由 3W 企服举办的企业用云 OPENFORUM 活动已落下帷幕。继 10 月 28 日青云QingCloud 北京场的分享后，11 月 2 日至 4 日，在武汉、福州、深圳的 3WCOFFICE 共享办公空间，金山云、AWS、UCloud 的技术大拿也分别进行了云计算主题分享。

三家厂商分享的 PPT 共计 263 页，以下为企服行业头条整理的部分节选，如需获取完整 PPT，可移步文末，按需取用。

by 金山云线上运营总经理白炜

金山云生态体系为用户连接了软件服务商、解决方案商、云服务商、转售服务商、生态服务商多个维度，为企业永固提供全方位的云端解决方案。

金山云以云主机和云网络作为基础，搭建 IaaS 和 PaaS 层，以便实现能力的扩展和传递；在基础层之上的是 SaaS 和 PaaS 层产品，为用户提供各类云产品和应用；在服务层提供云咨询、云集成、云托管、云运营一整套云服务的解决方案，同时接入各类合作伙伴，为客户提供效率和业务方面的增益。

人工智能驱动下的云计算革新

by 金山云大数据和 AI 技术总监张东进

金山云人工智能服务体系由异构超算平台（KHSP）、深度学习平台（KDL）和行业智能服务（KAS）组成，以硬件基础连接深度学习技术，为工业、金融、互联网、医疗和汽车等多个行业提供服务。

金山云异构超算平台拥有高端的配置和性能，具有弹性伸缩和全周期加速的优点。

金山云深度学习平台则能够深度助力 AI+，降低使用门槛、提高工作效率，推动 AI 赋能的落地。

金山云智能服务可实现端到端开箱即用，提供视觉、语音、语言、推理的完整方案以及行业级定制方案。

云计算技术开发思考：极简设计语言打造最高效的云服务

by 金山云高级技术总监眭聚磊

在企业云服务的应用过程中，往往面临着效率挑战：在业务持续增长的情况下，如何将云服务的设备成本降到最低又能充分满足需求？企业规模不断扩大，云服务如何保证其安全可靠、可扩展？

金山云基于 SLA 协议，降低云计算的频率、减少单次时长，通过热升级、在线迁移等方式保证云上的稳定性；采用 TGW 集群式部署、VGW 分布式部署等方式，保证云的可靠性；有效防护 DDoS 攻击，实现同城容灾和两地三中心容灾方案。

AWS：云中的人工智能

by AWS 资深解决方案架构师李艺明

李艺明介绍称，AWS 基础架构分布全球 16 个区域，今年将扩展到 18 个区域。用户将应用部署到 AWS 云端后，可以享受到 AWS 全球布点的网络优势。

Amazon 提供基于 AWS 的从底层云基础架构到云平台、云服务三个层次的整套 AI 解决方案。

用户可以通过调用云服务层的 API 接口，获得机器视觉、语音识别和自然语言理解等基础 AI 能力；或者，可以通过云平台提供的机器学习和深度学习引擎等开发框架，结合用户自己的数据模型和算法，将其封装成自己的 API 对外输出；此外，用户还可以基于 AWS 底层基础架构搭建自己的 AI 开发框架。

费用上，AWS 支持按秒计费，能在提供强大计算能力的基础上，帮用户最大程度节省使用成本。

从云服务层来看，Amazon 提供 Rekognition、Polly、Lex 三种 AI 功能接口，帮用户实现图像识别、语音合成、语音交互等 AI 功能。

通过调用 Rekognition API，可实现在对象和场景检测、面孔分析、面孔比较、面孔识别等场景中的应用。

Amazon Polly 是一种可将文本转换为逼真语音的服务。支持 24 种语言与 47 种语音。开发者可以存储，回放和分发生成的语音。而 Amazon Lex 则能帮用户构建语音或文本聊天机器人服务能力。

AWS 物联网解决方案

by AWS 解决方案架构师高寅敬

从“Internet of Things”到“Intelligence、Orchestration、Things”，AWS 重新定义了 IoT。高寅敬介绍说，AWS IoT 服务是一个完全托管的物联网云服务平台，其功能在于，“将一台或数十亿台设备安全地连接到 AWS，以便它们可以与应用程序和其他设备交互。”

一台设备如何接入 AWS IoT 平台成为智能设备？首先，该设备需要使用 AWS提供的开发套件（SDK）。然后，通过一个安全的通道连接到 AWS 的设备网关，设备网关收到信息后，会将信息转发到后端的规则引擎组件中去。规则引擎依据规则将数据传递给后端 AWS 服务。

by UCloud 高级架构师刘华

机器学习离不开数据和模型训练。刘华将机器学习的过程比作一次炼丹，他表示，数据好比炼丹用的原材料，而算法、TensorFlow 和 GPU 则好比配方、丹炉和火。经过丹火历练，最终得到“仙丹”。“仙丹”既是目的也是结果，而机器学习的目的和结果则是用于在线推理和预测，即解决某类问题。

具体到 UCloud，其 AI 解决方案同样包含上述机器学习的三个层次。

从数据层面来看，刘华认为，目前行业在数据处理方面面临采集、存储和清洗三大挑战。UCloud 以分布式对象存储 Ufile 为数据锚点，再结合 Uhadoop 产品的资源弹性扩展能力，为用户提供整套数据存储与清洗方案。

而从模型训练的层面来看，刘华认为其同样面临三大挑战，即软件工程、系统工程以及资金投入。

软件方面，用户需要维护多套深度学习环境；系统方面，需要自己购买机柜、服务器、GPU 显卡等设备，且采购周期长，无法做到资源的快速扩展；此外，硬件资源购买需要一次性投入大量资金，其电费、运维工程师上的开销也是一笔不菲的费用。

UCloud 可提供基于 GPU 云主机的在线模型训练平台，其按需付费的方式可为用户避免空闲时间的资源浪费。

此外，刘华还介绍了 UCloud 的 AI 总体解决方案。UCloud 具备底层基础设施能力和 PaaS 平台能力，能为 SaaS 类客户提供多项 AI 功能、服务。其还面向行业客户提供智慧城市、自动驾驶等多个行业解决方案。