歐洲科學院院士劉向陽：如何打通企業數字化底座的任督二脈？

““致敬十年”大型策劃火熱進行中，歡迎報名參與。

全世界都在為ChatGPT、DeepSeek等大模型歡呼的時候，一場更底層、更沉默的戰爭，正在成千上萬的企業中打響。產業界面臨一個殘酷的現實：我們不惜投入幾千億美金去訓練“絕頂聰明”的AI大腦，但其賴以生存的身體——數字化系統——卻往往系統失衡、血液不暢。

這個問題，一名海歸計算機科學家劉向陽體會尤深。

“AI的真正基石是數字化，而數字化的根基，在于一個堅實、可靠的數字化底座。”說這話時，劉向陽的語氣透露出學者的篤定。這位擁有德州大學奧斯汀分校博士學位的學者，曾是美國密歇根州立大學終身教授，如今是美的集團首席信息安全官兼軟件工程院院長。然而，當話題轉向中國制造業的數字化困境時，他的語速不由自主地加快。

“我們都在談論AI能飛多高，卻很少人關心它站在什么上面。”

失衡的“數字身體”：

當AI大腦遇上分裂的底座

劉向陽的履歷是標準的學術頂流：德州大學奧斯汀分校博士，密歇根州立大學終身正教授。學術之路走到這個份上，他本可以在象牙塔中優雅地“躺在功勞簿上”。

“但我總感覺少了點什么。”他坦誠地說，“發論文影響力再高，也僅限于學術界。但在產業界，一項技術真能改變生產模式，為人民的切身生活帶來巨大變革，那種影響力是不可同日而語的。”

于是，他毅然選擇回國，從學術界跨入產業界，從互聯網走進制造業。

在他看來，美國強于從0到1的源頭創新，其核心競爭力來自頂尖高等教育與全球人才；中國長于從1到N的應用創新與規模化落地，優勢在于完整的制造業體系與豐富的商業場景。他的個人路徑，恰好呼應了這一節拍：在美國完成學術淬煉，在國內投身于產業一線的大潮。

他將企業數字化分為三個階段：

數字化表達業務：用數字記錄業務，是業務的“數字鏡像”，工具變而流程未變；

數字化優化業務：以數據驅動決策，系統開始反哺業務，例如美的通過數據分析模型替代經驗決策，提升門店選址的科學性；

數字化接管業務：實現流程全自動閉環，如電商平臺從瀏覽到支付無需人工介入。

遺憾的是，絕大多數企業卡死在了從第一步到第二步的路上。卡住企業數字化腳步的，是數字化底座的脆弱。

數字化底座的三個困局：

成本困局、技術困局、多云困局

成本困局：公有云技術好，但是成本太高。據美的內部測算，用公有云比用自己數據中心成本高6-10倍。這背后是公有云重資產商業模式的必然：云廠商數百萬臺服務器快速折舊的成本必須由用戶分攤。更關鍵的是，公有云宣揚的“彈性共享”模型與制造業穩定增長的需求存在根本錯位。

劉向陽分析：“制造業業務增長是可預測的，例如每年20-30%之間。而云計算興起于泛互聯網業務的波動需求。但是泛互聯網業務的特點是贏家通吃，一般最后兩三家做大，其它做死。一旦一個泛互聯網企業做大，就會考慮下公有云。例如字節以前曾經是阿里云最大客戶，但是做大后就下了阿里云。”

技術困局：自建數據中心成本低，但是面臨種種技術困境。

首先是技術落后，大多數企業數據中心的數字化底座技術還停留在誕生于90年代的計算虛擬化技術，與基于云原生的公有云技術體系有著代際的差距。

其次產品雜，企業往往采購多種商業軟件并引入大量開源系統。然而，這些系統之間通常難以打通和聯動，逐步形成一個個“數據孤島”，導致資源無法整合、業務難以協同作戰，整體數字化能力難以體系化構建。尤其在使用開源軟件時，企業往往面臨雙重挑戰：一方面，開源版本并非為企業場景專門設計，缺乏企業級功能、可靠保障和技術支持；另一方面，絕大多數企業不具備駕馭開源系統的能力。是軟件就難免存在BUG，開源軟件同樣如此，但企業通常既無法自主修復漏洞，也難以遵循開源協議向社區貢獻修復代碼。更關鍵的是，這類軟件缺少官方技術支持和維保服務，如同在不夠穩固的地基上建造高樓，系統的長期穩定性和安全性存在根本隱患。

此外，數字化底座的架構問題同樣不容忽視。根據劉向陽的經驗，企業IT重大故障幾乎都可追溯至架構與體系層面的缺陷。脆弱的數字化底座不僅影響系統穩定性，更會拖累整個數字化團隊的效率——由于底層能力缺失，各業務團隊往往被迫自行搭建和維護中間件、數據庫等基礎組件，導致重復建設、資源分散，長期來看整體產出效率必然低下。

而且從信息安全的角度看，薄弱的數字化底座也構成體系性隱患。安全建設依賴于扎實的底層架構，若基礎能力不足，則安全防護難以系統化落實。例如，缺乏云原生虛擬網絡隔離技術，僅靠物理網絡難以實現應用系統之間的有效隔離；而不進行隔離又極其危險，一旦某個應用被攻破，整個數據中心都可能迅速淪陷。這正如軍用潛艇的設計理念：通過密封艙隔離，即使一艙中彈進水，也不會導致整艦沉沒，從而在受損時仍能保持整體安全。

多云困局：劉向陽發現，大多數企業，尤其大企業，在用公有云的時候都會用到多朵云。其背后的動因復雜多元：既有橫向部門原因（不同部門有權利選擇使用不同的云），也有縱向歷史原因（不同時期的CIO選擇了不同的云）；既有業務出海原因（海外業務選擇了海外公有云），也有財務降本需求（因為單云綁定的話議價很難），以及業務穩定需求。

然而，多云架構在帶來靈活性與議價空間的同時，也衍生出一系列挑戰。首先，公有云互不兼容，導致應用跨云遷移成本極高——當一個應用系統從一朵云遷移到另外一朵云的時候，一般都需要至少半年的改造適配時間，這會導致業務晚半年上線。其次，多云環境容易形成“云孤島”與“數據孤島”，部署在不同云上的業務與數據難以打通和聯動。例如，難以實現多云多活。此外，多云運維的難度顯著上升，因為各云平臺的配置、參數互不相同，而且參數越來越多，使得性能調優越來越難。

劉向陽分析公有云不兼容的底層邏輯有兩個。第一難度大：每個公有云是獨立的企業，讓這些獨立的企業做到產品兼容是難度極其大的。第二利益沖突：公有云兼容與客戶綁定沖突。每個公有云都不想自己的客戶遷移到其它公有云；如果公有云互相兼容，那一個公有云上客戶是很容易遷移到另一個公有云上面的。

破局之道：“中立云”

跨越所有基礎設施的統一操作系統

面對成本困局、技術困局、和多云困局這三重困局，劉向陽帶領團隊在美的實踐出了一條新路——“中立云”。

從命名之處，已見其中的乾坤——既不是甲方，也不是乙方，而是“中立方”。

“這是站在甲方視角，為企業構建的、跨越所有基礎設施的統一操作系統。”劉向陽如此定義。

劉向陽在美的帶領團隊建設的中立云，是一個云下云上多云統一的數字化底座，同時解決了上面兩個難題。劉向陽從第一性原理思考，云下云上難道不能一樣么？此云彼云難道不能一樣么？他的中立云給出的答案都是可以一樣。

從本質上講，中立云就是一套完整的云計算能力，可以部署在企業自己數據中心，也可以部署在公有云上，并且通過虛擬網絡技術，把企業所有數據中心以及其在公有云上的資源全部統一納管統一調度。在云下云上統一方面，在一個企業的數據中心里面部署中立云，可以讓該企業在自己的數據中心里面享受到公有云一樣的服務，這樣的公有云技術和老舊的虛擬化技術相比是代際的升級。

在此云彼云統一方面，中立云軟件可以部署在公有云的硬件之上，即在多個公有云上用統一使用中立云軟件；這樣，雖然每個公有云的硬件不盡相同，應用系統所面對的數字化底座軟件都是一樣的。當應用系統從一朵云遷移到另外一朵云上的時候，不需要任何改造與適配；同樣，當應用系統從企業自己數據中心移到一朵公有云上的時候，也一樣不需要任何改造與適配。

在資源統一調度方面，中立云讓一個企業所有數據中心里面的資源和所有公有云上的資源形成全球一張網，全球一朵云，全部云上云下資源全部由中立云統一調度，實現資源的最大化利用。我們知道單機操作系統屏蔽了底層硬件差異，中立云作為一個多云操作系統，屏蔽了不同公有云之間，以及公有云與企業數據中心之間的差異。中立云第一次實現了云計算的軟硬件解耦。縱觀計算機技術發展史，都是從軟硬件耦合開始，以軟硬件解耦結尾。中立云和多云管理平臺CMP有本質區別：中立云是操作系統級別，CMP是portal門戶級別（登陸一個網站代替登陸n個網站）。

“中立云”的核心突破在于：

統一技術棧，無縫貫通：在自建數據中心從裸金屬開始構建，在公有云上從其虛擬機開始，之上全部搭載統一的自研軟件層。應用可在“云下”和“云上”間無縫遷移，無需業務改造。

1.全球資源一體化調度：將所有計算、存儲、網絡資源整合進一個統一邏輯空間。對開發者而言，就像使用一臺超大規模的、分布全球的計算機。

2.極致彈性與業務敏捷：當自有機房算力不足時，系統自動無縫擴容至公有云；業務拓展至全球任何地點，均可利用當地最優資源快速上線。

它的核心思路很“顛覆”：既然無法改變各大云和自建機房的“獨立王國”現狀，那就做一個凌駕于所有王國之上的“聯合國”，并制定一套通用的“世界語”（統一技術棧）。

劉向陽進一步闡述了“中立云”的特殊身位，美的的“中立云”與公有云并非簡單的競爭關系，而更像是一種互補與賦能。美的利用并納管了各朵云的能力，為企業編織了一張真正可靠、靈活且成本可控的全球資源網絡，解決了單一云廠商或自建模式都無法獨立解決的難題。

這與AI Infra的演進方向高度一致。未來的競爭力不再是單點算力，而是全鏈協同的系統能力。中立云正是這種系統能力的體現，它通過軟件定義的方式，實現了對多元異構算力的整合與融合調度。

五大支柱：構建堅如磐石的數字化底座

基于“中立云”，美的構建了數字化底座的五大核心支柱：

支柱一：堅如磐石的穩定性

·采用現代云原生架構，實現真正彈性伸縮

·創新高可用模式：用公有云作為自建數據中心的低成本“雙活”伙伴，甚至實現“多云雙活”

·成果：自2022年重構底座以來，美的數字化底座故障數量下降27倍

支柱二：內建與賦能的安全合規

·虛擬網絡實現業務邏輯隔離，防止“一點突破，全網皆失”

·實現從數據庫到大數據平臺的細粒度權限管控，例如工資這一列不能讓DBA（數據庫管理員）查看，再例如審計部門的這些行數據不能讓DBA查看。對一張表，即使DBA有權查看，如果表里面的某些數據含有個人隱私數據或者公司自己定義的保密數據，DBA看到的也是脫敏后的數據

·所有數據庫訪問通過統一平臺，SQL語句被解析審計，杜絕合規風險

支柱三：極致的開發運維效率

·服務化的中間件與數據庫，開發者可“一鍵申請”

·深度集成的AI研發效能：自研Web IDE將AI代碼生成與項目管理、知識庫深度聯動

·憑借上層應用全棧自研的優勢，構建了一整套深度聯動的研發平臺。它不只是一個工具，而是一個包含了項目管理、代碼托管、CI/CD流水線、自動化測試（包括獨特的電控開發測試）、多維度量體系（涵蓋上百個業務與效能指標）以及AI代碼生成的一體化平臺。讓美的的AI代碼生成達到了業界前沿水平：采納率40%，最終代碼入庫率25%

支柱四：敏捷響應業務全球化

·支持從VMware無縫遷移且保持IP不變

·分布式對象存儲支持全球加速，讓歐洲員工訪問中國PLM文件獲得本地化體驗

·業務全球拓展可實現“一鍵部署”，底座即時隨行

支柱五：極致的總體擁有成本（TCO）

·相比公有云，成本大幅降低

·相比自建傳統數據中心，提供更先進、穩定、安全的能力

·通過全局智能調度，從每一個計算周期中榨取最大價值

用甲方的心態做“乙方”：

為什么“中立云”能成

有些問題不純粹是技術問題，因為技術反而相對容易解決。中立云最本質的特征，或許正是其純粹的“甲方視角”。

“公有云作為乙方，其商業利益與為客戶極致降本存在內在沖突。我們則毫無保留地致力于此——成為業界唯一能將企業所有資源，包括多個自建數據中心與多個公有云，整合成邏輯上一朵無縫專屬云的方案。”劉向陽說。

他舉了一個極致案例：傳統大數據開發需獨立的生產集群和開發測試集群，數據需復制，資源消耗翻倍。而美的這一首創技術，允許開發人員在單一生產集群上直接進行安全的“增刪查改”體驗，底層數據毫無受損——僅此一項，資源成本與數據管理復雜度減半。

這種極致優化源于團隊獨特的雙重身份：既是構建者，也是使用者。

“我們每天用自己的系統支撐全球業務，任何低效與痛點都會立即反饋。這種‘吃自己做的狗糧’的方式，讓我們對問題有切膚之痛。”劉向陽說。

2025年夏天，該系統迎來首次大考——美的“618”大促期間，某核心營銷系統流量激增300%。傳統方案需提前數月擴容，而中立云在5分鐘內自動從公有云調度額外算力，保障業務平穩。事后復盤，成本僅為全面使用公有云方案的17%。

在劉向陽看來，AI時代真正的競爭不僅是算法模型之爭，更是數字化底座之爭。一個穩定、安全、高效、敏捷且成本最優的數字化底座，將成為企業智能進化的決定性因素。

而“中立云”所代表的，正是中國制造業在數字化深水區趟出的一條獨特道路——不盲從現有范式，而是從自身痛點出發，以甲方視角重構基礎設施，實現降維突破。

這條路，或許正是中國從“應用創新”邁向“源頭創新”的關鍵一步。當堅實的數字化底座成為常態，中國的AI產業才能有無限的可能。

采訪最后，劉向陽列舉了一組數據：中國超過80%的企業仍在使用傳統虛擬化技術，能全面上云的不足15%，能玩轉智能化運營的更是鳳毛麟角。

“中立云的使命，就是打破成本與技術的雙重鎖定，讓每家企業，無論大小，都能以合理的價格享受到優質的數字化服務。”

美的計劃將這套自身驗證過的“中立云”能力開放給整個行業，特別是制造業的同行。

畢竟，AI要飛得高，大家腳下的地板，都得先一起夯實了。