云里雾里云计算 【15】商机在于为人民服务

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。