公司：阿里云计算有限公司

服务：搭建构架、提供计算能力

阿里云可以说是杭州城市数据大脑的“总构架师”，城市大脑由五大系统组成——超大规模计算平台、数据采集系统、数据交换中心、开放算法平台、数据应用平台。杭州城市数据大脑计算平台采用的就是飞天（Apsara）系统。

飞天是由阿里云自主研发的超大规模通用计算操作系统，它可以将百万级的服务器连成一台超级计算机，提供源源不断的计算能力，以保证大脑能够“眼疾手快”、“当机立断”。

阿里巴巴技术委员会主席王坚博士

其他四大系统还包括：数据采集系统是“末梢神经”和“小脑”（执行层），源源不断向城市大脑输送数据；数据交换中心是整个大脑的“脑核”（基础层），通过政府数据、互联网和社会数据的全面融合，提高数据的多维性和多样性；开放算法平台是大脑的“皮质层”（决策层），主要是通过各类算法和模型的搭建，进行决策；数据应用平台主要是把“大脑”的决策输出到城市管理和城市服务的各个场景。

上述四大系统，均采用阿里云ET的人工智能内核。

公司：海康威视

服务：提供图像视频捕捉能力

海康威视是以视频为核心的物联网解决方案提供商，面向全球提供综合安防、智慧业务与大数据服务。

海康威视也是全球视频监控数字化、网络化、高清智能化的践行者和重要推动者。连续六年（2011-2016）蝉联iHS全球视频监控市场占有率第1位。

海康威视的路面监控探头

海康威视拥有视音频编解码、视频图像处理、视音频数据存储等核心技术，及云计算、大数据、深度学习等前瞻技术，针对公安、交通、司法、文教卫、金融、能源和智能楼宇等众多行业提供专业的细分产品、IVM智能可视化管理解决方案和大数据服务。

目前，杭州交警路面监控摄像头，很多采用的都是海康威视的产品和解决方案。

城市大脑整个项目中，大华提供了图像的智能算法，进行车型车系的自动识别，以此来进行视频结构化处理，并基于这些结构化数据 阿里云的大数据平台，进行数据挖掘和分析。

大华股份近些年着力研究视图萃取技术解决这一问题。视图萃取技术实现对海量视图的实时结构化提取，对人、车、物识别分离，提取有效结构化数据，并对视图中的车、人脸进行深度结构化处理，实时感知城市中的高危人员和车辆。

大华股份的视图萃取技术

其不仅可以对实时监控视图做结构化与应用，还可对历史视图做结构化归档与应用。通过萃取技术，视图存储量降低到过去的 1/20 左右。结构化后的高价值信息可以长期保存，让事后侦查搜索目标变得更加快速。

而且这些数据可以随时与公安交警业务系统做大数据碰撞，实时做预警、决策、联动。

公司：浙大中控

服务：交通大数据处理和交通信号灯自动配时算法的开发

中控信息于2017年6月开始与阿里云等合作共建杭州城市大脑，承担了交通大数据处理和交通信号灯自动配时算法的开发，共同做好杭州主城区、萧山、余杭三个区域的城市数据大脑交通治堵工作。在2017年10月11日举行的云栖大会城市大脑峰会上，备受关注的城市大脑1.0正式发布。

中控与萧山公安分局、阿里云等合作共建城市大脑，是国内首家在城市大脑部署广域交通信号优化智慧应用，实现信号控制效果自动评价、闭环算法优化、应急车辆自动优先保障、交通堵点精准刻画、重点车辆管控等大数据与人工智能应用。

目前已在萧山区103个城市核心路口部署应用，实现区域平均提速超15%；出行时间平均缩短3分钟；110、119、120应急车辆生命通道提速超过50%。

　　

中控与与杭州交警支队、阿里云等共同合作实施上塘-中河高架22公里试点道路的匝道信号优化示范应用，道路平均延误降低15.3%，出行节省时间4.6分钟，上匝道合流处冲突点问题得到大大改善。

公司：富士康

服务：提供云计算服务器硬件设施

（文章转自杭州市数据资源局）

当人们谈论云计算市场发展的时候。2018年的云计算解决方案可能并不像在过去一年那样具有戏剧性，但是参与云转型的那些企业知道这是一个激动人心的时刻，将成为这一不断增长的创新空间的一部分。

　　行业人士认为，在企业和行业层面，2018年将会同样令人振奋，推出的混合解决方案已经对应对勒索软件和云计算公司的融资市场等问题做好准备。以下是有助于推动2018年云计算市场的四个预测：

　　1.用不同的方式处理勒索软件

　　勒索软件是一个热门话题，并有很好的理由。勒索软件攻击事件继续得到媒体的关注，甚至已经成为主流，使得各个组织都对此有所意识和警觉。防止勒索攻击是很困难的。总会有一些网络攻击会利用新的漏洞。所以，即使有了最好的安全软件，企业也会有着在某种程度上受到攻击的可能性。

　　因为完全防止攻击是不可能的，所以每个组织都有可能遭遇攻击。那么，组织为此可以采取什么措施?新的针对勒索软件的“防火墙”实际上是数据保护，但它并没有完全阻止攻击，而企业采用数据备份和灾难恢复等数据保护措施，几乎能够立即恢复数据和工作量。这并不是什么新鲜事，但2018年将成为解决勒索软件问题的解决方案。

　　可以把这种情况再推进一步。采用数据保护措施的公司经常犯一个常见的错误：只保护某些“重要的”工作负载或数据集。现在他们开始意识到，即使丢失“不重要”的工作负载，比如测试/开发方面的数据，也可能会遭受巨大的损失。例如，丢失测试/开发的数据可能让开发人员花费几周的时间来摆脱困境，而IT部门则会计算出如何让他们恢复正常运行。

　　因此，除了有针对性的数据保护之外，整个企业无处不在的数据保护将在2018年广泛实施。

　　2.云采用实际上是由业务驱动的

　　从供应商方面来看，云计算模型是成熟的。众多的产品可供选择，其中包括大量的小型企业，市场提供了多种选择，可以满足大多数客户的需求。然而在某些方面，云计算仍然是新生状态。统计数据显示，还有更多的采用空间，云计算提供商仍然有很多说服力和回应建议邀请书(RFP)。简而言之，数据中心的工作负载仍然会比较适合云计算。

　　要推动云采用，云计算提供商必须继续为云计算解决方案提供更多的技术案例;他们必须向企业高管提出商业案例。2018年，这一点必须包括一个重要的方面：总体拥有成本(TCO)。许多公司正处于增长模式，正在寻求采用人工智能、机器学习和其他技术来增加收入。

　　尽管有这样的增长前景，企业IT部门仍然面临着紧张的预算和有限的资源。企业在投资时，云计算计划仍然必须证明投资回报，包括固定的TCO数字。企业采用的新技术可以帮助增长，为机器学习提供一个很好的平台，但它也必须解决总体拥有成本(TCO)问题，并帮助减轻IT部门的过重的负担。

　　3.二级存储厂商兼并

　　回想2016年超融合市场如何巩固?HPE公司收购了Simplivity公司，并导致其他公司的多米诺骨效应。从2018年开始，二级存储空间开始出现类似于2016年的活跃时期。具体而言，在二级存储区域中有一些强大的供应商。同样，由于客户希望解决困扰他们多年的问题，因此市场强劲且不断增长。

　　强大的厂商出现在强大的市场?这是企业合并的秘诀。不过，这可能是超融合市场的相似之处。请记住，该领域的一些整合涉及处于困境的企业，并产生了一些令人伤心的结果。有了二次存储，在收购发生时会发现意外的溢价。

　　事实上，2018年可能是收购日益增长的二级存储厂商之一。而Actifio，Rubrik，Cohesity等公司可能将从根本上改变备用存储市场。

　　4.独角兽消失

　　在2017年，Tintri公司及其投资者采取了推动IPO的巨大步骤，而不是采取更多的股权营运资本。这是一个大胆的举动，但它最终未能按照该公司的希望来实现。Tintri公司必须降低股价，并推迟IPO时间。即使有这样的举动，Tintri公司还没有低于其减持的IPO价格。对于收入强劲的公司来说，这是一个最坏的情况(Tintri公司将花费数亿美元)，但损失惨重。

 　　从企业发展到更大的市场趋势，这些都是人们在2018年看到的趋势。有一件事是肯定的：充满创新、市场发展和惊喜的又一年已经到来。

——机房360  Harris编译

从定义上来说，二者都试图将各种IT资源看成一个虚拟的资源池，然后向外提供相应的服务。云计算试图让“用户透明地使用资源”，而网格计算当初的口号就是让“使用IT资源像使用水电一样简单”。

　　根据维基百科所提供的定义，云计算是一种宽泛的概念，它允许用户通过互联网访问各种基于IT资源的服务，这种服务允许用户无需了解底层IT基础设施架构就能够享受到作为服务的“IT相关资源”。

　　而网格的内涵包括两个方面，一个方面是所谓的效用计算或者随需计算，在这一点上面，网格计算跟云计算是非常相似的，都是通过一个资源池或者分布式的计算资源来提供在线的计算或者存储等服务;另外一个方面就是所谓的“虚拟超级计算机”，以松耦合的方式将大量的计算资源连接在一起提供单个计算资源所无法完成的超级计算能力，这也是狭义上的网格计算跟云计算概念上最大的差别，也是本文要讨论的出发点。

　　目标不同

　　一般来说，谈到网格计算大家都会想到当年风靡一时的搜寻外星人项目，也就是说通过在本机安装一个屏幕保护软件，就能够利用大家每个人的PC闲暇时候的计算能力来参与搜寻外星人的计算。

　　这也说明了网格的目标，是想要尽可能地利用各种资源。它通过特定的网格软件，将一个庞大的项目分解为无数个相互独立的、不太相关的子任务，然后交由各个计算节点进行计算。即便某个节点出现问题，没有能够及时返回结果，也不影响整个项目的进程，甚至即便某一个计算节点突然崩溃，其所承担的计算任务也能够被任务调度系统分配给其他的节点继续完成。应该说，从这一点来说，作业调度是网格计算的核心价值。

　　现在谈到云计算的时候，我们就能够立刻想到通过互联网将数据中心的各种资源打包成服务向外提供。一般来说，尽管云计算也像网格计算一样将所有的资源构筑成一个庞大的资源池，但是云计算向外提供的某个资源，是为了完成某个特定的任务。比如说某个用户可能需要从资源池中申请一定量的资源来部署其应用，而不会将自己的任务提交给整个网格来完成。

　　从这一点来看，网格的构建大多为完成某一个特定的任务需要，这也是会有生物网格、地理网格、国家教育网格等各种不同的网格项目出现的原因。而云计算一般来说都是为了通用应用而设计的，没有专门的以某种应用命名的网格。

　　分配资源方式的不同

　　对于网格计算来说，其资源虽然也已经被池化，在外界看来就是一个巨大的资源池。对于要提交特定任务的用户来说，他并不知道自己的任务将会在哪些网格的物理节点上运行。他只是按照特定的格式，将作业任务提交给网格系统，然后等待网格返回结果。

　　而网格作业调度系统自动找寻与该任务相匹配的资源，然后寻找出空闲的物理节点，将任务分配过去直至完成。虽然网格能够实现跨物理机进行并行作业处理，但是需要用户先将并行算法写好，并且通过调度系统将作业分解到各个不同的物理节点进行，这个过程相对比较复杂，这也是很多网格计算被建设用来完成特定需求的原因。

　　国家教育网格项目组负责人金海教授曾经对记者表示，现阶段的教育网格还只能实现将某一个特定任务派往特定的某一个节点，也就是说网格可以监控某一个节点是空闲的，然后分派任务，但是如果没有合适的节点能够达到任务完成所需要的配置，那么任务就必须等待其他任务将资源释放出来，不能利用分散的配置。

　　而云计算是通过虚拟化将物理机的资源进行切割，从这个角度来实现资源的随需分配和自动增长，并且其资源的自动分配和增减不能超越物理节点本身的物理上限。尽管从控制端来看，云计算也将所有的IT资源看成是一个资源池，但是不同芯片的物理机会被归类到不同的资源池中。

　　比如说可以呼应某一个应用的请求，而给其分配一颗x86 CPU或者Power CPU、安腾CPU，分配内存和硬盘空间，再给其安装Linux系统、相关的应用，但是不能同时分配一颗x86 CPU和一颗其他的CPU以构成一个异构的环境。而且，如果节点中的物理机最高CPU数量是4颗的话，那么即使由10台这样的节点构成一个40CPU的资源池，也不能为某一个应用分配8颗CPU的虚拟节点。

　　从这种角度来说，Amazon在2006年所推出的EC2项目(Elastic Compute Cloud，弹性计算云)的确算得上是云计算项目，只不过那个时候云计算概念未兴起，而网格计算的概念方兴未艾，Amazon在那个时候依然用网格的概念向外推销该项目。

　　殊途同归

　　其实就像很多人大致了解的那样，网格计算与云计算的确有很多的相似之处，这两者都能够被看成是分布式计算所衍生出来的概念，都是为了让IT资源能够对用户透明，为了让IT资源能够达到更好的使用率。

　　从这个提高资源利用率的角度出发，逐渐诞生了Web服务的概念，然后网络公司通过部署数以万计的服务器构成庞大的计算资源，得以提供此前无法完成的新服务。企业或者个人能够通过互联网利用那些大网络公司所释放出来的计算资源，进行应用部署或者向外提供服务。这就是从网格计算到云计算的历史过程。

　　二者的意义就在于，无论是用户还是企业开发者，都能够通过互联网来获得数据或者进行计算，尽管本地资源有限，但是能够通过网络进行复杂的运算，其数据的计算过程对于用户来说就像互联网网络对于本地网络用户一样，正如大家所记得那个网络云，后端的实现是透明的。

——多智时代