内网算力

A. 什么是智慧警务

来宾市公安局瞄准目标，盯准问题，精准发力，培育“智慧警务”，创新警务机制，打造“来宾样本”加强版，实现了警务转型、队伍提升、社会稳定、群众满意的目标，取得横比进位、纵比跨越的良好成效。2016年，来宾市群众安全感排在全区第三位。

1深耕公安主业 侦破大案要案

2016年，来宾市公安机关深耕公安主业，通过打防管控等措施，取得了良好成效。

组织开展“神剑1号”“神剑2号”等系列专项行动，严厉打击“盗抢骗”“黄赌毒”“危枪爆”以及食、药、环等领域的违法犯罪活动，取得总体刑事案件破案率、抢夺案破案率、命案破案率等“九个上升”和“四个100%”（即100%侦破28起现发命案、破获涉枪涉爆刑事案件、侦破公安厅督办案件、抓获公安厅督捕在逃人员）的好成绩。先后侦破了“1·01”传销专案、“3·8”特大制造毒品案、“9·01”特大网络赌博部督案件、“3·28”涉烟部督案件等9起部督案件、23起厅督案件。在立体化防控方面实现了刑事案件、八大类主要刑事案件、抢劫案、诈骗案、盗窃案、抢夺案、命案立案数和治安案件受理数“八降一增”的目标。

“在公安机关高压严打下，‘两抢’案件大幅度下降。去年，来宾市城区‘两抢’零发案233天，同比增加29天。”来宾市公安局党委副书记、副局长、纪委书记李实说。

赫赫战功背后是一支铁打的“桂中雄师”。2016年，该局共有1个集体和1名个人荣获省部级表彰，12个集体和17名个人获厅级表彰，14个集体和43名个人获市级表彰，1个集体荣立集体二等功，8个集体荣立集体三等功，39个集体获集体嘉奖，6名民警荣立个人二等功，57名民警荣立个人三等功，195名民警荣获个人嘉奖。

2培育智慧警务 装上科技翅膀

警力不足是硬伤，在案多人少的现实下，来宾公安创新警务机制，向科技要警力，向智慧要警力，压缩犯罪空间营造平安和谐环境。

2016年，来宾市公安局为打好科技战、信息战、合成战，在不断完善市局合成作战指挥中心设备、功能、制度等的基础上，又推进县级合成作战体系建设，各县也相应成立了由刑侦主导的合成作战室，使之真正成为侦破案件“一站式”指挥平台。

2016年4月18日，来宾市连续发生以“购房退税”为由的系列电话诈骗案，群众损失12万余元。为尽快侦破案件，减少群众的损失，来宾市公安局把该系列案件汇总到合成作战指挥中心，利用科技手段及传统侦查手法相结合，很快就锁定3名取款的嫌疑对象，并于4月29日在江西省瑞金市将3名犯罪嫌疑人抓获。随后，合成作战指挥中心又于6月8日在福建省厦门市等地将涉嫌诈骗的8名团伙成员抓获。

据统计，2016年来宾市公安机关通过合成作战平台破获1673起刑事案件，占破案总数的62.6%，抓获重大犯罪嫌疑人1035名，占抓获总数的54.15%；协助外地警方开展案件研判143起，摸排线索316条，抓获在逃嫌疑人87名。先后侦破了“陈某森团伙电信网络诈骗案”“覃某能等人高速公路系列抢劫案”等50多起重大案件。

来宾市公安局敢尝螃蟹，争取将自治区公安厅的人像识别实验室建在来宾，在公安内网搭建接案、录入信息、审批、案件视频图像管理等功能的平台、数据库。

目前，来宾市公安局已建成广西区内等地共1130万常住人口人像库和外省重点人口100万人像库，运用大数据进行人像的快速比对，确定人员的身份，在网络（通信）新型犯罪案件以及多发性的盗抢骗案件侦办方面成效明显，提高了破案效率，减少了办案成本。该系统运行以来，就成功运用图像比对确定100多名嫌疑人的真实身份，协助侦办区内外60多起重特大案件，涉案金额1000多万元。

科技就是战斗力。来宾市公安局“三台合一”系统为基础的现代警务指挥平台，警员、报警等资源在“一张图”上标注定位，警务指挥实现智能化、扁平化、可视化真正做到“警力跟着警情走”，实现社会治安防控精确部署、精确打击和动态调整。开发的“电动车智能管控系统”有效预防和减少盗窃电动车违法犯罪案件的发生，群众交口称赞。

3立足公安改革 创新警务机制

2016年9月开始，来宾市民突然发现，街上指挥交通的民警多了，交通的秩序也比较有序了。这得益于来宾不断深化的警务机制改革。

改革是来宾公安的优良传统，警力不足、经费有限，倒逼来宾公安创新警务机制，把有限的警力充分发挥。

2011年1月，来宾市公安局整合各警种成立了城区警务警察支队，对维护市区社会治安、维护街面交通有很大的促进作用，成为警务机制改革的“来宾样本”。

随着来宾经济发展，城区面积的扩大和汽车保有量大幅度增加，原有的机制已经不适应社会的需求。为了更好的发挥城区警务警察支队的作用，为市民创造更好的交通环境，2016年9月，来宾市公安局将负责城区交通管理的交警支队一大队划归城警支队管理，进一步提升主城区交通管理能力和水平。经改革后，该支队充分发挥职能作用，共查处各类交通违法行为2628起，同比增加54.86%；城区交通事故死亡人数下降75%。据调查，85%市民认为见警率、管事率明显提升，75%市民认为城区道路交通秩序明显改善。

网络（通信）诈骗层出不穷，给社会带来不稳定因素，群众反映强烈。12月29日，来宾市公安局反虚假信息诈骗中心挂牌成立，向虚假信息诈骗案件宣战，利用大数据平台等智能警务系统实现封堵块、接处警快、打击快、止付快、预警快的良好效果，切实保障人民群众的财产安全。

此外，来宾市公安局创新特殊人员管理，通过建立特殊医区，破解患严重疾病涉毒人员、涉案受伤人员、肇事肇祸精神病人等特殊人员收治难题。治安曾为此所困的兴宾区各类案件有了较大幅度下降，盗抢案件下降37.28%。创新监所工作法，积极推行拘留所管理教育工作社会化，教育转化了一批违法人员，有效化解了一批社会矛盾，取得了良好的法律效果和社会效果。去年，来宾全市拘留所成功入所化解社会矛盾30起。象州县拘留所被评为“全区公安机关执法示范单位”。

来源：平安来宾

B. PC20120726GUAL是什么手机型号

PC 20120726 gual的型号是一种新式的

C. 如何成为车联网时代的“老大

在公众认知里，车联网的声量已经低落，2014年发端的一大波宣传攻势早就远去了。但在IT企业看来，好戏才刚刚开始。炒概念是表象，抢地盘是本能，走对路才是关键。

IT厂商和主机商还无暇教育潜在客户，以至于公众大多仍然无法区分车联网和车载互联网。但是这并不重要，客户需要的是智能系统做得尽量多，而自己只须享受生活。让客户越麻烦，产品成功的可能性越小。

在互联网和移动互联网阶段“坐大”的BAT，已经占据最大的生态位。所有其他APP想另起炉灶做平台级产品，已经近乎不可能。不考虑BAT自身强大的研发实力，他们只须通过“买买买”就能搞掂几乎所有创业公司，后者总要面临套现归顺以及与BAT掰手腕的两难抉择。

在车联网时代，情况有点不同。虽然庞大如BAT仍热衷于发布“战略”、“平台”，但创业公司看到了新机遇，无须必然仰前者鼻息。

车联网产业链的三层架构中，TSP（Telematics Service Provider，汽车远程服务提供商）占据产业链核心位置，TSP上接汽车、车载设备制造商、网络运营商，下接内容提供商，因此成为主机商、电信运营商和IT厂商极力争取的角色。做平台之余，BAT都选择不惜亲自下场做产品，原因就在于此。

车联网尚未完善，给了创业公司更多机会。

博泰就是一家活跃的创业公司。两年来，它与网络、联合电子、华为、恩智浦等半个车联网链条上的公司都有合作。从这一路经可以看出，尽管博泰对待跨界合作最积极，但与车企的合作都是“点对点”，很难拿到战略合作机会。因为纯粹的软件公司，在车联网布局上必然不能兼顾。

语音识入口之战

语音交互一开始只是谷歌（Google Now）、微软和网络等搜索引擎在做，意图打通不同语言数据的藩篱，对全球用户实现全网、全数据覆盖，谋求更大广告利益。但很快，车联网全链都意识到，语音交互在车机上的巨大应用价值。

开车不方便触控操作，语音就成为输入控制方式。但语音交互被认为有成为车内网、车际网和车载互联网共同“入口”的潜质，既然是兵家必争，资源迅速在头部公司集结。

汽车领域应用的语音交互平台争夺，进入白热化阶段。产品数量以达到两位数，它们都做了手机APP，希望影响用户的使用习惯。而且，我们的年轻用户，先有手机，后有车机。从手机入手培育客户，是必然选择。

几年前语音识别的正确率还不如人意，随着人工智能技术的发育，自然语言处理（NLP）和自然语言理解（NLU）引擎都日趋成熟，各家宣称的识别率都高于95%。即便如此，客户总对不靠谱的5%耿耿于怀。在不同语境的语言表现太过复杂，需要用数据不断“填喂”训练系统，增强自学习能力。语音识别的竞争过渡到超强计算和大数据处理能力的竞争，创业公司的先发手势被削弱了。

2014年，亚马逊基于Alexa平台的智能音箱Echo上线，并开放第三方开发接口，衍生出数千个应用。作为一款智能家居产品，它很容易迁移到车载环境中来。这是第一款成熟智能语音产品。

苹果的HomePod则姗姗来迟，直到今年2月份才发布，被戏称为“压箱底货”。依托Siri为代表的智能语音助手，苹果瞄准的则是物联网（IoT）时代下的智能交互端口，车联网只是其中一个应用场景。

在此期间，美国的Nuance、国内的科大讯飞、搜狗语音、云之声、思必驰等产品纷纷布局智能语音产品。在去年阿里和上汽合作的首款互联网汽车上，采用了Nuance语音交互系统；科大讯飞就在昨日跟启辰签约，早前还同奇瑞、长安、北汽签订了一系列合作协议；出门问问则同大众中国成立合资公司。

创业公司的产品落地，BAT不再是必由之路。在互联网上到处卡位的BAT似乎不再全面主宰TSP的入口。不过，BAT仍然通过资本运作，企图圈出自己的地盘。

语音只是工具，客户真正需要的是智能助理。助理不能只搜索、推送一堆消息，而是要替客户做决断，起码将选项缩减到很小的范围。从这一点上看，Siri不是“称职助理”。

携语音识别之利，科大讯飞发布智能车机“飞鱼助理”，声称可以支持实时更改需求、中途打断和睡眠唤醒，看上去智能化有所提高，可以hold住所有日常城市生活场景对话。

如果智能助理得到车企支持，可以透过语音控制一些非安全级事项：空调、音响、电话、车窗升降等。即便开放非关键控制权，车企们也很犹豫，迈的步子很小。以至于语音识别公司在这方面建树不多。

起步稍晚的腾讯，在语音交互领域与同行者合作，但后者尚未拥有挑战科大讯飞的实力。腾讯AI in car生态系统，在博越发布会上顺势推出，但腾讯声明不做操作系统，仍然谋求迁移社交，做超级APP。

拿到车端数据，还得是BAT

这个时候，BAT就可以站出来。去年网络世界大会推出的“小度车载系统”，就是典型的AI交互系统。“小度”内置功能繁多，智能语音助手、人脸识别、疲劳监测、AR导航、HMI、车家互联、智能安全。小度更像是网络各事业群产品的共同入口。

而阿里则祭出旗下斑马智行公司和AliOS系统，强调后者是云化的系统。可以像手机系统那样OTA更新，也能像车机那样实现长周期寿命。其秘诀在于，借助云上的计算和存储能力大大减轻车端的压力，延长车端硬件生命周期。

问题在于，替用户决策、控制车内非安全性设备等智能化场景，需要得到车企的协助。这样一来，谁能从车企获得数据，谁就可以顺利地接入TSP。由此曲线占据TSP端口。

斑马和上汽达成协议，斑马不谋求获取汽车底层数据，但用户在使用AliOS车机产生的大数据，则会上传到阿里服务器。而行车地图源数据则部署在车和云两端，高德在后台可以获取“交互信息”。

阿里具备更强大的谈判筹码，与上汽缔结了战略协议，这是创业企业体量无法做到的。而且，在车企视为禁脔的数据包内撕开一个口子。对腾讯的强社交优势实行“抵消战略”。

值得一提的是，阿里打算以此为样板，对车企一家接一家谈数据合作。对于新能源创业企业，BAT都打算“要价”高一点，以期获取全部数据。但尚未有整车创业企业入局。

车联网的本质，是摒弃手机映射车机方式的。智能化场景的实现，必须从车联网直接发出，手机不再作为流程节点。这样不但更无缝，而且可以培育用户向车联网时代、进而转向万物互联时代，那时的手机就将走向终结。

腾讯是首屈一指的社交服务商，更希望车联产品AI in Car，将腾讯的社交网络搬到车上，以便凸显自身优势。但是，腾讯的AI in Car除了指向自己擅长的内容，或许应该构建更纯粹的TSP架构，开发出车载环境中更需要的决策助理功能，而不是简单将微信搬上车，同时与车企达成更紧密的合作，力图让后者在系列产品上采用腾讯的前端平台。

投资AI，就是投资车联网

如何干掉手机？BAT都拿出了自己平台级产品。网络选择类似苹果Carplay的手机互联方案Carlife；阿里巴巴则以Yun OS为基础，选择Native App路线；借助庞大的用户群，腾讯则希望将应用分为频道，掌控用户体验，迈向超级App之路。

网络的布局更早更全面，大举投资AI，试图托举DuerOS和Apollo两大开放平台，后者向所有汽车开发者合作。网络声称拥有70多家合作伙伴，但一线车企虽然大多在名单上，但都不约而同地回避深入合作。尽管网络做车联网通用操作系统+开发平台的决心很大，也投入了很大宣传声量，但截至目前，尚未取得突破性进展。这与网络的AI进度没有直接关联，车企犹豫多因主导权疑虑。

阿里开发的AliOS自带平台属性，与上汽、长安和神龙公司进行AI、应用、社交和信息安全合作。

无论语音识别的超级入口，还是平台，抑或云端与车端的数据交换，都赖于AI技术的发展。AI的算法训练，为车机智能化、场景化推荐服务更人性化提供路径。越懂用户的车联网，就越会被用户青睐和依赖。

云计算是AI算力的基础。阿里侧重于让车主获得更加智能化的服务，而网络Apollo侧重于在自动驾驶领域，让车在路上更加智能；网络DuerOS则是让车内语音交互更加智能。

在AI领域，阿里和网络将展开直接竞争。谷歌如果能够重返中国，也将成为重要竞争对手。对于腾讯而言，内容和TSP双驱，比重内容轻平台的方式更有竞争力。

值得一提的是，去年科技部公布的“国家新一代人工智能开放创新平台”中，网络的智能驾驶平台、阿里云的智慧城市平台、科大讯飞的智能语音平台，都与车联网直接相关，唯独腾讯获得医疗影像AI平台，与前三者格格不入。它揭示了，腾讯在AI策略（轻资产+重投资）方向上，有调整的必要。

随着AI发展，人机交互必然趋向简化（降低用户学习使用成本）。车与人、车与车、车与各种服务的连接关系都将由AI推动。智能语音的超级入口地位将得到更大程度的巩固。

现在全球汽车业每年的总盘子大概2万亿美元，而未来车联网和自动驾驶、新能源技术结合的个人出行市场，将达到10万亿美元的水平。蛋糕虽然会持续变大，但未来车联网产品和战略的竞争，是否如同互联网时代一样，走向寡头通吃的局面，取决于谁能控制“入口”和“路径”。

文章来源：腾讯汽车

D. 如何利用局域网内服务器的计算能力

远程登陆到 服务器上 远程桌面

E. 怎样可以让网络上（或局域网内）的多台个人PC共享CPU运算资源

两者都相当重要，但是在机子配置还可以的情况下，cpu更加重要些。
一般评估一个本子配置的高低是按cpu、 显卡、 内存来排序的。
内存条
内存条是CPU可通过总线寻址，并进行读写操作的电脑部件。
内存条在个人电脑历史上曾经是主内存的扩展。
随着电脑软、硬件技术不断更新的要求，内存条已成为读写内存的整体。
通常所说电脑内存（RAM）的大小，即是指内存条的总容量。
写入RAM（即读写内存，即内存条）中的数据将在断电后彻底消失，电脑开机时CPU最早读入执行的程序数据来自ROM（只读内存）。
内存是电脑（包括单片机在内）的基础部件，从有电脑那天起就有了内存。
而外存属于电脑外围设备，硬盘是经过磁带、软盘阶段之后发展产生的外存。
内存是电脑必不可少的组成部分，CPU可通过数据总线对内存寻址。
历史上的电脑主板上有主内存，内存条是主内存的扩展。
以后的电脑主板上没有主内存，CPU完全依赖内存条。
所有外存上的内容必须通过内存才能发挥作用。

F. 请问怎样才能利用上局域网内其它机器的计算能力！

确实是没有这种办法。找一台运行速度最快的来用吧。

G. 这两年私有云盘慢慢涌现，其优势和劣势在哪儿

私有云盘的空间会更大，方便自己配置（比如网络云盘超级会员最大5T），目前好多公有云会内容检测，好多东西是不可存的，可见公有云是存在数据安全问题的！因此才有私有云的立足空间

H. 360年度汽车安全报告：两种新型攻击模式引关注

汽车网络信息安全问题越来越成为备受关注的话题。

近日，360公司正式发布了《2019智能网联汽车信息安全年度报告》，该报告从智能网联汽车网络安全发展趋势、新型攻击手段、汽车安全攻击事件、汽车安全风险总结和安全建设建议等方面对2019年智能网联汽车信息安全的发展做了梳理。

据介绍，APN是运营商给厂商建立的一条专有网络，因为私网APN是专网，安全级别很高，直接接入到车厂的核心交换机上，绕过了网络侧的防火墙和入侵检测系统的防护。但是，一旦黑客通过私有APN网络渗透到车厂的内部网络，则可实施进一步的渗透攻击，实现远程批量控制汽车。

在此前一次演讲中，360Sky-Go的安全研究人员发现中国国内大部分自主品牌汽车，均使用私有APN连接车控相关的TSP后端服务器。通过ISP拉专线可以在一定程度上保护后端服务器的安全，但与此同时也给后端服务器带来了更多的安全风险。

原因在于，由于私有APN的存在，TSP虽然不会暴露于公网，但却导致了TSP的安全人员忽视了私有网络和TSP本身的安全问题，同时私有网络内没有设置严格的安全访问控制，过度信任T-Box，使得T-Box可以任意访问私有网络内部资产。

同时，很多不必要的基础设施服务也暴露于APN私网内，将引发更多安全风险。因此，一旦黑客获取到智能汽车的T-Box通讯模块，即可通过通讯模块接入车厂私有网络，进而攻击车厂内网，导致TSP沦陷。

基于生成式对抗网联（GSN）的自动驾驶算法攻击的发生则是源于在深度学习模型训练过程中，缺失了对抗样本这类特殊的训练数据。在目前深度学习的实际应用中，通过研究人员的实验证明，可以通过特定算法生成相应的对抗样本，直接攻击图像识别系统。因此，当前的神经网络算法仍存在一定的安全隐患，值得引起我们的注意。

除了这两种新型攻击方式之外，还有一种攻击方式值得我们注意，就是数字钥匙。

据介绍，数字车钥匙可用于远程召唤，自动泊车等新兴应用场景，这种多元化的应用场景也导致数字钥匙易受攻击。原因在于，数字车钥匙的“短板效应”显著，身份认证、加密算法、密钥存储、数据包传输等任一环节遭受黑客入侵，则会导致整个数字车钥匙安全系统瓦解。目前常见的攻击方式是通过中继攻击方式，将数字车钥匙的信号放大，从而盗窃车辆。

未来智能汽车的安全

在手机行业，从传统功能机升级换代到智能机，一直伴随着的就是网络信息安全问题，即使在现如今智能手机如此发达的时期，也不可避免的出现网络诈骗现象。

与手机行业相似的是，传统功能车升级换代到智能网联车，其势必也将会面临网络信息安全问题。然而，汽车不比手机，手机被网络黑客攻击，最多出现的就是财产损失。但汽车一旦被黑客攻击或劫持，很有可能会出现严重的交通事故。

基于此，360在报告中提出了5点建议：

第一、建立供应商关键环节的安全责任体系，可以说汽车网络安全的黄金分割点在于对供应商的安全管理。“新四化”将加速一级供应商开发新产品，届时也会有新一级供应商加入主机厂采购体系，原有的供应链格局将被重塑。供应链管理将成为汽车网络安全的新痛点，主机厂应从质量体系，技术能力和管理水平等多方面综合评估供应商。

第二、推行安全标准，夯实安全基础。2020年，将是汽车网络安全标准全面铺开的一年。根据ISO21434等网络安全标准，在概念、开发、生产、运营、维护、销毁等阶段全面布局网络安全工作，将风险评估融入汽车生产制造的全生命周期，建立完善的供应链管理机制，参照电子电器零部件的网络安全标准，定期进行渗透测试，持续对网络安全数据进行监控，并结合威胁情报进行安全分析，开展态势感知，从而有效地管理安全风险。

第三、构建多维安全防护体系，增强安全监控措施。被动防御方案无法应对新兴网络安全攻击手段，因此需要在车端部署安全通信模组、安全汽车网关等新型安全防护产品，主动发现攻击行为，并及时进行预警和阻断，通过多节点联动，构建以点带面的层次化纵深防御体系。

第四、利用威胁情报及安全大数据提升安全运营能力。网络安全环境瞬息万变，高质量的威胁情报和持续积累的安全大数据可以帮助车企以较小的代价最大程度地提升安全运营能力，从而应对变化莫测的网络安全挑战。

第五、良好的汽车安全生态建设依赖精诚合作。术业有专攻，互联网企业和安全公司依托在传统IT领域的技术沉淀和积累，紧跟汽车网络安全快速发展的脚步，对相关汽车电子电气产品和解决方案有独到的钻研和见解。只有产业链条上下游企业形成合力，才能共同将汽车网络安全提升到“主动纵深防御”新高度，为“新四化”的成熟落地保驾护航。

未来汽车安全问题势必是多种多样的，而对此只有产业链上下游共同努力，才能防范于未然。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

I. 如何在短短48小时内用云计算给地球做b超

今年杭州云栖大会上，中国馆地震局的地球物理科学家王伟涛博士在Tech Insight的数据存储技术实战专场做了一场主题分享：名为《云计算在地震学研究中的应用-利用bcs和海量数据创建虚拟地震》。 他介绍，原本需要一年计算时间的整个中国数千个地震台两两之间的五年数据的计算任务，在云计算中狂飙，48小时之内就计算完成了。
这到底是如何实现的呢?
我们的祖先凝望星河闪耀，却花费万年时间才摸索出天体运行规律。
我们的前辈坐看潮涌潮平，却历经千秋万代才能航行到大洋彼岸。
而我们自己，在这片土地上繁衍至今，却仍旧对脚下的大地懵然无知。
从观察记录到规律预测，几乎是人类科学史的全部逻辑。
但每次我们拼尽全力记下的数据，都只是抬高知识瀚海的涓涓细流。
当我们提笔开始繁复演算的时候，期待的是阿基米德跳出浴缸、牛顿举起苹果的那一刻。
王伟涛博士正是这样计算的执笔人，他来自中国地震局。他想知道的，是我们脚下大地的每个细节。
浩如烟海的计算
我们经历的每一次地震，都在提醒自己预测和预警这种灾害的迫切性。但是，我们距离这个目标还很远。
为更好的认识地震这一物理现象，需要极其的详细的地壳结构影像，而为了绘制这张地下地图，又需要详尽的数据计算。 目前为止人类打到地下最深的井是前苏联钻探的科拉超深井，约12.2公里，但是地震的震源深度往往在地下十几到几十公里，当前的科技根本无法在震源深度开展直接观测。
所以我们需要依靠分布在全国的数千个地震台来对地震波进行探测，震波在地下的传播特性，受到地质结构的影响，这也是地震波可以用来绘制地底图像的原理。这些地震台可以感知地震的“大震波”，也同样可以捕捉日常的“大地噪声”，例如海潮拍击大陆的震动。
根据地震波进行地底成像的原理
王伟涛告诉记者，像他这样的地球物理科学家几乎都是半个程序员。 因为从地震波到地底成像，中间要经过超越一般人想象的大规模程序计算。他的计算模型是这样的： 每一次震动都会由近至远依次传递到各个地震台，所以理论上来说，每个地震台都会对同一次震动做出自己的记录，这些数据既有差异有又联系。
利用这些数据，可以计算出一些“虚拟地震”。 用每两个地震台之间进行数据互相关对比计算，就可以获取研究中国地下的总体结构所需要的宝贵数据。
虚拟地震可以模拟出和真实地震一样的数据，所以可以用于本来没有发生地震的地区的地底成像 每个地震波数据都有 E，N，Z(东西，南北，垂直)三个向度的分量，全国2000多个永久和临时地震台就是 6000 个分量，每年的数据量大概是 30TB，而我们的总数据量已经到了 PB 级别。
由于我们要相互对比每一个地震台每个时间点的每个分量数据，这些计算量是呈指数级增长的。 王伟涛的智慧和经验，恰恰表现在他所设计的程序和算法之上。 但耗费很大心力完成这个算法的王伟涛博士发现，他才踏上了万里长征的第一步，还有一个巨大的困难横亘在面前。
图中每两个地震台之间的连线(灰色)都是需要计算的数据，总计算量极其庞大。如果使用单机对这些数据进行计算，大概需要七年时间。按照一个人的职业生涯二十年计算的话，我在退休前只能完成三次计算。在这种情况下，大规模分布式的云计算似乎成为了唯一的选择。
然而，云计算的机理绝不像听起来这么轻盈。记者也采访到了中国地震局的合作伙伴阿里云的童鞋们，在他们眼里，云计算和科学研究一样，集合了人类最顶尖的智慧。
所需存储空间、计算量和预计单机计算所需的时间
分布式存储：有关农场的游戏
云存储就像一个大的农场，每个服务器就像一个工人，而你的数据就是羊。阿里云存储高级专家承宗说。看来他是个牧场达人。“分布式存储”，可以看作分布式计算的基础条件。也就是说，你的羊要先放进阿里云的“农场”，它的工人才会帮你照料、喂养、剪毛、纺线。
对于王伟涛博士的数据来说，仅仅是存储在云端，就需要无数“黑科技”。
在将要进行的计算中，计算系统会对存储系统进行大规模的访问。而这些访问必须要平均地打到服务器上，绝不能存在热点。而这还不够，由于服务器的硬件故障在大规模集群中会变成一个常态事件，所以必须做好资源的实时调度和提供故障容忍能力。
例如保证在摘掉一块硬盘的时候，其余的硬盘要迅速用备份数据把存储追齐。
承宗举了以上两个例子。这两个例子换成农场的比喻，大概是如下表述： 农场对于工人的工作量要平均分配，绝不能出现“对着一个羊薅羊毛”的情况发生。另外，农场每天都有工人病倒、请假，要在最短的时间把他的工作合理分配给很多人，这样别的工人也不至于负荷过大。
整个阿里云的分布式文件系统，被命名为盘古。在承宗心里，盘古还有很多智能化的“黑科技”。
他举例了一个例子： 我们人类看到的磁盘都一样，但是盘古看到的磁盘各不相同。它会根据历史访问数据的积累，例如写入的速度和效率，对每一块磁盘的健康度进行打分。
对于健康状况不好的磁盘，就相应减轻一些工作分配。这些底层的技术，都可以为王伟涛博士下一步真正的计算做准备。
承宗说，在分布式计算中，数据带宽成为了一个重要的参数。从王伟涛博士的角度来看，如果把数据存储在自己的服务器上，仅仅利用阿里云的计算能力进行结果输出，是不能实现的。原理很简单，分布式计算的所有服务器都向一个存储单位发送数据读取请求，带宽会被瞬间堵死，再强大的算力都无法发挥。
至于具体数据，百兆光纤的带宽一般是 100Mb/s，而硬盘的带宽最高可达几Gb/s，而阿里云存储内网访问带宽(云计算系统内部)可以高达Tb/s级别。
批量计算：建造一座金字塔
接下来，王伟涛博士的数据就会进入最终计算的环节。我熟悉了自己习惯的 Linux 系统，所有的计算代码都是在这个环境中完成的，如何让我的代码在云计算的环境中发挥作用，是一个很重要的问题。
地底成像数据的计算流程
在地震科学研究方面，阿里云显然没办法提出算法建议，所以他们需要做的是，提供一个通用的接口，让王伟涛可以使用自己机房中的电脑、界面和Linux 系统，来对云上的计算进行控制。
阿里云提供的兼容和适配能力，是阿里计算专家林河山颇为骄傲的地方。 王博士在此之前没有使用过分布式集群，也没有使用过“超算”，所以直接跨越到云上，从操作和控制层面来说，对他来说会是个挑战。
我们提供的计算接口可以让单机程序不做修改就高效执行在云环境下。用户通过几句简单的命令就能在云上调动大规模的计算资源进行分析，而不需要学习复杂的分布式计算知识。其实很多从其他地方过渡到云计算的人都会有这样的问题，所以不仅是王博士，很多其他用户也会用到我们的通用计算接口。他说。 这个时候，大规模计算的障碍基本被扫清了。
不过，林河山告诉记者，云计算真正的核心技术，还在于批量计算的算力调度之上。
大规模计算的加速流程和模式 计算规模扩大之后，就会造成对存储资源的访问非常频繁，这时，对于访问的并发量的控制就要非常“小心”了。
王博士的应用有非常多的小I/O请求，如果每一次I/O请求都直接访问云存储，由此带来的延时会对计算效率造成影响。为了进一步优化计算性能，批量计算采取了“分布式缓存”的策略，把有可能会用到的数据，提前缓存到计算节点周围。这样，就可以让计算能力不受集群规模的限制。林河山说。
而即使是这样，还远远不够，对于数据访问究竟采取多大“粒度”，是考验系统智能的重要时刻。如果一次读取过多，可能造成带宽拥堵，如果一次读取过少，又会造成频繁访问。而针对不同类型的数据，都要做出合理的预判，自动地读取，是一项艰巨的任务。
打个比方： 这如同建造一座金字塔，数万名“奴隶”要分工合作。工程师要决定：是牺牲速度一次性运输多个石块到现场，还是牺牲数量，一次快速运输一块石头到现场。
同样，面对浩瀚的金字塔工程，每时每刻要分配多少奴隶来搅拌砂浆，分配多少奴隶来搬运石块，分别分配多少奴隶来负责建造各个区块，这个即使是工程师都需要仔细考量才能完成的任务，都要交给系统自动完成，难度可想而知。
当然，如此繁复的计算过程，出错是经常会发生的。
林河山举了一个例子： 在渲染追光动画的动画片《小门神》时，阿里云的容错机制就发挥了作用。(当时在峰值有 2000台服务器参与了大规模批量计算。)一般情况下， 对于视频的渲染工作是一个连续的长流程。如果某一帧渲染中哪怕只有一个节点出问题，都会造成访问的大规模延时，造成逻辑上的拥堵，产生“热点”。
林河山说：“阿里云的做法是，在计算出错之后，在最短的时间内重跑，如果在跑的过程中确认节点存在问题，还会自动调度到另一个地方，这些对于用户来说都是没有感知的，但是在背后，我们必须做出大量的努力。
绘制地下的世界
原本需要一年计算时间的整个中国数千个地震台两两之间的五年数据的计算任务，在云计算中狂飙，48小时之内就计算完成了。
地球内部成像，恰似人体的B超
这在云计算时代来临以前是无法想象的。 从科学研究的角度来看，这些数据是原始的地震观测数据的数据产品，同时也是后续科学研究所依赖的重要数据，可以很好地支撑王伟涛进行接下来的研究。 从外界看来计算过程非常顺利，而刚才我们所感受的一切艰辛，都只发生在背后的代码世界。
借用阿里云产品总监李津的话： 当计算结果输出的时候，我们所有的技术人员都沉默了。
我们多么渴望这样的数据早几十年被计算出来，这样我们就能为人类认识地震这一自然灾害争取宝贵的时间。
抛开商业的云雾，可以看到云计算真正的的锋利所在。
王伟涛的研究并没有停止，他说： 目前为止，我只做了2011年到2015年的一个向度上的数据分析，未来还会继续把更多向度和频率上的数据进行计算。科学研究的精确度是可以一直提高的。越来越精确的地底数据，会为矿产勘探、防震减灾和地震科学研究提供非常强的支持。
科学的有趣之处，正是在于不断地尝试。有可能一觉醒来想到新的方法，就要重新改写公式和代码，通过计算进行验证。
也许有一天，属于王伟涛的那只苹果会悄然落下。那一刻，是王伟涛的胜利，也同样是人类计算力的胜利。 我们倾尽全力提高算力，把数据的涓涓细流汇聚成洪荒之力，只是因为我们不愿对脚下的大地懵然无知。