“AI只是露出水面的部分，竞争的关键在于冰山之下

“自己搭建数字化底座技术老旧、能力差风险高，公有云成本昂贵；采用开源软件，出了问题却无人兜底；企业必然走向多云，但多云又导致系统不兼容……”

在第八届金猿大数据产业发展论坛上，美的集团首席信息安全官兼软件工程院院长刘向阳，直击企业数字化症结的深刻思考，就像一颗石子投向水面，引发了阵阵涟漪。

这些行业普遍的矛盾与焦虑，正是他演讲的起点。在论坛上，他带来了主题为《中立云思想及其在AI与数据领域的实践》的精彩演讲。

他开宗明义地指出：“今天，所有CEO都在为AI焦虑。但我想说，AI只是冰山露出水面的部分。而水面之下那90%的、坚实而统一的数字化底座，才是真正决定胜负的关键。”

这一论述，将讨论从对技术热点的追逐，引向了对企业底层数字根基的冷静审视。

当前，所有企业虽然都在全力追逐AI的科技浪潮，却存在一个巨大的认知偏差——以为AI就是买点CPU、训练个模型、调个参数。但真正到落地的阶段，会发现事情要远比这复杂的多。

行业症结：

数字化进程中的普遍矛盾

1、数据荒漠化

“事实上，很多企业正面临‘数据荒漠化’的问题”。刘向阳一针见血，“我所说的荒漠化，并非指的是没有数据。恰恰相反，很多企业积累了大量的数据，但就是无法被有效利用。”

现实世界确实如此，比如说一家制造业企业，可能企业的销售数据在ERP系统，客服数据在CRM系统，用户行为数据在APP后台，维修数据在另一套老旧系统里。每个系统都有自己的数据格式、标准和逻辑。

“AI模型需要的是干净、连续、标准化的数据流水线，不是散落在各个角落、格式不一、甚至彼此矛盾的数据碎片。”刘向阳强调。

更糟糕的是，这些数据孤岛往往被不同的部门“画地为牢”，每个部门都守着自己的一亩三分地，最终导致企业空有海量数据，却陷入数据荒漠的境地。

2、算力资源浪费

刘向阳分享了一个让人颇感意外的数字：在产业界，GPU利用率普遍不到15%。

我们知道，GPU芯片价值不菲，很多企业付出大量的资金和资源就为了能多抢夺一些算力回来。

但企业斥巨资买来的算力并没有发挥应有的效能，刘向阳分析认为，这是算力资源配置失衡：要么过度配置造成浪费，要么配置不足拖慢项目进度。更复杂的是多云环境下的碎片化，导致算力资源被分割，无法被统一调度。

3、AI与业务的断层

刘向阳直言，“大模型虽然很聪明，但它不是孤立存在的，需要与企业的生产、管理、运营系统深度集成。这个集成能力，恰恰取决于企业的数字化底座。”

当真正让AI深入产业，让它去真正干活的时候，我们会发现，AI与业务之间常常存在一个巨大的鸿沟，其背后正是数字化底座支撑不足所致。

自建or公有云？

企业的两难困境

既然底座如此关键，为何大多数企业做得一塌糊涂？刘向阳点出了核心的结构性矛盾：企业过去只有两个选择——自建数据中心或采购公有云，但两者都有天然缺陷。

选择一：自建数据中心

自建的好处是成本看似低（公有云成本比自建高6-10倍），但自建的劣势也很明显，技术栈可能还停留在三十年前的水平。更关键的是，开源软件“免费但危险”。

“所有能免费下载的开源软件都是不专业的。所有软件都有bug，开源软件的bug更多。商业软件遇到bug的时候，厂商可以给兜底；但是开源软件遇到bug的时候，没有人提供维保，没有人兜底。”刘向阳直言，这对稳定性、安全性和整体效率构成严峻挑战。

选择二：公有云

企业的第二条路就是选择公有云。前面刘向阳已经测算过，公有云的成本大概是自建的6到10倍。然而价格贵并不是最大的问题，更大问题在于多云困境。

刘向阳指出，业务现实（不同部门的历史选择、出海布局的本地化需求等因素）必然导致多云并存。但多云带来的适配成本高得吓人，业务在不同云间迁移，更是一件困难重重的事。跨云的迁移，耗时至少需要半年。这在瞬息万变的互联网时代，企业业务半年不能更新，简直就是等于自杀。

综合来看，不管是选择自建，还是选择公有云，似乎都不是最优选择。

美的的破局之路：

“中立云”与第三条道路

四年前，刘向阳接手美的数字化业务时，面对的正是这种行业普遍的困境。

既然这两条路都有问题，那么能不能开辟一条新路，既不走纯自建，也依赖公有云，而是走出一条中间路线呢？

“中立云”的概念由此诞生。

在刘向阳的定义中，中立云不单是一种技术或架构，是一个建立在全新思维下的产物。简而言之，它不单是另一款产品，而是另一种理念。

中立云的核心思想，在于为企业构建一个跨越物理边界、技术栈和供应商壁垒的统一数字基座。它并非简单的资源聚合工具，而是通过将公有云成熟、先进的技术体系完整地引入企业本地数据中心，实现从私有环境到公有云、再到不同公有云之间的技术同源与体验统一。

这代表什么意思呢？首先，企业无需颠覆现有业务，即可在本地完成技术栈的现代化升级，使其与前沿的公有云服务保持架构统一。其次，更深层地，它通过在操作系统级别实现对所有异构资源（包括本地基础设施、不同云厂商的服务、多个数据中心资源）的统一纳管与调度，打造出一个逻辑上高度统一的“企业专属云”。这彻底屏蔽了底层各类资源的差异性，使得应用无需为迁移或部署在任何环境而修改代码，真正实现了“一次开发，随处运行”的理想。

因此，中立云的本质是赋予企业绝对的技术自主权与选择自由，它解除了厂商锁定，将复杂的多云、混合云环境整合为一张可全球智能调度、统一治理的“逻辑云网”，从而让企业能聚焦于业务创新，而非纠结于基础设施的碎片化与复杂性。

刘向阳用三句话概括中立云的精髓，全球一张网，全球一朵云，一个企业一朵云。

·全球一张网：支持公有云和数据中心同一网络，容器与节点同一网络，让工作负载可以自由迁移，并具备高吞吐，低延迟能力。

·全球一朵云：提供公有云和数据中心GPU资源的统一调度，包括弹性优先级、可以优先调度自己数据中心，其次调度公有云。

·一个企业一朵云：最终为企业呈现的，是一个完全自主掌控、体验一致、无处不在的“逻辑云”。

中立云是一个庞大的系统，是一套完整的技术栈，形成了统一的数字化底座。 中立云主要包括六大平台：

·中立云基础平台：包括完整的IaaS平台（计算、存储、网络）和PaaS平台，还有一个AI算力平台（支持不同厂商的GPU卡，而且既可以管理自己的数据中心里面采购的GPU，也可以管理公有云上租赁的GPU，而且基于中立云的多云统一能力，自己数据中心GPU不够的时候，任务会自动弹到云上，不需要人的介入）。在美的，中立云自研的操作系统已经替代了RedHat，自研的云服务器已经替代了VMware，自研的分布式块存储软件已经替换了集中式SAN存储硬件设备，自研的负载均衡软件已经替换了硬件F5设备。

·运维平台：包括自动化运维平台和全栈监控平台。在美的，中立云自研的全栈监控平台已经全面替换了Dynatrace。

·大数据平台：包括大数据引擎平台和大数据开发平台。在美的，中立云自研的大数据引擎平台已经替换了Cloudera CDP，自研的大数据开发平台已经替换了DataBricks。

·数据库平台：包括数据库管理平台和数据库引擎平台。

·研发效能平台：现在在美的，每四行代码就有一行是AI写的。在美的代码库里面，2025年AI已经生成了约3400万行代码。

·安全平台：包括统一身份安全平台，五合一终端安全平台（零信任、数据防泄漏DLP、准入，桌管，杀毒），自动化攻击模拟平台，机密管理平台。在美的，中立云自研的零信任替换了Fortinet VPN，自研的数据防泄漏DLP替换了McAfee DLP，自研的准入替换了Forescout准入，自研的桌管替换了商采的桌管）。

美的的中立云真正实现了操作系统级的统一。刘院长用了一个精妙的比喻：“Windows操作系统让你不必关心电脑用的是什么品牌的硬盘、显卡。我们的中立云屏蔽了公有云之间的差异，以及公有云与自己数据中心的差异，让企业应用不必关心自己跑在哪个云上、或者跑在自建机房。这是颠覆性的技术创新。”

数字化底座如何赋能AI？

三层突破：资源、数据与安全

第一层突破：资源抽象与统一调度

美的中立云，能够将自建服务器、不同公有云的虚拟机、甚至边缘计算节点，统一抽象为标准的计算单元。无论底层是阿里云、腾讯云、AWS，还是美的自有的服务器集群，上层应用看到的都是统一的接口。

“我们有一家海外分公司，当地只有Azure服务。过去他们需要专门为Azure开发适配版本，现在直接部署，零改造。”刘院长举例。

第二层突破：数据流动与一致性

中立云的核心价值之一是解决数据孤岛问题。美的一整套数据平台，能够在不同环境间保证数据的实时同步和一致性。

第三层突破：安全模型的根本重构

传统安全是“边界防护”思维——在数据中心入口设置防火墙。但在多云环境下，边界已经模糊甚至不存在。

美的中立云采用了“零信任+软件定义边界”的组合方案。简单说，就是不再相信任何网络位置，只验证身份和权限。无论用户从哪里访问、应用运行在哪里，每次访问都需要重新验证。

“这就像是给每个数据包都配了保镖和通行证。”刘向阳解释说，“即使单个系统被攻破，攻击者也无法横向移动。”

有了坚实底座后，美的的AI实践呈现出完全不同景象。

依托坚实底座，美的的AI实践展现出显著效益：

·算力效率：GPU利用率提升4-5倍。

·研发效能：基于全链路上下文的AI代码生成入库率采纳率达国际先进水平。

·运维自动化：运维自动化率提升至95%，工单自动处理，系统稳定性与效率大幅提高。

·数据应用：自然语言交互的数据查询（AI问数）已交付200余个场景，达到实用级别。

·安全升级：实现从“静态安全”到“持续主动安全”的模式转变，通过7×24小时自动化攻防演练，主动发现漏洞（如2024年识别292个安全厂商漏洞）。

数字化底座的完善，正在从根本上重构业务决策与运营模式。刘向阳分享了几个场景：如今有几千名同事通过“中立云”进行高效研发；在零售场景上，如今美的线下门店的选址，几乎全部交由智能决策系统完成。

在2025年“618”大促期间，“中立云”更经历了一次实战检验——面对某核心营销系统流量瞬间激增300%的压力，传统架构往往需要提前数月进行资源扩容，而基于中立云的智能调度体系，仅在几分钟内便从公有云弹性调度额外算力，平稳承载了流量洪峰。

从底层颠覆云厂商的假设

在演讲的结尾，有观众问道：“中立云背后的学术理论支撑是什么？”这一问，恰好点出了中立云之所以与众不同的关键。

刘向阳表示，主流公有云厂商的产品逻辑，通常建立在一个简化的前提之上——即客户将完全依赖其单一云服务，既无需考虑私有基础设施，也不必集成其他云平台。这种“单一云原生”的假设，与绝大多数甲方企业的真实情况严重脱节。

现实中的甲方，可能既有自建的数据中心，又采用了多个云服务。即便完全采用公有云，也往往同时接入多个云厂商。

“中立云”的架构设计正是基于这个真实的环境而来：必须同时兼容私有数据中心、多家公有云，甚至边缘计算节点。从底层逻辑来看，“中立云”就与传统公有云方案有着根本不同。

刘向阳的分享揭示了一个深刻的产业现实：无论AI如何演进，企业的核心竞争力越来越取决于那些“看不见的能力”——架构设计、数据治理、安全体系、运维自动化。这些能力就像冰山的水下部分，虽然肉眼看不见，但却是支撑冰山的核心组成。

这场冰山下的竞争才刚刚开始。而那些早早意识到数字化底座重要性，并愿意为之投入的企业，很可能在未来十年定义新的产业格局。

来源：数据猿