內網算力

A. 什麼是智慧警務

來賓市公安局瞄準目標，盯准問題，精準發力，培育「智慧警務」，創新警務機制，打造「來賓樣本」加強版，實現了警務轉型、隊伍提升、社會穩定、群眾滿意的目標，取得橫比進位、縱比跨越的良好成效。2016年，來賓市群眾安全感排在全區第三位。

1深耕公安主業 偵破大案要案

2016年，來賓市公安機關深耕公安主業，通過打防管控等措施，取得了良好成效。

組織開展「神劍1號」「神劍2號」等系列專項行動，嚴厲打擊「盜搶騙」「黃賭毒」「危槍爆」以及食、葯、環等領域的違法犯罪活動，取得總體刑事案件破案率、搶奪案破案率、命案破案率等「九個上升」和「四個100%」（即100%偵破28起現發命案、破獲涉槍涉爆刑事案件、偵破公安廳督辦案件、抓獲公安廳督捕在逃人員）的好成績。先後偵破了「1·01」傳銷專案、「3·8」特大製造毒品案、「9·01」特大網路賭博部督案件、「3·28」涉煙部督案件等9起部督案件、23起廳督案件。在立體化防控方面實現了刑事案件、八大類主要刑事案件、搶劫案、詐騙案、盜竊案、搶奪案、命案立案數和治安案件受理數「八降一增」的目標。

「在公安機關高壓嚴打下，『兩搶』案件大幅度下降。去年，來賓市城區『兩搶』零發案233天，同比增加29天。」來賓市公安局黨委副書記、副局長、紀委書記李實說。

赫赫戰功背後是一支鐵打的「桂中雄師」。2016年，該局共有1個集體和1名個人榮獲省部級表彰，12個集體和17名個人獲廳級表彰，14個集體和43名個人獲市級表彰，1個集體榮立集體二等功，8個集體榮立集體三等功，39個集體獲集體嘉獎，6名民警榮立個人二等功，57名民警榮立個人三等功，195名民警榮獲個人嘉獎。

2培育智慧警務 裝上科技翅膀

警力不足是硬傷，在案多人少的現實下，來賓公安創新警務機制，向科技要警力，向智慧要警力，壓縮犯罪空間營造平安和諧環境。

2016年，來賓市公安局為打好科技戰、信息戰、合成戰，在不斷完善市局合成作戰指揮中心設備、功能、制度等的基礎上，又推進縣級合成作戰體系建設，各縣也相應成立了由刑偵主導的合成作戰室，使之真正成為偵破案件「一站式」指揮平台。

2016年4月18日，來賓市連續發生以「購房退稅」為由的系列電話詐騙案，群眾損失12萬余元。為盡快偵破案件，減少群眾的損失，來賓市公安局把該系列案件匯總到合成作戰指揮中心，利用科技手段及傳統偵查手法相結合，很快就鎖定3名取款的嫌疑對象，並於4月29日在江西省瑞金市將3名犯罪嫌疑人抓獲。隨後，合成作戰指揮中心又於6月8日在福建省廈門市等地將涉嫌詐騙的8名團伙成員抓獲。

據統計，2016年來賓市公安機關通過合成作戰平台破獲1673起刑事案件，占破案總數的62.6%，抓獲重大犯罪嫌疑人1035名，占抓獲總數的54.15%；協助外地警方開展案件研判143起，摸排線索316條，抓獲在逃嫌疑人87名。先後偵破了「陳某森團伙電信網路詐騙案」「覃某能等人高速公路系列搶劫案」等50多起重大案件。

來賓市公安局敢嘗螃蟹，爭取將自治區公安廳的人像識別實驗室建在來賓，在公安內網搭建接案、錄入信息、審批、案件視頻圖像管理等功能的平台、資料庫。

目前，來賓市公安局已建成廣西區內等地共1130萬常住人口人像庫和外省重點人口100萬人像庫，運用大數據進行人像的快速比對，確定人員的身份，在網路（通信）新型犯罪案件以及多發性的盜搶騙案件偵辦方面成效明顯，提高了破案效率，減少了辦案成本。該系統運行以來，就成功運用圖像比對確定100多名嫌疑人的真實身份，協助偵辦區內外60多起重特大案件，涉案金額1000多萬元。

科技就是戰鬥力。來賓市公安局「三台合一」系統為基礎的現代警務指揮平台，警員、報警等資源在「一張圖」上標註定位，警務指揮實現智能化、扁平化、可視化真正做到「警力跟著警情走」，實現社會治安防控精確部署、精確打擊和動態調整。開發的「電動車智能管控系統」有效預防和減少盜竊電動車違法犯罪案件的發生，群眾交口稱贊。

3立足公安改革 創新警務機制

2016年9月開始，來賓市民突然發現，街上指揮交通的民警多了，交通的秩序也比較有序了。這得益於來賓不斷深化的警務機制改革。

改革是來賓公安的優良傳統，警力不足、經費有限，倒逼來賓公安創新警務機制，把有限的警力充分發揮。

2011年1月，來賓市公安局整合各警種成立了城區警務警察支隊，對維護市區社會治安、維護街面交通有很大的促進作用，成為警務機制改革的「來賓樣本」。

隨著來賓經濟發展，城區面積的擴大和汽車保有量大幅度增加，原有的機制已經不適應社會的需求。為了更好的發揮城區警務警察支隊的作用，為市民創造更好的交通環境，2016年9月，來賓市公安局將負責城區交通管理的交警支隊一大隊劃歸城警支隊管理，進一步提升主城區交通管理能力和水平。經改革後，該支隊充分發揮職能作用，共查處各類交通違法行為2628起，同比增加54.86%；城區交通事故死亡人數下降75%。據調查，85%市民認為見警率、管事率明顯提升，75%市民認為城區道路交通秩序明顯改善。

網路（通信）詐騙層出不窮，給社會帶來不穩定因素，群眾反映強烈。12月29日，來賓市公安局反虛假信息詐騙中心掛牌成立，向虛假信息詐騙案件宣戰，利用大數據平台等智能警務系統實現封堵塊、接處警快、打擊快、止付快、預警快的良好效果，切實保障人民群眾的財產安全。

此外，來賓市公安局創新特殊人員管理，通過建立特殊醫區，破解患嚴重疾病涉毒人員、涉案受傷人員、肇事肇禍精神病人等特殊人員收治難題。治安曾為此所困的興賓區各類案件有了較大幅度下降，盜搶案件下降37.28%。創新監所工作法，積極推行拘留所管理教育工作社會化，教育轉化了一批違法人員，有效化解了一批社會矛盾，取得了良好的法律效果和社會效果。去年，來賓全市拘留所成功入所化解社會矛盾30起。象州縣拘留所被評為「全區公安機關執法示範單位」。

來源：平安來賓

B. PC20120726GUAL是什麼手機型號

PC 20120726 gual的型號是一種新式的

C. 如何成為車聯網時代的「老大

在公眾認知里，車聯網的聲量已經低落，2014年發端的一大波宣傳攻勢早就遠去了。但在IT企業看來，好戲才剛剛開始。炒概念是表象，搶地盤是本能，走對路才是關鍵。

IT廠商和主機商還無暇教育潛在客戶，以至於公眾大多仍然無法區分車聯網和車載互聯網。但是這並不重要，客戶需要的是智能系統做得盡量多，而自己只須享受生活。讓客戶越麻煩，產品成功的可能性越小。

在互聯網和移動互聯網階段「坐大」的BAT，已經占據最大的生態位。所有其他APP想另起爐灶做平台級產品，已經近乎不可能。不考慮BAT自身強大的研發實力，他們只須通過「買買買」就能搞掂幾乎所有創業公司，後者總要面臨套現歸順以及與BAT掰手腕的兩難抉擇。

在車聯網時代，情況有點不同。雖然龐大如BAT仍熱衷於發布「戰略」、「平台」，但創業公司看到了新機遇，無須必然仰前者鼻息。

車聯網產業鏈的三層架構中，TSP（Telematics Service Provider，汽車遠程服務提供商）占據產業鏈核心位置，TSP上接汽車、車載設備製造商、網路運營商，下接內容提供商，因此成為主機商、電信運營商和IT廠商極力爭取的角色。做平台之餘，BAT都選擇不惜親自下場做產品，原因就在於此。

車聯網尚未完善，給了創業公司更多機會。

博泰就是一家活躍的創業公司。兩年來，它與網路、聯合電子、華為、恩智浦等半個車聯網鏈條上的公司都有合作。從這一路經可以看出，盡管博泰對待跨界合作最積極，但與車企的合作都是「點對點」，很難拿到戰略合作機會。因為純粹的軟體公司，在車聯網布局上必然不能兼顧。

語音識入口之戰

語音交互一開始只是谷歌（Google Now）、微軟和網路等搜索引擎在做，意圖打通不同語言數據的藩籬，對全球用戶實現全網、全數據覆蓋，謀求更大廣告利益。但很快，車聯網全鏈都意識到，語音交互在車機上的巨大應用價值。

開車不方便觸控操作，語音就成為輸入控制方式。但語音交互被認為有成為車內網、車際網和車載互聯網共同「入口」的潛質，既然是兵家必爭，資源迅速在頭部公司集結。

汽車領域應用的語音交互平台爭奪，進入白熱化階段。產品數量以達到兩位數，它們都做了手機APP，希望影響用戶的使用習慣。而且，我們的年輕用戶，先有手機，後有車機。從手機入手培育客戶，是必然選擇。

幾年前語音識別的正確率還不如人意，隨著人工智慧技術的發育，自然語言處理（NLP）和自然語言理解（NLU）引擎都日趨成熟，各家宣稱的識別率都高於95%。即便如此，客戶總對不靠譜的5%耿耿於懷。在不同語境的語言表現太過復雜，需要用數據不斷「填喂」訓練系統，增強自學習能力。語音識別的競爭過渡到超強計算和大數據處理能力的競爭，創業公司的先發手勢被削弱了。

2014年，亞馬遜基於Alexa平台的智能音箱Echo上線，並開放第三方開發介面，衍生出數千個應用。作為一款智能家居產品，它很容易遷移到車載環境中來。這是第一款成熟智能語音產品。

蘋果的HomePod則姍姍來遲，直到今年2月份才發布，被戲稱為「壓箱底貨」。依託Siri為代表的智能語音助手，蘋果瞄準的則是物聯網（IoT）時代下的智能交互埠，車聯網只是其中一個應用場景。

在此期間，美國的Nuance、國內的科大訊飛、搜狗語音、雲之聲、思必馳等產品紛紛布局智能語音產品。在去年阿里和上汽合作的首款互聯網汽車上，採用了Nuance語音交互系統；科大訊飛就在昨日跟啟辰簽約，早前還同奇瑞、長安、北汽簽訂了一系列合作協議；出門問問則同大眾中國成立合資公司。

創業公司的產品落地，BAT不再是必由之路。在互聯網上到處卡位的BAT似乎不再全面主宰TSP的入口。不過，BAT仍然通過資本運作，企圖圈出自己的地盤。

語音只是工具，客戶真正需要的是智能助理。助理不能只搜索、推送一堆消息，而是要替客戶做決斷，起碼將選項縮減到很小的范圍。從這一點上看，Siri不是「稱職助理」。

攜語音識別之利，科大訊飛發布智能車機「飛魚助理」，聲稱可以支持實時更改需求、中途打斷和睡眠喚醒，看上去智能化有所提高，可以hold住所有日常城市生活場景對話。

如果智能助理得到車企支持，可以透過語音控制一些非安全級事項：空調、音響、電話、車窗升降等。即便開放非關鍵控制權，車企們也很猶豫，邁的步子很小。以至於語音識別公司在這方面建樹不多。

起步稍晚的騰訊，在語音交互領域與同行者合作，但後者尚未擁有挑戰科大訊飛的實力。騰訊AI in car生態系統，在博越發布會上順勢推出，但騰訊聲明不做操作系統，仍然謀求遷移社交，做超級APP。

拿到車端數據，還得是BAT

這個時候，BAT就可以站出來。去年網路世界大會推出的「小度車載系統」，就是典型的AI交互系統。「小度」內置功能繁多，智能語音助手、人臉識別、疲勞監測、AR導航、HMI、車家互聯、智能安全。小度更像是網路各事業群產品的共同入口。

而阿里則祭出旗下斑馬智行公司和AliOS系統，強調後者是雲化的系統。可以像手機系統那樣OTA更新，也能像車機那樣實現長周期壽命。其秘訣在於，藉助雲上的計算和存儲能力大大減輕車端的壓力，延長車端硬體生命周期。

問題在於，替用戶決策、控制車內非安全性設備等智能化場景，需要得到車企的協助。這樣一來，誰能從車企獲得數據，誰就可以順利地接入TSP。由此曲線占據TSP埠。

斑馬和上汽達成協議，斑馬不謀求獲取汽車底層數據，但用戶在使用AliOS車機產生的大數據，則會上傳到阿里伺服器。而行車地圖源數據則部署在車和雲兩端，高德在後台可以獲取「交互信息」。

阿里具備更強大的談判籌碼，與上汽締結了戰略協議，這是創業企業體量無法做到的。而且，在車企視為禁臠的數據包內撕開一個口子。對騰訊的強社交優勢實行「抵消戰略」。

值得一提的是，阿里打算以此為樣板，對車企一家接一家談數據合作。對於新能源創業企業，BAT都打算「要價」高一點，以期獲取全部數據。但尚未有整車創業企業入局。

車聯網的本質，是摒棄手機映射車機方式的。智能化場景的實現，必須從車聯網直接發出，手機不再作為流程節點。這樣不但更無縫，而且可以培育用戶向車聯網時代、進而轉向萬物互聯時代，那時的手機就將走向終結。

騰訊是首屈一指的社交服務商，更希望車聯產品AI in Car，將騰訊的社交網路搬到車上，以便凸顯自身優勢。但是，騰訊的AI in Car除了指向自己擅長的內容，或許應該構建更純粹的TSP架構，開發出車載環境中更需要的決策助理功能，而不是簡單將微信搬上車，同時與車企達成更緊密的合作，力圖讓後者在系列產品上採用騰訊的前端平台。

投資AI，就是投資車聯網

如何幹掉手機？BAT都拿出了自己平台級產品。網路選擇類似蘋果Carplay的手機互聯方案Carlife；阿里巴巴則以Yun OS為基礎，選擇Native App路線；藉助龐大的用戶群，騰訊則希望將應用分為頻道，掌控用戶體驗，邁向超級App之路。

網路的布局更早更全面，大舉投資AI，試圖托舉DuerOS和Apollo兩大開放平台，後者向所有汽車開發者合作。網路聲稱擁有70多家合作夥伴，但一線車企雖然大多在名單上，但都不約而同地迴避深入合作。盡管網路做車聯網通用操作系統+開發平台的決心很大，也投入了很大宣傳聲量，但截至目前，尚未取得突破性進展。這與網路的AI進度沒有直接關聯，車企猶豫多因主導權疑慮。

阿里開發的AliOS自帶平台屬性，與上汽、長安和神龍公司進行AI、應用、社交和信息安全合作。

無論語音識別的超級入口，還是平台，抑或雲端與車端的數據交換，都賴於AI技術的發展。AI的演算法訓練，為車機智能化、場景化推薦服務更人性化提供路徑。越懂用戶的車聯網，就越會被用戶青睞和依賴。

雲計算是AI算力的基礎。阿里側重於讓車主獲得更加智能化的服務，而網路Apollo側重於在自動駕駛領域，讓車在路上更加智能；網路DuerOS則是讓車內語音交互更加智能。

在AI領域，阿里和網路將展開直接競爭。谷歌如果能夠重返中國，也將成為重要競爭對手。對於騰訊而言，內容和TSP雙驅，比重內容輕平台的方式更有競爭力。

值得一提的是，去年科技部公布的「國家新一代人工智慧開放創新平台」中，網路的智能駕駛平台、阿里雲的智慧城市平台、科大訊飛的智能語音平台，都與車聯網直接相關，唯獨騰訊獲得醫療影像AI平台，與前三者格格不入。它揭示了，騰訊在AI策略（輕資產+重投資）方向上，有調整的必要。

隨著AI發展，人機交互必然趨向簡化（降低用戶學習使用成本）。車與人、車與車、車與各種服務的連接關系都將由AI推動。智能語音的超級入口地位將得到更大程度的鞏固。

現在全球汽車業每年的總盤子大概2萬億美元，而未來車聯網和自動駕駛、新能源技術結合的個人出行市場，將達到10萬億美元的水平。蛋糕雖然會持續變大，但未來車聯網產品和戰略的競爭，是否如同互聯網時代一樣，走向寡頭通吃的局面，取決於誰能控制「入口」和「路徑」。

文章來源：騰訊汽車

D. 如何利用區域網內伺服器的計算能力

遠程登陸到 伺服器上 遠程桌面

E. 怎樣可以讓網路上（或區域網內）的多台個人PC共享CPU運算資源

兩者都相當重要，但是在機子配置還可以的情況下，cpu更加重要些。
一般評估一個本子配置的高低是按cpu、 顯卡、 內存來排序的。
內存條
內存條是CPU可通過匯流排定址，並進行讀寫操作的電腦部件。
內存條在個人電腦歷史上曾經是主內存的擴展。
隨著電腦軟、硬體技術不斷更新的要求，內存條已成為讀寫內存的整體。
通常所說電腦內存（RAM）的大小，即是指內存條的總容量。
寫入RAM（即讀寫內存，即內存條）中的數據將在斷電後徹底消失，電腦開機時CPU最早讀入執行的程序數據來自ROM（只讀內存）。
內存是電腦（包括單片機在內）的基礎部件，從有電腦那天起就有了內存。
而外存屬於電腦外圍設備，硬碟是經過磁帶、軟盤階段之後發展產生的外存。
內存是電腦必不可少的組成部分，CPU可通過數據匯流排對內存定址。
歷史上的電腦主板上有主內存，內存條是主內存的擴展。
以後的電腦主板上沒有主內存，CPU完全依賴內存條。
所有外存上的內容必須通過內存才能發揮作用。

F. 請問怎樣才能利用上區域網內其它機器的計算能力！

確實是沒有這種辦法。找一台運行速度最快的來用吧。

G. 這兩年私有雲盤慢慢涌現，其優勢和劣勢在哪兒

私有雲盤的空間會更大，方便自己配置（比如網路雲盤超級會員最大5T），目前好多公有雲會內容檢測，好多東西是不可存的，可見公有雲是存在數據安全問題的！因此才有私有雲的立足空間

H. 360年度汽車安全報告：兩種新型攻擊模式引關注

汽車網路信息安全問題越來越成為備受關注的話題。

近日，360公司正式發布了《2019智能網聯汽車信息安全年度報告》，該報告從智能網聯汽車網路安全發展趨勢、新型攻擊手段、汽車安全攻擊事件、汽車安全風險總結和安全建設建議等方面對2019年智能網聯汽車信息安全的發展做了梳理。

據介紹，APN是運營商給廠商建立的一條專有網路，因為私網APN是專網，安全級別很高，直接接入到車廠的核心交換機上，繞過了網路側的防火牆和入侵檢測系統的防護。但是，一旦黑客通過私有APN網路滲透到車廠的內部網路，則可實施進一步的滲透攻擊，實現遠程批量控制汽車。

在此前一次演講中，360Sky-Go的安全研究人員發現中國國內大部分自主品牌汽車，均使用私有APN連接車控相關的TSP後端伺服器。通過ISP拉專線可以在一定程度上保護後端伺服器的安全，但與此同時也給後端伺服器帶來了更多的安全風險。

原因在於，由於私有APN的存在，TSP雖然不會暴露於公網，但卻導致了TSP的安全人員忽視了私有網路和TSP本身的安全問題，同時私有網路內沒有設置嚴格的安全訪問控制，過度信任T-Box，使得T-Box可以任意訪問私有網路內部資產。

同時，很多不必要的基礎設施服務也暴露於APN私網內，將引發更多安全風險。因此，一旦黑客獲取到智能汽車的T-Box通訊模塊，即可通過通訊模塊接入車廠私有網路，進而攻擊車廠內網，導致TSP淪陷。

基於生成式對抗網聯（GSN）的自動駕駛演算法攻擊的發生則是源於在深度學習模型訓練過程中，缺失了對抗樣本這類特殊的訓練數據。在目前深度學習的實際應用中，通過研究人員的實驗證明，可以通過特定演算法生成相應的對抗樣本，直接攻擊圖像識別系統。因此，當前的神經網路演算法仍存在一定的安全隱患，值得引起我們的注意。

除了這兩種新型攻擊方式之外，還有一種攻擊方式值得我們注意，就是數字鑰匙。

據介紹，數字車鑰匙可用於遠程召喚，自動泊車等新興應用場景，這種多元化的應用場景也導致數字鑰匙易受攻擊。原因在於，數字車鑰匙的「短板效應」顯著，身份認證、加密演算法、密鑰存儲、數據包傳輸等任一環節遭受黑客入侵，則會導致整個數字車鑰匙安全系統瓦解。目前常見的攻擊方式是通過中繼攻擊方式，將數字車鑰匙的信號放大，從而盜竊車輛。

未來智能汽車的安全

在手機行業，從傳統功能機升級換代到智能機，一直伴隨著的就是網路信息安全問題，即使在現如今智能手機如此發達的時期，也不可避免的出現網路詐騙現象。

與手機行業相似的是，傳統功能車升級換代到智能網聯車，其勢必也將會面臨網路信息安全問題。然而，汽車不比手機，手機被網路黑客攻擊，最多出現的就是財產損失。但汽車一旦被黑客攻擊或劫持，很有可能會出現嚴重的交通事故。

基於此，360在報告中提出了5點建議：

第一、建立供應商關鍵環節的安全責任體系，可以說汽車網路安全的黃金分割點在於對供應商的安全管理。「新四化」將加速一級供應商開發新產品，屆時也會有新一級供應商加入主機廠采購體系，原有的供應鏈格局將被重塑。供應鏈管理將成為汽車網路安全的新痛點，主機廠應從質量體系，技術能力和管理水平等多方面綜合評估供應商。

第二、推行安全標准，夯實安全基礎。2020年，將是汽車網路安全標准全面鋪開的一年。根據ISO21434等網路安全標准，在概念、開發、生產、運營、維護、銷毀等階段全面布局網路安全工作，將風險評估融入汽車生產製造的全生命周期，建立完善的供應鏈管理機制，參照電子電器零部件的網路安全標准，定期進行滲透測試，持續對網路安全數據進行監控，並結合威脅情報進行安全分析，開展態勢感知，從而有效地管理安全風險。

第三、構建多維安全防護體系，增強安全監控措施。被動防禦方案無法應對新興網路安全攻擊手段，因此需要在車端部署安全通信模組、安全汽車網關等新型安全防護產品，主動發現攻擊行為，並及時進行預警和阻斷，通過多節點聯動，構建以點帶面的層次化縱深防禦體系。

第四、利用威脅情報及安全大數據提升安全運營能力。網路安全環境瞬息萬變，高質量的威脅情報和持續積累的安全大數據可以幫助車企以較小的代價最大程度地提升安全運營能力，從而應對變化莫測的網路安全挑戰。

第五、良好的汽車安全生態建設依賴精誠合作。術業有專攻，互聯網企業和安全公司依託在傳統IT領域的技術沉澱和積累，緊跟汽車網路安全快速發展的腳步，對相關汽車電子電氣產品和解決方案有獨到的鑽研和見解。只有產業鏈條上下游企業形成合力，才能共同將汽車網路安全提升到「主動縱深防禦」新高度，為「新四化」的成熟落地保駕護航。

未來汽車安全問題勢必是多種多樣的，而對此只有產業鏈上下游共同努力，才能防範於未然。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

I. 如何在短短48小時內用雲計算給地球做b超

今年杭州雲棲大會上，中國館地震局的地球物理科學家王偉濤博士在Tech Insight的數據存儲技術實戰專場做了一場主題分享：名為《雲計算在地震學研究中的應用-利用bcs和海量數據創建虛擬地震》。 他介紹，原本需要一年計算時間的整個中國數千個地震台兩兩之間的五年數據的計算任務，在雲計算中狂飆，48小時之內就計算完成了。
這到底是如何實現的呢?
我們的祖先凝望星河閃耀，卻花費萬年時間才摸索出天體運行規律。
我們的前輩坐看潮湧潮平，卻歷經千秋萬代才能航行到大洋彼岸。
而我們自己，在這片土地上繁衍至今，卻仍舊對腳下的大地懵然無知。
從觀察記錄到規律預測，幾乎是人類科學史的全部邏輯。
但每次我們拼盡全力記下的數據，都只是抬高知識瀚海的涓涓細流。
當我們提筆開始繁復演算的時候，期待的是阿基米德跳出浴缸、牛頓舉起蘋果的那一刻。
王偉濤博士正是這樣計算的執筆人，他來自中國地震局。他想知道的，是我們腳下大地的每個細節。
浩如煙海的計算
我們經歷的每一次地震，都在提醒自己預測和預警這種災害的迫切性。但是，我們距離這個目標還很遠。
為更好的認識地震這一物理現象，需要極其的詳細的地殼結構影像，而為了繪制這張地下地圖，又需要詳盡的數據計算。 目前為止人類打到地下最深的井是前蘇聯鑽探的科拉超深井，約12.2公里，但是地震的震源深度往往在地下十幾到幾十公里，當前的科技根本無法在震源深度開展直接觀測。
所以我們需要依靠分布在全國的數千個地震台來對地震波進行探測，震波在地下的傳播特性，受到地質結構的影響，這也是地震波可以用來繪制地底圖像的原理。這些地震台可以感知地震的「大震波」，也同樣可以捕捉日常的「大地雜訊」，例如海潮拍擊大陸的震動。
根據地震波進行地底成像的原理
王偉濤告訴記者，像他這樣的地球物理科學家幾乎都是半個程序員。 因為從地震波到地底成像，中間要經過超越一般人想像的大規模程序計算。他的計算模型是這樣的： 每一次震動都會由近至遠依次傳遞到各個地震台，所以理論上來說，每個地震台都會對同一次震動做出自己的記錄，這些數據既有差異有又聯系。
利用這些數據，可以計算出一些「虛擬地震」。 用每兩個地震台之間進行數據互相關對比計算，就可以獲取研究中國地下的總體結構所需要的寶貴數據。
虛擬地震可以模擬出和真實地震一樣的數據，所以可以用於本來沒有發生地震的地區的地底成像 每個地震波數據都有 E，N，Z(東西，南北，垂直)三個向度的分量，全國2000多個永久和臨時地震台就是 6000 個分量，每年的數據量大概是 30TB，而我們的總數據量已經到了 PB 級別。
由於我們要相互對比每一個地震台每個時間點的每個分量數據，這些計算量是呈指數級增長的。 王偉濤的智慧和經驗，恰恰表現在他所設計的程序和演算法之上。 但耗費很大心力完成這個演算法的王偉濤博士發現，他才踏上了萬里長征的第一步，還有一個巨大的困難橫亘在面前。
圖中每兩個地震台之間的連線(灰色)都是需要計算的數據，總計算量極其龐大。如果使用單機對這些數據進行計算，大概需要七年時間。按照一個人的職業生涯二十年計算的話，我在退休前只能完成三次計算。在這種情況下，大規模分布式的雲計算似乎成為了唯一的選擇。
然而，雲計算的機理絕不像聽起來這么輕盈。記者也采訪到了中國地震局的合作夥伴阿里雲的童鞋們，在他們眼裡，雲計算和科學研究一樣，集合了人類最頂尖的智慧。
所需存儲空間、計算量和預計單機計算所需的時間
分布式存儲：有關農場的游戲
雲存儲就像一個大的農場，每個伺服器就像一個工人，而你的數據就是羊。阿里雲存儲高級專家承宗說。看來他是個牧場達人。「分布式存儲」，可以看作分布式計算的基礎條件。也就是說，你的羊要先放進阿里雲的「農場」，它的工人才會幫你照料、喂養、剪毛、紡線。
對於王偉濤博士的數據來說，僅僅是存儲在雲端，就需要無數「黑科技」。
在將要進行的計算中，計算系統會對存儲系統進行大規模的訪問。而這些訪問必須要平均地打到伺服器上，絕不能存在熱點。而這還不夠，由於伺服器的硬體故障在大規模集群中會變成一個常態事件，所以必須做好資源的實時調度和提供故障容忍能力。
例如保證在摘掉一塊硬碟的時候，其餘的硬碟要迅速用備份數據把存儲追齊。
承宗舉了以上兩個例子。這兩個例子換成農場的比喻，大概是如下表述： 農場對於工人的工作量要平均分配，絕不能出現「對著一個羊薅羊毛」的情況發生。另外，農場每天都有工人病倒、請假，要在最短的時間把他的工作合理分配給很多人，這樣別的工人也不至於負荷過大。
整個阿里雲的分布式文件系統，被命名為盤古。在承宗心裡，盤古還有很多智能化的「黑科技」。
他舉例了一個例子： 我們人類看到的磁碟都一樣，但是盤古看到的磁碟各不相同。它會根據歷史訪問數據的積累，例如寫入的速度和效率，對每一塊磁碟的健康度進行打分。
對於健康狀況不好的磁碟，就相應減輕一些工作分配。這些底層的技術，都可以為王偉濤博士下一步真正的計算做准備。
承宗說，在分布式計算中，數據帶寬成為了一個重要的參數。從王偉濤博士的角度來看，如果把數據存儲在自己的伺服器上，僅僅利用阿里雲的計算能力進行結果輸出，是不能實現的。原理很簡單，分布式計算的所有伺服器都向一個存儲單位發送數據讀取請求，帶寬會被瞬間堵死，再強大的算力都無法發揮。
至於具體數據，百兆光纖的帶寬一般是 100Mb/s，而硬碟的帶寬最高可達幾Gb/s，而阿里雲存儲內網訪問帶寬(雲計算系統內部)可以高達Tb/s級別。
批量計算：建造一座金字塔
接下來，王偉濤博士的數據就會進入最終計算的環節。我熟悉了自己習慣的 Linux 系統，所有的計算代碼都是在這個環境中完成的，如何讓我的代碼在雲計算的環境中發揮作用，是一個很重要的問題。
地底成像數據的計算流程
在地震科學研究方面，阿里雲顯然沒辦法提出演算法建議，所以他們需要做的是，提供一個通用的介面，讓王偉濤可以使用自己機房中的電腦、界面和Linux 系統，來對雲上的計算進行控制。
阿里雲提供的兼容和適配能力，是阿里計算專家林河山頗為驕傲的地方。 王博士在此之前沒有使用過分布式集群，也沒有使用過「超算」，所以直接跨越到雲上，從操作和控制層面來說，對他來說會是個挑戰。
我們提供的計算介面可以讓單機程序不做修改就高效執行在雲環境下。用戶通過幾句簡單的命令就能在雲上調動大規模的計算資源進行分析，而不需要學習復雜的分布式計算知識。其實很多從其他地方過渡到雲計算的人都會有這樣的問題，所以不僅是王博士，很多其他用戶也會用到我們的通用計算介面。他說。 這個時候，大規模計算的障礙基本被掃清了。
不過，林河山告訴記者，雲計算真正的核心技術，還在於批量計算的算力調度之上。
大規模計算的加速流程和模式 計算規模擴大之後，就會造成對存儲資源的訪問非常頻繁，這時，對於訪問的並發量的控制就要非常「小心」了。
王博士的應用有非常多的小I/O請求，如果每一次I/O請求都直接訪問雲存儲，由此帶來的延時會對計算效率造成影響。為了進一步優化計算性能，批量計算採取了「分布式緩存」的策略，把有可能會用到的數據，提前緩存到計算節點周圍。這樣，就可以讓計算能力不受集群規模的限制。林河山說。
而即使是這樣，還遠遠不夠，對於數據訪問究竟採取多大「粒度」，是考驗系統智能的重要時刻。如果一次讀取過多，可能造成帶寬擁堵，如果一次讀取過少，又會造成頻繁訪問。而針對不同類型的數據，都要做出合理的預判，自動地讀取，是一項艱巨的任務。
打個比方： 這如同建造一座金字塔，數萬名「奴隸」要分工合作。工程師要決定：是犧牲速度一次性運輸多個石塊到現場，還是犧牲數量，一次快速運輸一塊石頭到現場。
同樣，面對浩瀚的金字塔工程，每時每刻要分配多少奴隸來攪拌砂漿，分配多少奴隸來搬運石塊，分別分配多少奴隸來負責建造各個區塊，這個即使是工程師都需要仔細考量才能完成的任務，都要交給系統自動完成，難度可想而知。
當然，如此繁復的計算過程，出錯是經常會發生的。
林河山舉了一個例子： 在渲染追光動畫的動畫片《小門神》時，阿里雲的容錯機制就發揮了作用。(當時在峰值有 2000台伺服器參與了大規模批量計算。)一般情況下， 對於視頻的渲染工作是一個連續的長流程。如果某一幀渲染中哪怕只有一個節點出問題，都會造成訪問的大規模延時，造成邏輯上的擁堵，產生「熱點」。
林河山說：「阿里雲的做法是，在計算出錯之後，在最短的時間內重跑，如果在跑的過程中確認節點存在問題，還會自動調度到另一個地方，這些對於用戶來說都是沒有感知的，但是在背後，我們必須做出大量的努力。
繪制地下的世界
原本需要一年計算時間的整個中國數千個地震台兩兩之間的五年數據的計算任務，在雲計算中狂飆，48小時之內就計算完成了。
地球內部成像，恰似人體的B超
這在雲計算時代來臨以前是無法想像的。 從科學研究的角度來看，這些數據是原始的地震觀測數據的數據產品，同時也是後續科學研究所依賴的重要數據，可以很好地支撐王偉濤進行接下來的研究。 從外界看來計算過程非常順利，而剛才我們所感受的一切艱辛，都只發生在背後的代碼世界。
借用阿里雲產品總監李津的話： 當計算結果輸出的時候，我們所有的技術人員都沉默了。
我們多麼渴望這樣的數據早幾十年被計算出來，這樣我們就能為人類認識地震這一自然災害爭取寶貴的時間。
拋開商業的雲霧，可以看到雲計算真正的的鋒利所在。
王偉濤的研究並沒有停止，他說： 目前為止，我只做了2011年到2015年的一個向度上的數據分析，未來還會繼續把更多向度和頻率上的數據進行計算。科學研究的精確度是可以一直提高的。越來越精確的地底數據，會為礦產勘探、防震減災和地震科學研究提供非常強的支持。
科學的有趣之處，正是在於不斷地嘗試。有可能一覺醒來想到新的方法，就要重新改寫公式和代碼，通過計算進行驗證。
也許有一天，屬於王偉濤的那隻蘋果會悄然落下。那一刻，是王偉濤的勝利，也同樣是人類計算力的勝利。 我們傾盡全力提高算力，把數據的涓涓細流匯聚成洪荒之力，只是因為我們不願對腳下的大地懵然無知。