云原生时代，云计算成为科研发展新基石

在中国有一个非常热门话题——“下一代汽车”。如果你开过特斯拉，就会知道，驾驶汽车的体验就像是在驾驶 iPhone。传统汽车行业也在改变，即使最传统的 GM 通用汽车也无例外。对“下一代汽车”的投入，最重要的岗位就是软件工程师。简单来说，汽车公司会变成软件公司，汽车功能都会解耦成各种组件，而在科研中也有类似的情况。

回顾软件定义的发展，软件定义网络差不多是十年前开始的。在此之前，已经开始的是软件定义服务器。做科研一定要用服务器，但是在数据传输过程中也一定要用到网络。越来越多科研设备接入，网络能力变得至关重要。青云QingCloud 从创立之初就在建设软件定义网络的能力。

整个 SDN（软件定义网络）体系发展过程，就是将传统的交换和路由功能从硬件转变为软件，快速进行迭代创新。SDN 的工作逻辑，是让软件驾驭数据转发和数据控制，使创新成本几乎为零。以手机为例，现在的智能手机没有键盘；以前有键盘的时代，研发键盘并开模的周期长、成本高、调节难度大；现在将键盘变成软件之后，键盘来自于输入法提供商，创新成本几乎为零。

从单一实验室到多个实验室，从一个省份到多个省份，从一个国家到多个国家，需要跨越局域网络成为广域网络，新一代的 SDN 就是 SD-WAN，当然还会继续演进。现在广域网的路由从数据中心推到移动端，我们在手机和平板电脑上就可以操作，让网络更加贴近实际需求，靠的就是软件定义。

如何能拿到尽量多的数据？要靠物联网和边缘计算。对疾病防治及其他科学的研究需要大量数据的输入，靠人工去收集数据不太现实，靠传感器收集的方式更加快速、及时。传感器通过多样化的连接，到达边缘端。大量数据通过物联网平台接入到数据库里的结构化或者非结构化的存储介质里，在云端进行分析，这个过程称之为“训练”。训练的结果，在人工智能领域叫模型，在科学领域就是“结论”。比如说，分叉树怎么分叉的，这个模型有版本，一个版本在迭代中有不同代际，进行版本标注之后，信息下发至边缘侧的终端上，当类似情况再出现时，可以自动发现和识别。

容器提升数据处理能力

如果科学形成割裂式的研究，一个团队只做自己的计算集群，得到的结果是没有意义的。比如，耳垂折痕和一个基因组 MRPS22 相关，同时这个基因又和心脏病相关的，如果没有数据交叉与分享，这个体征和心脏病就不能联系起来。科学一定是交叉的，支持科研的云形态变得至关重要。

云计算行业的演进过程很简单。最早是 2004 年 3 月，硅谷创业教父 Paul Graham 提出的“软件吞噬世界”，软件带来了开源。接下来是云计算，现在是云原生时代，并行能力变强，加上存储与网络的能力，让数据处理过程变得更快，帮助科研工作者节省大量时间，在数据中找到逻辑和关联性。

要特别提一下“数字孪生”。举例来说，港口做危险品检测，之前主要靠经验数据，是二维的、复杂的。做数字孪生就变得很简单，港口原封不动地呈现在屏幕上，因为有很多数字化设施和传感器安装在港口的角角落落，把港口几乎 100% 还原在屏幕上，和真实世界一样，并且每个环节是可编码的。

开源是全世界的基础架构技术协作

以前，我们大部分中国人对开源是没有概念的，但整个计算机行业完全靠开源推动。信息行业作为一个年轻行业，之所以发展快，关键在于开源带来的高协作性。