自建還是上云？歐洲科學院院士劉向陽給出“第三選擇”

“AI只是露出水面的部分，競爭的關鍵在于冰山之下

“自己搭建數字化底座技術老舊、能力差風險高，公有云成本昂貴；采用開源軟件，出了問題卻無人兜底；企業必然走向多云，但多云又導致系統不兼容……”

在第八屆金猿大數據產業發展論壇上，美的集團首席信息安全官兼軟件工程院院長劉向陽，直擊企業數字化癥結的深刻思考，就像一顆石子投向水面，引發了陣陣漣漪。

這些行業普遍的矛盾與焦慮，正是他演講的起點。在論壇上，他帶來了主題為《中立云思想及其在AI與數據領域的實踐》的精彩演講。

他開宗明義地指出：“今天，所有CEO都在為AI焦慮。但我想說，AI只是冰山露出水面的部分。而水面之下那90%的、堅實而統一的數字化底座，才是真正決定勝負的關鍵。”

這一論述，將討論從對技術熱點的追逐，引向了對企業底層數字根基的冷靜審視。

當前，所有企業雖然都在全力追逐AI的科技浪潮，卻存在一個巨大的認知偏差——以為AI就是買點CPU、訓練個模型、調個參數。但真正到落地的階段，會發現事情要遠比這復雜的多。

行業癥結：

數字化進程中的普遍矛盾

1、數據荒漠化

“事實上，很多企業正面臨‘數據荒漠化’的問題”。劉向陽一針見血，“我所說的荒漠化，并非指的是沒有數據。恰恰相反，很多企業積累了大量的數據，但就是無法被有效利用。”

現實世界確實如此，比如說一家制造業企業，可能企業的銷售數據在ERP系統，客服數據在CRM系統，用戶行為數據在APP后臺，維修數據在另一套老舊系統里。每個系統都有自己的數據格式、標準和邏輯。

“AI模型需要的是干凈、連續、標準化的數據流水線，不是散落在各個角落、格式不一、甚至彼此矛盾的數據碎片。”劉向陽強調。

更糟糕的是，這些數據孤島往往被不同的部門“畫地為牢”，每個部門都守著自己的一畝三分地，最終導致企業空有海量數據，卻陷入數據荒漠的境地。

2、算力資源浪費

劉向陽分享了一個讓人頗感意外的數字：在產業界，GPU利用率普遍不到15%。

我們知道，GPU芯片價值不菲，很多企業付出大量的資金和資源就為了能多搶奪一些算力回來。

但企業斥巨資買來的算力并沒有發揮應有的效能，劉向陽分析認為，這是算力資源配置失衡：要么過度配置造成浪費，要么配置不足拖慢項目進度。更復雜的是多云環境下的碎片化，導致算力資源被分割，無法被統一調度。

3、AI與業務的斷層

劉向陽直言，“大模型雖然很聰明，但它不是孤立存在的，需要與企業的生產、管理、運營系統深度集成。這個集成能力，恰恰取決于企業的數字化底座。”

當真正讓AI深入產業，讓它去真正干活的時候，我們會發現，AI與業務之間常常存在一個巨大的鴻溝，其背后正是數字化底座支撐不足所致。

自建or公有云？

企業的兩難困境

既然底座如此關鍵，為何大多數企業做得一塌糊涂？劉向陽點出了核心的結構性矛盾：企業過去只有兩個選擇——自建數據中心或采購公有云，但兩者都有天然缺陷。

選擇一：自建數據中心

自建的好處是成本看似低（公有云成本比自建高6-10倍），但自建的劣勢也很明顯，技術棧可能還停留在三十年前的水平。更關鍵的是，開源軟件“免費但危險”。

“所有能免費下載的開源軟件都是不專業的。所有軟件都有bug，開源軟件的bug更多。商業軟件遇到bug的時候，廠商可以給兜底；但是開源軟件遇到bug的時候，沒有人提供維保，沒有人兜底。”劉向陽直言，這對穩定性、安全性和整體效率構成嚴峻挑戰。

選擇二：公有云

企業的第二條路就是選擇公有云。前面劉向陽已經測算過，公有云的成本大概是自建的6到10倍。然而價格貴并不是最大的問題，更大問題在于多云困境。

劉向陽指出，業務現實（不同部門的歷史選擇、出海布局的本地化需求等因素）必然導致多云并存。但多云帶來的適配成本高得嚇人，業務在不同云間遷移，更是一件困難重重的事。跨云的遷移，耗時至少需要半年。這在瞬息萬變的互聯網時代，企業業務半年不能更新，簡直就是等于自殺。

綜合來看，不管是選擇自建，還是選擇公有云，似乎都不是最優選擇。

美的的破局之路：

“中立云”與第三條道路

四年前，劉向陽接手美的數字化業務時，面對的正是這種行業普遍的困境。

既然這兩條路都有問題，那么能不能開辟一條新路，既不走純自建，也依賴公有云，而是走出一條中間路線呢？

“中立云”的概念由此誕生。

在劉向陽的定義中，中立云不單是一種技術或架構，是一個建立在全新思維下的產物。簡而言之，它不單是另一款產品，而是另一種理念。

中立云的核心思想，在于為企業構建一個跨越物理邊界、技術棧和供應商壁壘的統一數字基座。它并非簡單的資源聚合工具，而是通過將公有云成熟、先進的技術體系完整地引入企業本地數據中心，實現從私有環境到公有云、再到不同公有云之間的技術同源與體驗統一。

這代表什么意思呢？首先，企業無需顛覆現有業務，即可在本地完成技術棧的現代化升級，使其與前沿的公有云服務保持架構統一。其次，更深層地，它通過在操作系統級別實現對所有異構資源（包括本地基礎設施、不同云廠商的服務、多個數據中心資源）的統一納管與調度，打造出一個邏輯上高度統一的“企業專屬云”。這徹底屏蔽了底層各類資源的差異性，使得應用無需為遷移或部署在任何環境而修改代碼，真正實現了“一次開發，隨處運行”的理想。

因此，中立云的本質是賦予企業絕對的技術自主權與選擇自由，它解除了廠商鎖定，將復雜的多云、混合云環境整合為一張可全球智能調度、統一治理的“邏輯云網”，從而讓企業能聚焦于業務創新，而非糾結于基礎設施的碎片化與復雜性。

劉向陽用三句話概括中立云的精髓，全球一張網，全球一朵云，一個企業一朵云。

·全球一張網：支持公有云和數據中心同一網絡，容器與節點同一網絡，讓工作負載可以自由遷移，并具備高吞吐，低延遲能力。

·全球一朵云：提供公有云和數據中心GPU資源的統一調度，包括彈性優先級、可以優先調度自己數據中心，其次調度公有云。

·一個企業一朵云：最終為企業呈現的，是一個完全自主掌控、體驗一致、無處不在的“邏輯云”。

中立云是一個龐大的系統，是一套完整的技術棧，形成了統一的數字化底座。 中立云主要包括六大平臺：

·中立云基礎平臺：包括完整的IaaS平臺（計算、存儲、網絡）和PaaS平臺，還有一個AI算力平臺（支持不同廠商的GPU卡，而且既可以管理自己的數據中心里面采購的GPU，也可以管理公有云上租賃的GPU，而且基于中立云的多云統一能力，自己數據中心GPU不夠的時候，任務會自動彈到云上，不需要人的介入）。在美的，中立云自研的操作系統已經替代了RedHat，自研的云服務器已經替代了VMware，自研的分布式塊存儲軟件已經替換了集中式SAN存儲硬件設備，自研的負載均衡軟件已經替換了硬件F5設備。

·運維平臺：包括自動化運維平臺和全棧監控平臺。在美的，中立云自研的全棧監控平臺已經全面替換了Dynatrace。

·大數據平臺：包括大數據引擎平臺和大數據開發平臺。在美的，中立云自研的大數據引擎平臺已經替換了Cloudera CDP，自研的大數據開發平臺已經替換了DataBricks。

·數據庫平臺：包括數據庫管理平臺和數據庫引擎平臺。

·研發效能平臺：現在在美的，每四行代碼就有一行是AI寫的。在美的代碼庫里面，2025年AI已經生成了約3400萬行代碼。

·安全平臺：包括統一身份安全平臺，五合一終端安全平臺（零信任、數據防泄漏DLP、準入，桌管，殺毒），自動化攻擊模擬平臺，機密管理平臺。在美的，中立云自研的零信任替換了Fortinet VPN，自研的數據防泄漏DLP替換了McAfee DLP，自研的準入替換了Forescout準入，自研的桌管替換了商采的桌管）。

美的的中立云真正實現了操作系統級的統一。劉院長用了一個精妙的比喻：“Windows操作系統讓你不必關心電腦用的是什么品牌的硬盤、顯卡。我們的中立云屏蔽了公有云之間的差異，以及公有云與自己數據中心的差異，讓企業應用不必關心自己跑在哪個云上、或者跑在自建機房。這是顛覆性的技術創新。”

數字化底座如何賦能AI？

三層突破：資源、數據與安全

第一層突破：資源抽象與統一調度

美的中立云，能夠將自建服務器、不同公有云的虛擬機、甚至邊緣計算節點，統一抽象為標準的計算單元。無論底層是阿里云、騰訊云、AWS，還是美的自有的服務器集群，上層應用看到的都是統一的接口。

“我們有一家海外分公司，當地只有Azure服務。過去他們需要專門為Azure開發適配版本，現在直接部署，零改造。”劉院長舉例。

第二層突破：數據流動與一致性

中立云的核心價值之一是解決數據孤島問題。美的一整套數據平臺，能夠在不同環境間保證數據的實時同步和一致性。

第三層突破：安全模型的根本重構

傳統安全是“邊界防護”思維——在數據中心入口設置防火墻。但在多云環境下，邊界已經模糊甚至不存在。

美的中立云采用了“零信任+軟件定義邊界”的組合方案。簡單說，就是不再相信任何網絡位置，只驗證身份和權限。無論用戶從哪里訪問、應用運行在哪里，每次訪問都需要重新驗證。

“這就像是給每個數據包都配了保鏢和通行證。”劉向陽解釋說，“即使單個系統被攻破，攻擊者也無法橫向移動。”

有了堅實底座后，美的的AI實踐呈現出完全不同景象。

依托堅實底座，美的的AI實踐展現出顯著效益：

·算力效率：GPU利用率提升4-5倍。

·研發效能：基于全鏈路上下文的AI代碼生成入庫率采納率達國際先進水平。

·運維自動化：運維自動化率提升至95%，工單自動處理，系統穩定性與效率大幅提高。

·數據應用：自然語言交互的數據查詢（AI問數）已交付200余個場景，達到實用級別。

·安全升級：實現從“靜態安全”到“持續主動安全”的模式轉變，通過7×24小時自動化攻防演練，主動發現漏洞（如2024年識別292個安全廠商漏洞）。

數字化底座的完善，正在從根本上重構業務決策與運營模式。劉向陽分享了幾個場景：如今有幾千名同事通過“中立云”進行高效研發；在零售場景上，如今美的線下門店的選址，幾乎全部交由智能決策系統完成。

在2025年“618”大促期間，“中立云”更經歷了一次實戰檢驗——面對某核心營銷系統流量瞬間激增300%的壓力，傳統架構往往需要提前數月進行資源擴容，而基于中立云的智能調度體系，僅在幾分鐘內便從公有云彈性調度額外算力，平穩承載了流量洪峰。

從底層顛覆云廠商的假設

在演講的結尾，有觀眾問道：“中立云背后的學術理論支撐是什么？”這一問，恰好點出了中立云之所以與眾不同的關鍵。

劉向陽表示，主流公有云廠商的產品邏輯，通常建立在一個簡化的前提之上——即客戶將完全依賴其單一云服務，既無需考慮私有基礎設施，也不必集成其他云平臺。這種“單一云原生”的假設，與絕大多數甲方企業的真實情況嚴重脫節。

現實中的甲方，可能既有自建的數據中心，又采用了多個云服務。即便完全采用公有云，也往往同時接入多個云廠商。

“中立云”的架構設計正是基于這個真實的環境而來：必須同時兼容私有數據中心、多家公有云，甚至邊緣計算節點。從底層邏輯來看，“中立云”就與傳統公有云方案有著根本不同。

劉向陽的分享揭示了一個深刻的產業現實：無論AI如何演進，企業的核心競爭力越來越取決于那些“看不見的能力”——架構設計、數據治理、安全體系、運維自動化。這些能力就像冰山的水下部分，雖然肉眼看不見，但卻是支撐冰山的核心組成。

這場冰山下的競爭才剛剛開始。而那些早早意識到數字化底座重要性，并愿意為之投入的企業，很可能在未來十年定義新的產業格局。