感的高樓，能夠讓它散發出別樣的魅力。另一個小編在拍照中發現的升級之處，就是iPhone 11在逆光場景下動態范圍與算法的提升。

超廣角 逆光

在面對逆光的場景時，iPhone 11的畫面不會出現漆黑一片、或者曝光過度的情況。高光被很好的進行了壓制，而暗部的細節也沒有丟失。看來雙攝 A13的強悍組合，提升還是很明顯的。

普通模式

超廣角模式

在同樣的場景下，關閉與開啟超廣角模式效果如圖所示。其實對于攝影來說，構圖是十分重要的。超廣角模式無疑為后期的再創作提供了更大的空間，尤其是在多人合照、出游采風的時候，實用性與幸福感提升明顯。

接下來讓我們來到室內，拍攝場地的建筑采用的是透明屋頂，加之室內的光源，環境十分復雜。在這種情況下，iPhone 11依舊保持了很好的白平衡，畫面中的燈帶、遠處的天花板，高光部分控制的十分優秀。而暗部的地板、欄桿扶手細節也十分清晰。

人像模式

我們熟悉的人像模式，由于加入了雙攝，iPhone 11也可以拍攝除人臉以外的物體了。本質上而言，人像模式就是通過人物識別、摳像，然后進行背景虛化的算法。從樣張來看，此次iPhone 11無論是對物體的識別、邊緣的摳像，都達到了一個不錯的水準。

全新的智能HDR功能，是這次iPhone 11的重點升級之一。簡單來說，A13芯片可以通過機器學習，識別出畫面中的人物，然后將其與背景區分開來處理。即使你的背后是落日余暉或者黑暗的夜晚，也不會出現“黑臉”的情況。不知道是不是可以理解為蘋果心中的“美顏”呢？

這次人像光效列表中新增了“高調單色光效果”，能夠模擬出攝影棚風格滿滿的單色照片。雖然如今很多修圖軟件也能夠套用相關的濾鏡，但是iPhone 11自帶的強大后期，以及可隨時更改的效果，要比那些“一次性”的美圖濾鏡強大太多了。

除了超廣角，夜景模式也是iPhone 11的一個重要升級點。iPhone 11的夜間模式會在檢測到光線不足時自動開啟，而長曝光的時間系統會自動計算并調節，你所要做的只是按下快門、保持手機穩定就好。通過長曝光拍攝多張照片，系統會修正畫面晃動、裁剪模糊的部分、調節對比度、調整色彩，最后去除噪點增強細節，生成最終的圖像。

在使用中我發現，iPhone 11的夜景模式追求的是“自然的黑夜之美”。簡而言之就是不會過分拉高畫面亮度，而是去猜測你需要拍清楚的物體，然后有的放矢地對畫面進行優化、提亮。

普通模式

夜景模式

通過對比我們可以看到，畫面中的路牌、建筑都有了亮度和細節上的提升。而天空則盡可能的保持了略為暗淡的效果，整體觀感更為真實。

普通模式

夜景模式

而在極端場景下，長達4秒的長曝光能夠大幅提升畫面亮度，并且還原建筑本身的細節。這樣的夜景模式比起閃光燈顯然要更加的實用，效果也更好。iPhone 11此次在拍照方面的提升，還獲得了美國知名攝影師Austin Mann的認可，作為一名“更喜歡用iPhone而不是相機”的攝影師，Austin在采訪中著重表達了對于iPhone 11系列超廣角以及夜間模式的喜愛，作為一名專業攝影師，他認為這些功能打破了手機攝影的界限，為更多的普通用戶提供了更大的創作空間。

一些小細節，還是知道一下比較好

蘋果做產品的宗旨是：在不知不覺中優化你的使用體驗，iPhone 11也是如此。盡管蘋果沒有提及詳細的電池信息，但國外的拆機大神們還是為我們揭曉了iPhone 11的電池容量：3110mAh。搭配萬眾期待的18W快充，“五福一安”終于退出了歷史舞臺（雖然iPhone 11的充電頭需要自行購買）。

另一個十分遺憾的地方就是，iPhone 11系列砍掉了6s上發布的3D Touch功能，改為了“長按 震動反辣的方式。3D Touch多年來一直沒什么存在感，相關的應用適配也未能引起第三方開發者們的興趣。雖然在發布之初它被譽為“滑動點按以外的第三種交互”，但有些“雞肋”的使用體驗最終讓蘋果放棄了它。或許3D Touch更適合Apple Watch這種小屏設備吧。

最后就是關鍵時刻能“救命”提升，iPhone 11支持IP68級別的防塵防水(在最深2米的水下停留時間最長可達30分鐘)。當然這個標準并不是讓你帶著手機去游泳，而是為你的手機提供多一重被動防護。如果人為情況手機進水，蘋果可是不會保修的。另外雙卡雙待、可同時連接兩對AirPods、杜比全景聲，空間音頻等等小功能點，就不在這里贅述了。總之你需要知道的一點就是，你想到的蘋果也都想到了，放心大膽的用吧！

它不是Pro，但絕對是“真香”

作為同門兄弟，iPhone 11Pro系列無疑風頭更勝，但iPhone 11也絕不是一款“陪跑”的產品。iPhone 11擁有同樣出色的外觀、蘋果精心調校的屏幕、出色的雙攝系統、更強悍的A13仿生芯片，以及iOS系統的流暢體驗加持。如果這些還不能滿足你，那么就想想5499起的售價，是不是想要發自肺腑的說出一聲“真香”呢？

華為云如何實現第二跳？一文看盡15大云服務新品升級

智東西（公眾號：zhidxcom）

作者 | 李水青

編輯 | 心緣

智東西11月7日報道，今早，在華為全聯接大會2022上，華為云CEO張平安帶來了15大云服務產品和能力升級。

華為云CEO張平安

面向基礎設施服務，華為云推出KooVerse架構，以此總結其IaaS（基礎設施即服務）的算力樞紐分布格局，服務東數西算，并面向全球超29個區域、75個可用區建設全球算力網絡。

面向技術產業化落地趨勢，華為云推出了Astro低代碼平臺，并推出DevCloud開發云，集成其此前推出的軟件開發生產線DevCloud、AI開發生產線ModelArts等四大技術生產線。

在AI及大數據服務方面，華為云在此前服務的基礎上，推出了盤古氣象大模型、AI基因平臺，更新GaussDB（高斯）數據庫，并推出MetaEngine云原生智能渲染引擎、數字資產區塊鏈服務等，完善其PaaS版圖。

面向行業及企業客戶，華為云本次更新工業aPaaS，推出工業軟件云，同時發布電力aPaaS、公路aPaaS，并帶來了KooSearch云搜索服務、KooPhone云手機解決方案、KooDrive云端存儲服務等。

華為輪值董事長胡厚崑在大會上說，近年來，企業上云成為非常明確的趨勢。連續幾年來，華為云達到了50%增長，成為華為業務增長最快的板塊。

華為輪值董事長胡厚崑

2021年，華為云提出“一切皆服務”理念，從基礎設施即服務（IaaS）、技術即服務（PaaS）、經驗即服務（aPaaS）三大方面服務客戶。

本次，張平安從這三方面分享了新的創新實踐成果。

一、布局IaaS：服務東數西算，進而輻射全球75個地區

在IaaS方面，華為云推出了KooVerse架構，覆蓋CloudOcean（云核心樞紐）、CloudSea（云區域樞紐）、CloudLake（云邊緣樞紐）三層架構。

目前，華為云服務在全球可用區域達到29個，可用區達到75個。

值得一提的是，在今年東數西算工程啟動的背景下，華為云將云核心樞紐拓展到了貴州、烏蘭察布等“東數西算”劃定的區域。

那么從算力服務角度來看，如何讓更多業務運營在云核心樞紐上，實現東數西算、東數西存？

張平安坦言，目前這一工作主要面臨時延、安全和易用三大挑戰，對此，華為進行了相關解法的探索落地。

1、時延：匹配應用不同的時延要求

在很多開發工程師的印象中，由于時延問題，應用開發不能放在西部的烏蘭察布、貴安數據中心上。

張平安說，團隊在對華為幾千個應用深度分析后，發現只有10%的應用需要10ms以下的時延，比如芯片設計等。實際上，所有與軟件相關的設計，都可以在30ms以上的時延進行開發。

華為認為，大部分企業90%業務可以在云核心樞紐集中部署，其自身已將70%的應用已搬遷到內蒙等算力樞紐。

2、安全：滿足應用/數據密級要求

安全問題是很多客戶擔心云上部署出現的問題。但張平安說，云上其實更安全，客戶任何時候都接入網絡，要求云基礎設施的加固水平遠高于傳統IDC。

對此，華為云推出了系列云上專區，滿足企業應用于數據不同密級要求。

3、易用：讓應用自動高效運行

在易用性方面，華為云開發了Regionless架構，構筑全局應用編程框架、全局數據服務和全局網絡基礎設施，讓應用能夠自由流動。

簡單來說，就是一個應用可以被分為若干個子應用，分別部署在不同區域的數據中心。系統能對業務自動進行冷熱分級，將適合的業務放在適合的數據中心資源上計算、存儲。

二、布局PaaS：一統四大生產線，推出低代碼平臺、云渲染引擎等

講完IaaS，張平安談及了華為云PaaS方面的進展。

胡厚崑在大會上談道，當下，大多數企業上云主要用基礎設施服務，比如彈性計算資源等。實際上，今天有越來越多新技術，比如人工智能、軟件開發、數據治理都可以放到云上。

張平安說，應用現代化是企業數字化轉型的必由之路。如何加速應用的現代化，是一個新的思考。

為此，華為云關注組件式交付、數智驅動、DevOps、服務化架構、安全可信、韌性六大方面。

落實到產品上，華為云本次推出了Astro低代碼平臺、DevCloud開發云和創新云服務三大類創新加速器。

1、推出低代碼平臺，人人都是開發者

首先，華為云推出Astro低代碼平臺，要讓人人都成為開發者。

該平臺包括輕應用、IOC大屏、工作流、智能助手等功能，并通過Arstro Pro滿足復雜應用簡單化的需求。

2、推出DevCloud開發云，一統四大生產線

然后，華為云推出了DevCloud開發云，一統此前推出了四大流水生產線：軟件開發生產線DevCloud、AI開發生產線ModelArts、數字內容生產線MetaStudio、數據治理生產線DataArts。

考慮到很多數字化應用需要同時應用這四大流水線，本次，華為云將這四大流水線統一集成在一起，成為DevCloud開發云。

張平安說，目前，華為云同時還在研究硬件、芯片、工業軟件的開發流水線，日后將加入到DevCloud。

知名汽車企業長安汽車聯合華為云構筑了業務服務化平臺，為長安智慧云提供了從數據庫、AI等PaaS平臺到低代碼平臺的技術服務。

長安汽車大數據中心總經理任喆說，華為云的技術創新與長安汽車的業務場景發生了神奇的化學反應，助其將應用開發周期從3個月降低至9天。

3、布局AI，推出盤古氣象大模型、AI基因平臺

值得一提的是，在AI服務方面，本次華為云還推出了一些關鍵平臺。

本次，華為云在過去AI業務基礎上，推出了盤古氣象大模型、AI基因平臺兩大全新AI服務平臺。

預測氣象天氣是全球的一大難題。張平安稱，盤古氣象大模型能秒級預測全球氣候，相比傳統模式速度快了1000倍，精度提升20%。今年8月份的馬鞍臺風，就采用了其進行預測，準確度達到80%。

基因分析是一項價格昂貴的工作，且會用到大量算力。張平安稱，通過華為基因平臺做基因分析，效率能提升10倍。該平臺業界首個支持百萬人基因組計劃，促進中東基因組計劃效率大大提升。

4、攻克最難數據庫，更新GaussDB（高斯）

數據庫是更多應用下的基石。其中，交易性數據庫是最難山頭，之前國內企業用的大多為美國數據庫。張平安還談到，中國需要新的選擇，高可靠、高可用、高穩定、高性能的數據庫。

為此，近年來華為云對此加大了投入，本次則更新了GaussDB（高斯）數據庫。

GaussDB實現了代碼自研，可使用鯤鵬服務器，使得底層操作系統能和服務器深入適配，提效降本。目前，中國工商銀行、中國郵政儲蓄銀行等都在使用高斯數據庫。

5、推出云渲染引擎、數字資產區塊鏈

會上，華為云還推出了新的區塊鏈服務——數字資產區塊鏈，將數字資產等連接起來，進而打造Web3.0時代的科新應用底座。

在MetaStudio方面，本次，華為云推出了MetaEngine云原生智能渲染引擎。

張平安稱，一部90分鐘時長的3D影片渲染原本需6個月，MetaEngine云原生智能渲染引擎能使其縮短至一周時間。此外，在任何需要計算機圖形學行業，比如工業設計、數字人、AR/VR等行業都能應用這一技術。

加速應用現代化，需要各行各業的專家加入。為此，本次會上，華為云聯合中國軟件協會、產業合作伙伴等成立應用現代化聯盟，推動應用現代化服務更多企業。

三、布局aPaaS：推出工業軟件云，加碼云手機、云搜索

布局aPaaS，本次，華為云推出了面向產業使能的新品，以及面向企業的基礎云服務。

今年6月，華為云推出了工業、政務、供熱、煤礦、教育5個行業aPaaS（應用平臺即服務），精準打擊行業中的疑難問題。aPaaS是PaaS的一個子類，特指專門從事云端應用開發的PaaS平臺，可以看到華為正通過更細顆粒度的工具包降低SaaS開發門檻，賦能行業。

1、產業向：推出工業軟件云，發布電力aPaaS、公路aPaaS

在使能產業上云方面，本次，華為云更新工業aPaaS，推出工業軟件云，同時推出電力aPaaS、公路aPaaS。

首先來看看工業aPaaS。

縱觀全球工業軟件市場格局，美國工業軟件公司占據54%市場份額，中國公司僅占據不足6%。這一行業壁壘高，人才要求高。同時，第三代工業軟件以單體架構為主，工業軟件亟需升級為基于云的第四代SaaS形態。

張平安認為，工業軟件的崛起至少要突破兩大瓶頸。

一是產業需要大量的數學、物理等科學家人才，成本高昂。

為此，華為云聯合合作伙伴及相關科學家，打造工業軟件所需要的根技術引擎。華為云工業aPaaS布局了十大工業軟件內核，這都是大部分工業軟件都需要的。這一服務讓工業軟件伙伴專注于自身開發，不需要關注底座。

二是大部分先進的工業翹楚，不愿意用國產工業軟件。

張平安認為，這需要促進工業場景開放。為此，華為自身率先開放了電路設計、機械設計、仿真等場景給合作伙伴，加速工業軟件合作伙伴的成長。

再來看看電力aPaaS，它覆蓋了100多個應用場景API，涉及智慧發電、數字輸電、數字變電、數字配電等多個方面。

國家電網就聯合華為云打造了數字換流站。國家電網設備部相關負責人稱，通過這一方案，現場作業效率能提升60%，故障定位準確率提升30%，新應用上線時間從6個月降低至3個月，巡檢頻率從3天/次的人工巡檢轉變為1天/次的智能巡檢。

另外，在公路上云方面，本次華為云也推出了公路aPaaS，目前已落地杭州灣跨海大橋南岸連接線等項目。

2、企業向：加碼云手機、云搜索、云存儲

除了上述三個面向行業的aPaaS，最后，張平安推出了三個加速企業數字化轉型的基礎云服務：KooSearch云搜索服務、KooPhone云手機解決方案、KooDrive云端存儲服務。

首先是KooSearch服務。該服務基于華為花瓣搜索積累的20多個行業的經驗，能處理超50個國家的語言。當企業想向海外發展，可以使用這一打開箱即用的搜索服務。

然后是KooPhone云手機解決方案。簡單說，就是在云端為用戶增設一個虛擬手機，讓企業應用和個人應用分開，但不用攜帶兩部手機。

最后是KooDrive云端存儲服務。它支持秒級備份、更新，使得企業無需再建立龐大的企業存儲設施，就能用到一站式存儲平臺服務。

結語：用技術創新突破新發展瓶頸

很多人在問，華為云到底發展怎么樣？

張平安說，千山萬壑在前面，但只有心向星光，志在遠方，才有遠方的無限風景。從本次的全聯接大會可以看到，華為云正繼續攀登云計算高峰。

在全球不確定大環境下，作為云計算產業“后來者”的華為云一路跌跌撞撞，已沖上中國市場第二寶座。

如何進一步突破瓶頸，在更深入的行業和企業場景、覆蓋全球的市場中，保持發展動力和增速，是華為云的新課題。

“我們希望幫助更多客戶，迎來云服務的‘第二跳’。如果說第一跳是上云，‘第二跳’就是用好云。”胡厚崑說。