浪潮集團執行總裁、首席科學家王恩東院士15日在浪潮數據中心合作伙伴大會上表示，智慧時代，計算需求呈指數級增長，計算技術、產品與產業面臨著多元化、巨量化和生態化的新挑戰。計算產業迎來由計算到智算、多元算力融合、算力供給基建化的新格局。
當天，“浪潮數據中心合作伙伴大會(IPF)2021”在蘇州舉行，王恩東在出席大會時作如上表述。
智慧計算無處不在，重塑著世界的方方面面，為第一、二、三產業發揮重要價值——無人農場、智能農機、智慧農業正在改變延續了上千年的農業生產方式;智能工廠讓生產效率顯著提升;醫療機器人在抗擊新冠疫情中大顯身手，無接觸送貨、無人機送餐也已成為智慧物流的亮點。智慧計算已經滲透進各個行業，讓智慧時代充滿希望。
十四五，數字經濟推動智慧算力加速普及和升級，智慧時代，計算能力需求將出現巨大的飛躍。王恩東說：“面對指數級增長的計算需求，計算技術、產品與產業也面臨著三大挑戰。計算場景愈加復雜、計算架構更加多元;巨量模型、巨量數據、巨量算力及巨量應用挑戰著現有計算機體系結構，以及如何開放包容地最大化生態效能。”
王恩東表示：“以創新應答挑戰，浪潮通過創新智算體系結構、構建智算產品體系、推動智算中心落地、建設元腦產業鏈生態引領智算發展。智慧計算，未來可期。”
以下是演講全文：
各位領導、合作伙伴大家上午好，歡迎大家來到太湖之濱，蒞臨“智算·向新”浪潮數據中心合作伙伴大會，正是由于在座各位的大力支持，浪潮在過去的一年又取得了高速的發展，繼續保持服務器全球第三，中國第一，并且成為全球人工智能計算的領導者。在此，感謝大家一年來對浪潮的支持和幫助，謝謝大家!
過去的一年，是極不平凡的一年。全球新冠病毒肆虐，徹底改變了人類的生活方式。“綠水青山妄自多，全球無奈病毒何”，全球經濟出現大幅下滑。中國率先控制住了疫情，率先實現了經濟恢復和增長，完勝脫貧攻堅戰，制定了激動人心的十四五規劃，宣告中國進入新的發展階段，將構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局。
在過去的一年，大家聽到最多的一個詞就是創新，創新在新發展理念中的核心地位深入人心，創新驅動發展也是十四五規劃的關鍵詞。總書記講，創新就是生產力，企業賴之以強，國家賴之以盛。創新也是浪潮的核心價值觀之一，創新、誠信、共贏更是浪潮堅持發展合作伙伴、建設生態體系的初心。
那么，立足新的發展階段、我們應該如何貫徹新發展理念、構建新的計算產業發展格局?帶著這樣的問題，今天我要報告的題目是《創新驅動共建計算新格局》，和大家分享一下，面對經濟主戰場數字化轉型的重大機遇，浪潮對于計算向智算發展、多元融合新格局的洞察與思考，以及通過技術架構和產品體系創新、算力供給模式創新和生態平臺建設進行布局的規劃。
既然是思考，我們不妨把時間維度放大一點。在百萬年以前，人類的祖先走出森林，走向草原，逐漸形成了人類智能，經歷了漁獵采集時代、農業時代、工業時代和信息時代，創造了光輝燦爛的文明和科技。隨著以人工智能為代表的新一代信息技術的進步，人類社會正加速度進入智慧時代，這是對終點的沖刺，還是新的百萬年的開始?我想這可能是一個值得思考的問題。為什么這么說?
我們來看一些關于人類大腦和未來的人工智能的大腦，或者說硅基大腦和碳基大腦發展的情況。
類腦計算是全球的研究熱點，清華的施路平教授在去年曾經說：“碳基上能夠實現的，硅基上一定能夠實現”。而實際情況也顯示，碳基生物大腦同硅基系統結合已不再僅僅停留在科幻小說、科幻電影中，而是逐步在形成科學與技術的突破。
比如就在最近，埃隆·馬斯克公布了一項腦機接口的最新實驗，科學家們在獼猴的大腦皮層中植入兩塊芯片來捕捉大腦活動的信號，實現了將大腦信號翻譯成游戲里的動作。如此一來，猴子動動腦子便可以打乒乓球電子游戲了，腦機接口技術延伸了生物大腦。
在中國，2020年人工智能學會評選出的自然科學類5個一等獎中，有2個都是關于類腦計算和腦機接口的，最近一個時期，腦機接口技術獲得了顯著的進展。
我們已經看到了人工智能技術的大爆發，但是，站在人類歷史這個更大的時空維度上，我想這一切才剛剛開始。
現在，我們創造了無數的智慧大腦，城市大腦、交通大腦、企業大腦等等，這些正在改變世界的方方面面。
在第一產業，無人農場、智能農機、智慧農業正在改變延續了上千年的農業生產方式。在黑龍江，浪潮與北大荒集團合作建設智慧農業，開拓了全球最大面積的無人農場，智能農機覆蓋了農業生產的耕、種、管、收全流程。
2020年中國農業無人機的銷量超過了1.5萬架，一架無人機一天農藥噴灑面積達到300畝，是人工的20倍。無人機裝載了病蟲害識別系統，及時發現受到病蟲害侵襲的葉子，實現農藥的噴殺精準，減少了農藥的使用量。另外，通過精準噴灑催熟劑，實現作物生長成熟周期同步、規模化批量收割，成本大大降低、利潤率大幅提升。
在第二產業，2020年我國制造業增加值達到26萬億，繼續保持世界第一制造大國地位。智能制造是數字經濟的皇冠，正在成為各國搶占數字經濟制高點的主戰場。作為雙循環基礎發力點，智能制造將成為提升我國整體制造業水平不可忽略的增長引擎。
中國智能制造裝備產值規模在2020年已經超過了兩萬億。就在蘇州，浪潮建設了一座PCBA智慧工廠，整個生產制造過程彈性、透明、可追溯，智能技術貫穿了設計、生產、配送和檢測的全流程，生產效率提升了60%以上。
智慧計算已經對第三產業形成了深刻的改變，在突如其來的新冠疫情面前更是發揮了巨大的作用，各種功能的醫療機器人等人工智能設備服務在各地的防疫前線，無接觸送貨、無人機送餐成為智慧物流的亮點。
浪潮和工商銀行合作，形成了智慧金融解決方案，幫助更多人實現了創業的夢想;在上海奉賢區智行生態谷，基于浪潮智算平臺建設了一條無人駕駛實驗公路;在北京天壇醫院，浪潮建設的智慧醫療平臺，幫助醫生實現了更快速、更準確的病情分析。
同時，智慧計算也已經成為守護大自然的好幫手。在云南，浪潮協助西雙版納國家自然保護區建設了亞洲象活動軌跡采集系統，在雨林內實時收集亞洲象的行為數據和活動軌跡，基于人工智能技術實現毫秒級精準辨識，準確度高達99%，即使在光線不足的夜晚，也可以根據一條尾巴或一個背影識別出亞洲象。
通過對野生大象的長期追蹤和觀測，為洞察大象物種習性、種群遷移軌跡提供幫助，進而對合理的開展亞洲象國家公園區域規劃、棲息地改造、食源地優化等保護舉措提供科學依據。
通過上面的例子可以看出，智慧計算時代的序幕已經拉開，人工智能已經開始滲透到經濟社會的方方面面，在深刻地影響著我們的工作和生活，在這個過程中，浪潮一直發揮著重要的作用。
智慧時代是充滿希望的，我們看到全球主要經濟體都在積極投入到人工智能的技術研究和產業發展中，中國、美國、歐盟都發布了多個重要的支持政策，投入了巨量的研發基金。根據IDC的數據，2020年全球對人工智能的投資總額超過了500億美元，到2024年，投資額將達到1100億美元。投入是巨大的，而回報也將是豐厚的。據普華永道預測，至2030年，人工智能技術將為全球GDP帶來14%的提升，相當于16萬億美元。
進入智慧時代，相比以往的傳統信息化應用，對計算能力的需求將是一個巨大的飛躍。傳統的信息化應用主要以基于數據庫事務的業務為主，像OA、ERP、郵件等，計算量隨著業務量的增長基本是線性增長的，但是智慧計算對計算能力的要求則是指數級增長的。2020年以GPU為代表的AI加速芯片所交付的計算力總和已經超過了通用CPU，預計到2025年，加速芯片所提供的計算力可能超過80%。所以，從計算到智算，智慧計算將是智慧時代的核心動力。
智慧時代，生產力的三要素也發生了相應的改變。勞動者從人轉向了人加上AI，勞動效率顯著提升;勞動工具從傳統的機械設備變成了智能裝備，就像我們前面講到的智能農機;而勞動對象從礦石、農作物等轉變為大數據，數據作為重要的生產要素，蘊含了巨大的價值。
面對指數級增長的計算需求，計算技術、產品與產業也面臨著新的挑戰。具體來說，體現在以下三個方面，一個是多元化的挑戰，也就是計算場景的復雜、計算架構的多元;一個是巨量化的挑戰，也就是由巨量模型、巨量數據、巨量算力及巨量應用引發的對現有計算機體系結構的挑戰;最后一個則是生態化的挑戰，簡單來說現在的智算處于群雄并起階段，自成體系、生態離散，同時產業鏈上下游脫節。
第一個挑戰是多元化。計算最關鍵的任務就是支撐業務，那么不同的業務類型，勢必要求有不同的計算系統來完成。例如針對傳統的地震波模擬等科學計算，數值精度要求高;而AI訓練，則可以使用數值范圍大、精度低的16位浮點類型;對于AI推理，由于推理要求的速度快、耗能少，則可以在更低的數值精度下處理，如4位、甚至2位、1位整數類型。
也就是說，AI的應用引入了新的計算類型，從推理到訓練，跨度更大，同時，數據量也從GB級到TB級、PB級不斷提升，類型從結構化到半結構化、非結構化更加復雜多樣。
不同數值精度的計算類型對于計算芯片指令集、架構的要求是不一樣的，這樣就導致之前我們一直使用的通用CPU已經無法滿足這種多元化計算場景要求了，這也是計算芯片的種類越來越多的很重要的原因。
芯片種類多另外一個原因就是芯片代工模式的普及，現在芯片設計、制造的關鍵環節都有開源開放的軟件、工具或代工企業可以利用。但是芯片從造出來到大規模用起來，往往還隔著一個巨大的生態鴻溝。芯片應用一般都面臨著開發者學習成本高、用戶應用遷移困難、芯片制造公司難以上規模的困難和挑戰。
在有些芯片造出來后，面向開發者的幫助文檔、調試工具或者交流問答社區建設不足，導致開發者學習時間長，難度大，如果學習多個芯片，難度更大，開發者的學習積極性下降。而對于芯片的最終使用者來說，由于芯片指令集或芯片架構的差異，導致編程庫、編程模型、算法框架無法有效的橫向拉通，致使大量的應用遷移困難，可能只是1%的小小的依賴，就會導致適配工作前功盡棄。
而芯片供應商如果想解決開發者的問題、想解決使用者的問題，則往往需要投入比芯片研發成本高數十倍的推廣費用。例如，我們往往認為Intel是一個硬件公司，其實在Intel內部有超過1萬人在圍繞芯片的配套支撐、應用適配、優化調優做工作。英偉達公司的CUDA軟件環境更是通過長期的大規模投入，才打造了其GPU在HPC和AI方面的領先地位。
第二個挑戰是巨量化。巨量化首先表現在模型參數多、訓練數據量大。
以自然語言處理為例，基于自監督學習的預訓練模型興起后，模型精度隨著模型尺寸和訓練數據的增加而顯著提升。2020年GPT-3模型的參數量首次突破千億大關，達到了1750億。按照當前的發展趨勢，到2023年模型的參數量會突破百萬億，也就是基本達到人腦神經突觸數量，人腦的神經突觸數量約125萬億。
巨量模型需要巨量內存。當前一顆GPU的板載高速內存容量大概是40GB，對于包含百萬億參數的巨量模型，僅是將這些參數平均分配到每個GPU內存中，就需要1萬塊GPU才能裝得下。考慮到訓練中需要額外的存儲，實際上至少需要2萬塊GPU才能啟動訓練。現有AI芯片的架構已經不足以支撐巨量模型的參數存儲需求。
同時，巨量模型依賴海量數據的喂養，目前的AI算法本質上還是一種依賴量變的質變，很難從一種質變跳躍到另一種質變，例如最新的巨量模型需要萬億級的詞量數據。海量數據需要海量存儲。在超大規模集群中同時滿足幾萬塊AI芯片的高性能讀取，對存儲系統是個極大的挑戰。
巨量化的第二個表現是計算力需求指數增長
深度學習自2011年興起至今，對算力的需求始終呈指數增長。每隔3.4個月，算力需求翻一倍。左圖中縱軸Petaflops*day代表以1P每秒的算力計算一天所用浮點計算量，共計8.6千億億次浮點運算，就像用千瓦時度量用電量，天文學以光年為單位度量距離，在此我們將Petaflops-day簡稱為PD，來度量算力。訓練巨量模型需要巨大算力：2020年GPT-3的算力達到了3640PD，到2023年巨量模型的算力需求將達到百萬PD。
現在世界上最快的超算是日本的富岳，在這上面完成百萬PD的計算所需要的時間需要兩年。不同領域需要不同類型的巨量模型：GPT-3以處理英文理解任務為主，為了滿足不同語言，不同場景的精度要求，也要訓練不同的巨量模型，這進一步加劇了對算力的需求。如此龐大的算力需求給計算技術和產品帶來了巨大挑戰。解決這樣的挑戰需要從體系結構、系統軟件等各個領域開展創新。
巨量化的第三個表現是模型應用規模大。AI應用已逐漸滲透到各個行業。以互聯網頭部企業為例，他們基于自身已有的AI技術搭建了AI開放平臺，其上承載著各類AI基礎能力如語音識別、圖像識別、自然語言處理等技術，以及基于這些基礎能力打造的AI應用服務。這些AI開放平臺已經吸引了超百萬的AI開發者，開發了各類AI應用及服務，繁榮了AI應用生態，并進一步加速了AI向各個產業的落地。
目前，這些AI開放平臺每天承載著數萬億次的調用量，數百萬小時的語音識別，超過百億張圖像識別，超過萬億句自然語言理解，如此巨量的調用對算力中心的應用支撐能力產生了極大的挑戰。
第三，生態化。AI技術鏈條和產業鏈條現在還是脫節的。我想很多人會有這樣的疑問，人工智能那么好，但是這東西怎么跟我的業務，跟我的客戶應用場景結合起來呢，我想用AI技術做智能化轉型和升級，但是發現我這里沒人懂算法，懂模型，也缺少好用的AI開發平臺。同時，那么多算法，模型，如何找到不同算法在應用中的最優組合?
懂這些的人，往往都集中在科研機構或者頭部公司。這些地方集中了最優秀的AI人才，但缺少對傳統行業的需求場景、業務規律的深入理解，也拿不到最關鍵的業務數據去對模型進行訓練，導致技術無用武之地。埃森哲等咨詢機構的調查報告也表明，70%以上的有技術的研究機構、科技公司缺需求場景、缺領域知識和數據，70%以上的行業用戶缺技術人才、缺AI平臺和實踐能力。
智算技術與產業的生態離散化，這與我們講的多元化的挑戰是相呼應的，芯片架構五花八門，指令集不同，無法兼容，而面向芯片的編程庫又跟芯片綁定，靈活性差。小公司只做了其中一個環節，這造成生態的縱向不通;大公司希望構建封閉的系統，這造成了生態的橫向不通。所有這些都嚴重制約了AI技術的應用和發展。
通過上面的分析，大家可以看到，一方面智算需求蓬勃發展，是巨大的機遇;一方面，多元化、巨量化、生態化的挑戰和困難急需解決。面向新機遇、迎接新挑戰，計算技術與產業將需要構建一個新的發展格局，簡單概括起來可以描述為：計算逐步向智算轉型、多元算力融合和算力供給方式基建化。
面對計算新格局，作為全球領先的人工智能計算企業，浪潮啟動了新的五年規劃，確定了新的發展目標和策略。
我們將從技術、產品、方案和生態四個方面不斷創新，引領智算發展，具體包括：創新智算體系結構、構建智算產品體系、推動智算中心落地、建設元腦產業鏈生態。
首先來講，是創新智算體系結構。在體系結構方面，我們在2014年提出了融合架構以及三步走技術路線，指明了數據中心體系結構的發展方向。目前已經從1.0走到2.0，以IO方式實現了存儲資源和FPGA、GPU、xPU加速設備池化，正逐步進入3.0階段，提供更高效、靈活、智能的體系架構。基于融合架構，浪潮將從硬件重構、軟件定義方面引領智算技術體系，支撐AI創新應用。
在融合架構2.0階段已經實現了CPU同各種加速單元的協同，提升智能計算的性能，但普遍采用PCIe互聯的方式，存在地址空間隔離、不支持緩存一致等問題，仍然克服不了馮諾依曼架構固有的功耗墻、內存墻，性能、可擴展性受限。
在3.0階段，可以通過片內大容量緩存、片外高帶寬內存等存算一體方式實現計算數據結合，突破存儲墻;通過高速互連交換網絡，支持更廣泛的多元異構計算、支持新型存儲資源池化，提高性能、降低能耗，實現更大規模資源可擴展，并進一步通過在互聯處理單元中卸載控制平面，實現控制計算分離，進而達到更為靈活的資源可重構。
在系統軟件創新方面，在可重構的硬件資源池基礎上，通過軟件定義的方式實現控制層與基礎設施分離、統一資源組織模型、標準化可編程接口，形成軟件定義計算、軟件定義存儲、軟件定義網絡;并通過微服務化實現集中管理平臺的高可用和可擴展。
在這個基礎上，進一步與AI技術結合，從業務上，實現基于特征感知的自適應應用編排和彈性資源調度，例如，面向視頻分析、語音識別、自然語言處理、語義理解等AI典型場景，可以按需定義訓練和推理系統。從管理上，實現智能化的運營運維，也就是智算中心的無人巡檢、異常行為分析、容量預測、故障自愈等等。下面舉個例子。
這是一個我們已經研發完成，并且在大客戶當中有了成功實踐的案例，通過創新體系結構，實現了智算中心的彈性高效擴展。在這個案例中，通過浪潮的智能網卡，在控制面實現對虛機、裸機、容器生命周期的統一管理，在數據面以硬件輔助的方式為虛擬化實例提供接近硬件性能的計算、存儲、網絡功能。通過IO虛擬化卸載，CPU的有效資源利用率可以提升80%、網絡存儲延遲達到本地延遲水平，高負載壓力下電商秒殺性能提升30%、計算性價比提升 20%。
這是我們正在研究的一個項目，目標是加速巨量模型的高性能計算能力。當前NPU與CPU之間通過PCIe互聯的方式，嚴重制約了NPU訪問系統內存的帶寬。NPU不得不增大片上內存以應對模型越來越大的挑戰，但是巨量模型的出現使得單純增大片上內存這條路難以為繼。
所以我們提出了一個新的體系結構參考設計，其核心在于通過高速互聯連接NPU與CPU，為NPU提供高速訪問系統內存的能力，通過數據自動壓縮和解壓縮單元，進一步加速NPU訪問內存的效率。通過板載的大容量高速內存池，達到完全容納GPT-3模型，避免模型分割導致的芯片利用率低，通信頻繁等問題。
產品方面，浪潮在融合架構技術路線的指引下，將持續鞏固算力系統、云數智軟件平臺層面的優勢，提供硬件重構的智算整機系統，包括智算基礎系統、智算加速系統、也會面向海量數據和高速互聯提供智算存儲和數據中心交換機產品。此外，將技術棧持續往底層延伸，面向不同的場景，開發定制化的AI加速、網絡和存儲加速產品等。最終形成覆蓋芯片/板卡、系統、平臺和算法的領先產品體系。
在加速芯片/板卡方面，芯片多元化既是挑戰，也是應對當前算力需求復雜多樣的手段。如FPGA，在特定場景下，相對CPU都有10-15倍的性能提升，而GPU等各種AI芯片，面向訓練、推理和高性能計算等矩陣運算，則有無可比擬的優勢。傳統業務應用，如網站、數據庫等，還需要各種通用CPU來處理。浪潮除了能夠以創新設計對這些算力單元進行高效融合外，也在一些專用領域開發了自己的加速器，如智能網卡、視頻加速器等，這些接下來將由彭震在下午為大家介紹這些創新的產品。
面向計算新格局，浪潮將持續創新，打造全球領先的智算硬件平臺。
在智算基礎系統方面，浪潮具備業界最豐富的產品布局，擁有全球計算架構最全、配置最多、規格最高的服務器，僅僅去年，浪潮服務器刷新12項SPEC CPU測試世界紀錄，打破5項Java性能世界記錄;未來的智算基礎系統將向開放化、融合化、多元化方向發展，深度參與開放計算生態，繼續推動開放計算發展;面向智能化、容器化需求建立多元化計算平臺。
在智算加速系統方面，浪潮為智算中心建設提供了最領先的算力機組，浪潮NF5488A5是目前全球最高性能的AI服務器，在MLPerf全球AI基準測試中，單機訓練性能測試以絕對優勢奪得全球第一，推理性能測試則打破了18項記錄，成為打破記錄最多的AI服務器。下一步我們將持續創新以加速器為中心的體系架構，開發高性能、高效能AI系列服務器。同時研發高效率制冷技術，實現高性能和低PUE，打造綠色節能的系統。
面向海量訓練大數據，浪潮具有全球性能最好的存儲系統，已3次打破SPC-1全球性能測試記錄。未來將面向基礎設施云化、大數據、AI等應用場景打造超高密度和超大規模的智算存儲系統，并針對不同的應用需求，構建容災、備份、歸檔等數據全生命周期解決方案。
在網絡互聯上，浪潮發布了國內首個商用SONiC網絡操作系統，搭載浪潮自主研發的核心交換機和TOR交換機，實現了數據中心的智能高速互連。未來，浪潮網絡將全面實現網絡數據平面、控制平面可編程，為數據中心帶來更加智能化、基于意圖的全自驅網絡解決方案。
在系統軟件層面，基于我們在操作系統、云平臺、大數據和AI平臺長期的研發積累，我們在業屆率先提出了智算操作系統。
通過軟件定義方式，在南向，智算操作系統實現多元異構計算、新型存儲和網絡資源的統一管理;在管理平臺層，實現應用感知智能調度和面向智算中心的統一運營和智能運維。
在北向，支撐各種各樣的智能化創新應用，保障從海量數據處理、大規模分布式訓練、自動模型生成到實時推理應用的快速部署上線和穩定高效運行。
智算操作系統將是智算中心的神經系統，讓算力生產、聚合、調度、釋放渾然一體。
我們在去年的合作伙伴大會上提出了智算中心的概念。智算中心是智慧時代最主要的計算力生產中心和供應中心，它以融合架構計算系統為平臺，以數據為資源，能夠以強大算力驅動AI模型來對數據進行深度加工，產生各種智慧計算服務，并通過網絡以云服務形式向組織及個人進行供應。智算中心正在成為推動經濟社會運行的重要基礎設施，也是我國新基建的重要內容。
那么，智算中心應該如何建設呢?在去年，浪潮聯合國家信息中心發布了《智能計算中心規劃建設指南》，并在《指南》中提出了智算中心的參考架構。
下面講一個例子。
江蘇一直是科技創新的大省，是數字經濟發展的排頭兵。在今年初，按照《智能計算中心規劃建設指南》，南京市投資建設了智算中心，由寒武紀和浪潮聯合承建，已經投入運營使用。該智算中心對外可提供的算力可達到每秒百億億次，采用了最先進的AI處理芯片和AI計算平臺，都代表著當前我國智算中心建設的最高水平。該中心將為區域的公共算力服務，創新應用孵化，產業集聚發展，科研創新和人才培養提供助力和支撐。
AI產業化是一個千億級市場、產業AI化是一個萬億級的市場，無論AI產業化還是產業AI化，產業鏈的拉通和生態的建設都是必須的。在AI產業化過程中，浪潮是新興AI企業的主要合作伙伴和算力提供商，這些創業企業擁有領先的芯片、或積累了大量優質的算法框架、模型和數據，這些優質的AI技術正是產業AI化過程中行業用戶所需要的，也是為這些用戶服務的傳統軟件開發商所欠缺的。
為了幫助行業用戶更好的進行智慧轉型，連接傳統ISV和新興AI企業，浪潮提出了元腦生態計劃。今后，我們會將元腦生態升級，與合作伙伴共建、共贏、共享元腦生態平臺，幫助左手伙伴成長，助力右手伙伴轉型升級，聚合左右手伙伴的力量，加速行業、產業智能化的進程，實現浪潮與伙伴、客戶的共同發展。
生態系統首先應該是開放的，浪潮多年來一直踐行開放計算的理念，引領開放計算的標準，是全球唯一的三大開放計算組織的發起成員或白金會員，牽頭了服務器全部國標，是開放基礎設施基金會的創始成員，社區貢獻中國第一，同時還是國際SPEC組織機器學習委員會的主席。
同時，我們與伙伴開放合作，不斷進行技術創新，我們聯合Intel公司開展第八代服務器CPU平臺參考設計，聯合三星貢獻業界首個NVMe池化方案，與英偉達聯合開發首個支持NVlink低延遲單層鏈路通訊架構;在算法和應用創新方面，聯合第四范式公司，突破金融票據識別技術;聯合馬達智數，打造數據預處理、數據三維一體展示軟件;聯合聲揚科技，研發面向金融行業的聲紋識別算法。
過去一年，元腦生態建設成績斐然，發展了15000多個合作伙伴，包括2200多個行業ISV，超過90%的方案百強企業。在AI百強企業中85%都與浪潮有著深度的合作，這里面不僅包含BAT等互聯網廠商，也包括第四范式、寬邦、暗物質、寒武紀等AI獨角獸企業。
下面講個例子。在智慧交通領域，浪潮積極推動智慧交通方案的落地，為交通行業的頭部供應商提供了超80%的人工智能服務器，部署了六十余類交通算法與應用，涵蓋了闖紅燈、超速、違停、占用公交車道、不走機動車道等十幾種典型場景。
浪潮與臻識科技和優碼創達一起，推動了江西省智慧交通建設，為客戶提供的非現場視頻審核一體機在南昌，上饒，新余等16地市落地，幫助客戶提升審片效率40多倍。
各位合作伙伴，計算向智算轉型、多元算力融合、智算中心基建化為我們帶來了巨大的發展機遇。過去的五年，在各位合作伙伴的支持和幫助下，浪潮已經成為全球智慧計算的領導者，服務器全球前三，AI服務器全球第一、小型機中國第一、存儲出貨量增速全球第一。
新的五年計劃已經開啟，在這個新的征程中，浪潮將通過在技術、產品、方案方面的持續創新，推動智算新格局的建設和發展，并圍繞元腦生態與各位伙伴精誠合作，攜手共進，于變局中開新局，加速成為世界第一。
