主题：【原创】云里雾里的云计算 [1] -- 邓侃

【补5】商机与商战 之一

以大型机（Mainframe）为代表的超大规模计算和存储能力，以前为少数机构专有。旧时王谢堂前燕，飞入寻常百姓家，现在云计算风起云涌，超大规模计算和存储能力，为普通企业甚至个人敞开了大门。问题是，一旦拥有了超大规模计算和存储能力，广大人民群众能做什么？

1. 网络存储。

数码相机现在越来越多，加上手机也能拍照，每日全球新产生的数字照片可谓海量。以前这些照片大都存在个人电脑里，有了网络存储，这些照片的归属越来越倾向于网络存储。

Flickr，Picasa，以及Facebook等等社交网，都可以提供照片的网络存储。目前主要的问题还是在网络上传的速度比较慢。长期来讲，终极的解决办法是建设下一代超大带宽的互联网。但是在目前，Flickr，Picasa等等争夺市场的最简单，最有效的办法，看来是开展邮递业务。用户把需要上传的照片刻成光盘，邮递至 Flickr和Picasa，它们收到光盘后，批量上传。

类似的机会，还存在于文本文件，视频，音乐等等。

2. 网站托管。

自己动手建一个网站，事务性的工作要占据很多时间精力，注册域名，购买设备，租用机房等等。后来有人开展网站托管业务，但是网站建设往往必须限定网页设计的模板，后台逻辑处理也不能太复杂。有了云计算平台，网站建设有了更大的灵活性。网站普遍面临的难题，是流量忽上忽下难以预测，云计算平台的高弹性的计算和存储能力，为解决这个难题，提供了可靠的办法。

随着建网站的进入壁垒降低，云计算平台供应商将面临的竞争，是如何尽快地更多地吸引潜在的客户，把他们的网站建在自己的平台上。譬如，如果想游说秀水街的小摊小贩们去建网站，单靠云计算平台供应商的销售人员挨家挨户上门兜售，恐怕效率太低。有效的办法，或许是采用授权（franchise）的做法。云计算平台与几家大的经销商谈，说好每招徕一户网站，收入如何分配。然后由经销商去寻找下家客户或者经销商。经销商不仅负责营销，或许还可以负责帮助下家客户设计网站等等。

3. 高性能计算（HPC）。

提到高性能计算，人们通常会想到天气预报，原子弹爆炸模拟，基因组合搜索等等。对于人们日常生活，目前似乎看不到高性能计算的影子。是日常生活不涉及高性能计算，还是有需求，只不过以前被压抑了？

以我看，需求是有的，只是以前普通人做不到，所以市场潜力没有充分被挖掘出来。譬如说虚拟现实（Virtual Reality）的应用就很广，可以用于游戏，也可以用于教学，例如射击，驾车，飞行，甚至做手术等等。

问题是制作虚拟现实的技术要求很高，计算量也很大，所以普通人即使有很好的创意，也实现不了。有没有可能把三维计算机图形模型，尽可能多地模板化，元素化。普通人如果有好的创意，可以基于这些模板实现个性化设计，然后把诸多元素组装起来，实现一个一个的场景。

Courtesy http://static.bowenwang.com.cn/gif/virtual-reality-technology-in-olympic-promotion-1.jpg

4. 数据挖掘。

数据挖掘的关键，在于数据的采集。Tim O'Reilly说，“ 未来属于那些能够实时处理信息的服务，信息的来源既可以是用户，也可以是非人力的传感器（The future belongs to services that respond in real time to information provided either by their users or by nonhuman sensors）”。注意句中提到的传感器，相对于人力产生的信息，传感器上传的数据，更及时，更丰富。

UC Berkeley's micro sensor mote.

Courtesy http://www.cs.wmich.edu/wsn/images/mote.jpg

问题是传感器能收集什么样的数据？森林防火，建筑筋梁的应力监测，这些已经有人在尝试。有没有可能实时远程监控，例如监控在家疗养的病人的身体状况，这样既不占用医院的病床，也不耽误及时救治。

非人力产生的数据，不仅来自于传感器，而且很多设备也在无时不刻地产生大量数据，例如无线网络的设备，它们记录了每一部手机从一个基站转换到另一个基站发生的时间。这些数据目前白白地被浪费，如果收集起来，尝试各种数据挖掘算法，或许能够启发出以前想不到的应用。沿用前面的例子，通过对无线网络数据的挖掘，不仅可以实时测算人口的分布，而且可以估算各个主要道路的交通流量，以及人流车流的速度。

5. 前店后厂。

北京有一家餐馆，叫“张生记”，它的招牌菜是老鸭汤。但是去张生记品尝老鸭汤，往往乘兴而去，败兴而回。因为餐馆只有8个炖汤的炉头，客人多了供应不过来，只好抱歉地通知顾客，此品告罄。给他们经理出了一个主意，或许可以在郊外租个厨房，专门批量炖制老鸭汤。每天早晨，把炖好的老鸭汤运进餐馆，有食客点此菜，只需回锅加热即可。这个主意，就是前店后厂。后厂完成主要工序，前店只要做简单处理，即可服务客户。

“云而上”一文提到Matlab和 Mathematica两个软件，说对于复杂的计算，不一定要全部在PC本地完成，Matlab和Mathematica可以把一部份运算量庞大的任务，转发给远程云计算平台去完成，PC本地只负责运算量小的任务，以及结果的显示。这个主意也符合前店后厂的想法。

前面提到的游戏的图像制作，也是前店后厂的思路。前店负责设计，设计完成后，软件及时给设计者一个简单的二维静态效果图。设计者确认后，让后厂负责完成三维渲染，以及动画控制等等计算量繁重的工作。

前文提及的新浪音乐盒，也是前店后厂的思路，前店主要负责播放，后厂主营搜索及推荐。

当人类普遍拥有了超大规模的计算和存储能力，软件设计以及算法实现，都可能会发生一系列转变。前店后厂的模式，或许可能成为这一系列转变的第一个尝试。

后厂与云计算挂钩，已经没有太多悬念，困惑在于前店该如何设计。这个专题，留给后文讨论。