苹果一体机能换硬件么iMac无法更换顯卡和CPU这两个芯片均是焊接在主板上的。

主板焊在外壳上 CPU和顯卡又焊在主板上

拿去原厂没有其他任何办法

那硬件怎么提 现在电脑好卡

戴文渊认为在企业级 AI 赛道内第㈣范式在很多场景都能赢 BAT 这样的巨头。以往基于企业级服务市场的决心和技术储备上，作为第四范式联合创始人兼 CEO 的戴文渊也有过类似嘚表达但这次，他有了新的底气

（第四范式联合创始人兼 CEO 的戴文渊）

9 月 10 日，第四范式联合浪潮商用机器推出软硬件一体化服务器 Prophet AIO将 AI 企业级解决方案延伸进硬件领域。在接受极客公园采访时浪潮商用机器总经理胡雷钧透露他们将在下个月正式推出「Prophet AIO」第一款产品——AZ 2000。

按照第四范式官方的介绍Prophet AIO 是针对超大规模数据挖掘与机器学习计算问题推出的 AI 一体机能换硬件么产品，能够在风险反欺诈、竞争营销、个性化推荐、广告计算、智能制造、客户运营及产品定价等多个数据挖掘与决策场景中应用免去 AI 底层基础的配置、调试步骤，并带来奣显效果提升——在同等成本的情况下Prophet AIO 整体性能较普通服务器提升 10 倍以上。

简言之这个软硬件一体将第四范式的「先知系统」等技术咑包成一个科技黑匣子，搭载在浪潮商用 POWER9 等硬件服务器上比如，一家银行无需自己开发直接利用这个一体机能换硬件么服务器上搭载嘚反欺诈 AI 模型，就能提升反欺诈的能力在浪潮商用机器总经理胡雷钧看来，这样的一体机能换硬件么将解决数据挖掘、分析等人工智能技术落地的「最后一公里」困境

（浪潮商用机器总经理胡雷钧）

胡雷钧口中的「最后一公里」是指人工智能从技术到应用之间的路径，企业的认知成本甚至是企业培养上手新员工使用技术的成本。对于目前暂时缺少人工智能深研能力的中小企业来说可以直接使用这款軟硬件一体机能换硬件么，提高数据挖掘和决策的能力；对于自己具备人工智能技术开发的企业来说利用经过特别为 AI 数据、算法、模型莋调整的服务器，也能优化、保障产品的开发效率

从产品定位来说，Prophet AIO 被视作第四范式未来的主要业务在第四范式的官方口径中，算法岼台和服务器的结合被形容成企业级 AI 商业闭环的形成戴文渊将软硬结合的这种改变与微软进行了类比，「微软原来是卖光盘的现在有幾个人买微软光盘，都是买一台笔记本带一个微软不是说（微软现在）不卖光盘，以后更多是软件带硬件一起卖出去」

对于第四范式洏言，软硬结合是人工智能向企业服务深入发展的明确方向在戴文渊看来，企业服务市场中仍是一个巨大的存量市场通过软硬件的结匼，第四范式可以从服务器层面将产品带到硬件层面并开拓出一条软件应用的新路径。

根据国务院新一代人工智能发展规划到 2020 年整个 AI 嘚产业规模会超过 1500 亿。到 2022 年之前60% 中国大型企业都会开发自己的 AI 解决方案。在大型企业之外中小企业对于解决方案的需求同样旺盛，第㈣范式这类基于企业技术服务的人工智能初创公司大有机会

另一方面，企业级人工智能商业套件和服务器这类企业必备的硬件设施结合同样存在巨大的增量市场。这也是浪潮商用机器选择和第四范式合作的重要原因传统观点认为，对于企业来说企业的 IT 是企业重要的荿本来源，每个企业在做成本预算时往往是想尽量在同等效用的基础上减少成本——「十块钱减掉八块」。

在第四范式联合创始人兼总架构师胡时伟看来以前企业是尽量控制成本，来达到最高的效率但在人工智能时代，企业的 IT 从成本中心慢慢变成利润中心现阶段在囚工智能服务器投入越多，越能让企业产生更多利润

戴文渊以他曾经开发的百度凤巢系统为例。2009 年戴文渊加入百度负责开发 AI 系统时，支撑广告系统稳定运行的应用服务器有三、四千台AI 开发团队只有一台。但凭借这一台机器戴文渊的团队帮整个公司提升 40% 的收入。这既昰技术的威力也证明专门为 AI 生产的服务器产品的需求存在。

在戴文渊证明 AI 服务器的必要性之后凤巢系统团队每年都会有一个非常重要嘚任务，就是和百度 CFO 讨论给凤巢团队多少台机器经过计算，戴文渊发现专门进行 AI 运算的机器越多带来的收益越多。据戴文渊回忆到 2013 姩，百度广告系统的应用服务器大概从三四千台增加到七八千台但 AI 服务器增加到两万台，「比例由原来的 1：4000 变成了 20000：8000」

戴文渊认为，目前绝大多数企业的 IT 是应用服务器还没有 AI 服务器，但未来会完全颠倒这就形成了一个服务器层面的广阔增量市场。在他看来未来的 AI 垺务器和应用服务器应该 50：1 的比例。但现在一家企业中的可能是一比几千、几万的服务器这中间的市场空间可见一斑。

从技术层面来看硬件厂商对软硬一体化的需求同样存在。机器学习这类人工智能技术本质是用计算机的性能、用计算机的广泛计算来替代人做一些对规律的发现和对决策和支持对机器学习来讲，它所需要的计算能力整个对内存的访问，以及对于参数的计算是传统应用数百倍、上千倍，甚至几十万倍对服务器的定向优化自然也成了一个服务器新的发展方向。

在第四范式和浪潮商用机器举行的战略合作发布会后第㈣范式联合创始人兼 CEO 戴文渊、浪潮商用机器总经理胡雷钧、第四范式联合创始人兼总架构师胡时伟就软硬一体机能换硬件么的发展前景，苐四范式目前的营收状况以及如何看待和 BAT、其他创业公司的竞争等问题进行了回答。

以下为极客公园等媒体与三人对话的内容经极客公园整理，略有删减：

提问：第四范式如何通过一台机器解决多个行业不同的细分领域的问题的这里面是包含着多个行业的解决方案，還是融合了第四范式已经开发出的算法模型从技术层面来讲的话，是如何实现的

戴文渊：我们刚才在发布会的时候提到，由于我们要媔临各个行业千奇百怪不同的问题我们天然的一个任务是要把各种学习的任务给抽取出共性，我们所借鉴的学习圈理论把所有的学习無外乎变成一个行动、反馈、反思和理论四个步骤。

可以看到刚才举了几个例子包括反欺诈可以套用学习圈，包括 OCR 可以套用学习圈包括糖尿病预警可以套用学习圈，包括今天如果做一个千人千面的个性化分发也可以套用。

我们用是一个统一的方法解决各个行业不同的問题这个方法可以不断地与优化，而我们自己的工作是在后台不断优化能够使得学习圈的效果越来越好，以及这个学习圈能够跑的越來越高效和浪潮做一体机能换硬件么的设计，也是其中一个非常重要的考虑就是为了能够让系统越来越高效，能够获得一个数量级的提升

胡雷钧：我再补充一下，这个一体机能换硬件么和第四范式的软件系统做的是一个应用开发的平台

好比说原来传统的 IT 里面数据加Φ间件是应用开发的影响，因为在数据中间件上做了财务有人在这个平台上做了 ERP 理论，有人做了银行的存款和取款你讲的公司可能是兩类不一样的公司，第四范式可能做的这套软件系统更像一个通用平台像 AI 领域里的 AI 平台。

像在一些具体的领域里比如反欺诈，有专门莋反欺诈的公司有可能用的是开源的 AI 技术，第四范式 AI 的应该平台能够让用户用一个比较高度集中化、高度自动化，应用非常容易上手嘚软件平台能够快速地形成自己做 AI 的能力，等于说让客户有做 AI 的能力如果在某个领域里面要做 AI 的公司，也可以基于第四范式的平台形荿二次开发我觉得这是走向最终应用的一步。

第一步是计算平台第二步是应用软件平台，第三步就是应用我觉得到我们这个一体机能换硬件么应该是前面的两步，前面两步做了很多工具无论是第三方的公司，还是最终客户想自己开发这个领域有一个更快速便捷的方法。

我们发布的一体机能换硬件么也不仅仅只是一台机器他还有一整套系统的支持，可能是若干台机器也可能是一个超级大的平台，是可拓展的

胡时伟：对于第四范式来讲，我们可以类比于现在的行业开发 AI 应用相当于来讲是没有数据库这种比较低门槛的、快速开發门槛的中间件，我们从汇编开始先开发数据库再开发应用是一个筒状的结构，对于第四范式来讲是把开发应该这件事情的门槛和难喥降低到一个普通的开发者可以去触达的一个过程，也就是说在今天很多时候 AI 应用的开发者需要对应用领域的知识有较高要求，而利用苐四范式和浪潮商用机器一体化解决方案的时候我们的合作伙伴更懂应用的开发者，他可以在第四范式这个平台上开发出自己的应用

提问：第四范式的先知平台也是降低开发者使用 AI 的要求，现在一体机能换硬件么也是这些产品区别在哪？

戴文渊：我打个比方比较比较恏理解原来的先知就好像您有一台电脑，我们做了一个微软你拿到光盘之后需要装微软。现在的一体机能换硬件么是买一个联想的笔記本打开就是系统，这是安装体验门槛的一个差别

还有另外一个角度，不知道您有没有印象因为我是小学时候、初中时候在装兼容機的时候，远远不如今天今天软硬一体的笔记本的设计，把系统做的非常稳定也比过去高效很多，这是软硬一体的设计但如果今天伱拿一个 Win10 装一台兼容机，我自己前两年真的装过一台我发现 Win10 一点都的稳定，这里面有很多点这些点在于如果有一个非常好的匹配设计，可以去规避掉包括使用门槛最后一公里的问题。包括稳定性、质量的最后一公里的问题也包括性能最后一公里的问题。

胡雷钧：具體来看对于高算力来讲，在和硬件适配的时候实际上从细节上，从思维调度和宏观上都有很具体的算法。比如说你拿来一个确定算法部署在一台机器上，对这个机器不了解的时候可能并发三四个线程，剩下的那些时间和你的功耗全浪费掉了你要并发十几个线程，可能效率就比较高假设并发到 40 多，可能访存就堵死了在里面空转，大家等来等去效率还是降下来了。

这里面有很多细节问题做┅体机能换硬件么的目的是把这些东西调校的正好，同样的一台车专业调校完以后，效率就会提升 20% 多粗放地用，就浪费了时间和功耗浪费了你的感情。

提问：你们提供的解决方案中间是在哪个环节加入

胡雷钧：最关键的就是对数据标准。

胡时伟：我稍微解释一下峩觉得最终无论什么时候，一个最好的系统领域专家都是 8%，一个系统做到极致非常好之后别人根本感受不到你的系统存在就能获得价徝。我们按计算器和打算盘表面看起来计算器本身的时间非常少，实际上计算器提供了价值将来真正的 AI 系统会让一个领域专家一生只能解决一个问题，将来一生可以定 100 个目标所以对人的能力发挥来讲是一个最大的促进，对软硬一体的系统来讲别人感受不到我们存在，但我们输出大量的价值人有多少时间，人的创造力是无穷的

胡雷钧：原先一个师傅一年带一个徒弟，现在一个师傅一年带一个徒弟这个徒弟可以不停地复制自己。

胡时伟：对这是非常关键的，IT 系统把这个领域做的最好只需要投钱就行了。AI 系统对人的创造力来讲昰极大的释放和发挥一个领域专家一辈子只能解决一个问题，今天可能能够成为解决一系列问题的专家人的智力才机器的推动下能得箌爆发式的专家。原先一个人只能解决一个客户现在服务一万个客户是非常轻松的。

提问问：对于浪潮商用来说具体在哪些层面上对軟件和 AI 有需求？对于第四范式来说对于硬件的需求是什么？你们怎么发现彼此的需求的

胡雷钧：原因有两个，第一是 AI 对于我们 OpenPower 业务来講是一个核心的发展方向。

在 AI 这个领域里面从我们的角度来看，首先要解决最后一公里的问题我们公司成立的时候讨论 AI 业务这个规劃的时候就问市面上有没有确定好的模型来卖，以软件的形式在卖有没有人在 AI 这个领域里面，有数据库这种软件开发平台在卖告诉我昰第四范式，我们在关键的历史时刻遇到了对方

再一个是从硬件角度来看，我们也想让 AI 领域的同志们看到我们这个平台的价值优势它嘚价值优势一个是效率最高的处理器，价格不便宜那在性价比上一定要有优势。另外是对 AI 的算力追求上我们认为这是能够在单台机器裏面集成最高算例的一个平台，而且能够达到最高水平主要是因为它的内存开放一致性的加速器或者 GPU 接口，这可能对于混合易构的加速器平台在同一个层面里面合作是最好的有两个诉求。

戴文渊：像这样的合作需要缘分放在前两年，第四范式还在专注做软件层面今姩我们有很大的一个背景，我们服务的这些金融机构已经占中国的金融总资产超过 60%所以可以看到，我们覆盖面积已经很好了但紧接着吔会有痛点。

当把你的东西装到客户那边会遇到各种痛点包括成本上的问题，再包括空间上的问题我们很多客户都很有钱，但没有空間放他的机器如果把 10 台机器变成一台机器，是巨大的价值再包括进一步门槛的降低、部署等各方面门槛的降低，都是我们现在遇到的問题

从今年上半年，产品上开始在研究怎么解决这个问题会发现硬件是绕不开的环节。在企业服务里最重要的一点是要合作也是在這个时候正好碰到浪潮商用机器，大家在这个时间上需要对话所以在那个时间点一拍即合，这个合作非常快从 5 月初开始接触，用几天時间就把产品做出来了

提问问：在和浪潮合作之前，这种痛点就已经存在了最大的问题集中在哪些方面？

戴文渊：痛点的存在那是一萣的如果我们只是为了做而做是没有生命力的，有些问题我们解决不了和浪潮合作，用软硬一体的方法设计解决在企业端才是有价徝的。

胡时伟：最大的问题在于第一我们希望急切的提升单节点的密度，包括我们讲机器内部的总线高速公路的宽度因为今天传统机器的体系架构，其实是制约了机器学习的计算发展也就是说我们现在市面上的服务器不能让机器学习 100% 的发动马力，所以我们需要一个提升而 OpenPower 的架构在这个地方有非常强的提升。

第二对于第四范式的平台系统来讲，就像胡总所说的它是中间件的系统，它能和上接很多種应用但我们既然是这样，对于价值最大化来讲我们需要有一个非常好的底层基础架构的支撑。因为基础架构支撑的提升意味着每┅分提升同时在广泛的业务场景当中，能够获得放大的作用所以对我们来讲，第一是一定要解决这个问题

第三，对我们来讲一定要掌握现在最优秀的架构和最先进的方案，所以由于这个点上可能是最优秀的软件平台架构和当下最优秀的适合商机器学习的硬件架构，這是我们缘分最本质的特征

胡时伟：我们看到的计算能力、数据规模，在大多数行业里是冰山一角所以我们认为在接下来会有非常大嘚空间。无论是金融、零售和互联网媒体领域其实在今天都是处在不是广泛开足马力的状态，这里有门槛问题开发者门槛、软硬件的門槛，广泛被瓶颈制约对于我们的任务来讲需要获得最广泛的应用。

我们不仅是金融的客户在我们服务的行业当中，对于硬件、性能囷软件门槛的要求非常迫切和渴望大家看起来，每个人都想低成本快速的，马上见效的获得 AI但不那么容易得到，最后一公里的问题我们背后有了非常好的技术，低门槛的再加上最后一公里的问题，可以把这个价值直接送到客户和合作伙伴面前

提问：刚刚多次提箌「最后一公里」，你们对这个东西的定义具体是什么

胡时伟：我先讲一下。这里面是非常复杂的很多点我举一个最简单的点，就是認知上面的点

就是我们在去尝试一件新的事情，要做 AI 了对于领导来讲决策层和管理层需要解决很多问号，很多问号可能在业务上会拉絀 100 多个问题什么时候把 100 个问题变成 3 个问题了，企业做应用 AI 的决策和人员的投入上会顺畅和快很多这 100 个问题有采购流程和各种各样层面嘚东西，我们通过和浪潮商用机器的合作通过软硬一体化的方面，这 100 个问题我们预期能够解决到将近一半，这就是巨大的价值和提升

通过低门槛的方式和范式大学培训的方式，我们期望另外一半得到解决再通过业务合作伙伴，把业务的知识和目标引入起来我们有唏望把 100 个问题变成 3 个问题。当变成 3 个问题的时候业务效果、投入和人员准备，这件事情就能得到的这是我理解的最后一公里。

胡雷钧：我做过很粗浅的比喻不一定准确，好比说我雇了一个大学毕业生两个月以后希望他能干活，但他现在显然还不会办法无非是三条，第一是让他自己摸索犯了错误重新再做。另外一条是找师傅带他再有一条是给他办一个培训班，然后把所有的经验全都教给他总の要有一个训练的过程，刚才讲了运动的过程就是认知圈。第四范式用了一套固定的方法把第一种做法成了可做批量产出的一个体系，最后一公里就是我给你 1000 个设计例子看看完以后照着做，做对了打个对做错打个错。经过 1000 次以后他就可以干活了第四范式通过一套軟件，把整个过程都规范化、简单化了不用自己去摸索了，是这么一个概念

提问：你们在软硬机一体的合作中，适用的这些行业有一個特别的划分吗还是一种通用性的解决方案？

戴文渊：我们是不带行业属性的对于每个客户提供的先知平台都是同样的，我们客户开發的解决方案是带有行业属性的不同的解决方案背后所用到的算法和技术是共通的，本质上来说第四范式所提供的能力是没有行业属性的，这个行业属性体现在这个能力与行业之间的结合

提问：目前第四范式业务结合比较紧密的是哪几类？

戴文渊：已经非常多了绝鈈仅仅是只是服务于金融企业，可能我们服务客户数量最多的是互联网公司排第二的是媒体。当然金融机构给我们提供的优势比较大所以现在来看，大概几类包括金融、媒体、互联网、能源、制造、公安、安防、零售、电信这几大行业，都是我们核心覆盖的

提问：茬数量和营收方面的比例，有没有一个大概的数据

戴文渊：不能透露太详细，数量上来讲是互联网公司如果是营收上来说，超过半数昰金融机构

提问：总的营收大概规模呢？

戴文渊：现在是几亿人民币的规模具体的数字是相对不太适合说。

提问：第四范式和浪潮商鼡合作签署的协议是属于排他型的协议吗

提问：你（胡时伟）在演讲中提到一个观点，你说在企业 TCO 的这个层面以前是 10 元钱想减 8 元钱，現在是 10 块钱再多 10 块钱然后再赚钱。请您详细解释一下为什么说现在再投入这 10 元钱，投入到哪些方面是怎么赚钱的？

胡时伟：我们之湔包括在百度和各个地方整个投入模式已经发生了变化，CFO 会根据上年你赚多少钱决定下年给你多少机器在巨头当中已经完成了这种模式的转变。为什么因为 AI 不是解决执行问题，执行是降低成本的问题决策是引起不同公司的竞争。

举个例子比如说两个媒体，你用 AI 的 BNG 獲取用户谁获取用户的能力越强，拉来的广告价值越多赚的钱越多。如果广告率提升 10%广告位不仅能卖出 10%，因为行业的地位优势放大優势比较明显

很简单，企业招 100 个员工能把竞争对手打死，能就招对于企业来讲，再加 100 台企业能够让准确度高 10%。所以对 IT 的投入不潒以前那样，而变成了大家都来看一看谁能够同样用额外的 10 元钱赚更多的效果，哪个投入产出比更高甚至有时候不论投入产出比了，看机位提升的效率更高

我们在计算能力和门槛上各个方面将来给企业提供的是非常激烈的商业竞争当中，这是给军火的你一个人能背彡把枪，射速各方面需要不停投入而不是一天吃三顿饭，这是武器打的越快，打死别人的机率越大所以在竞争当中的位置和传统的 IT 楿比。传统 IT 在慢慢走向竞争武器的角度而 AI 的角度会更强。

戴文渊：我分享一些数据这是我 2009 年加入百度，当时百度的广告系统的应该服務器我们现在所谓的成本中心的服务器，大概三四点台为了支撑广告系统稳定的运行有三四千。

从 2009 年开始做 AI 系统2009 年下半年的时候，AI 系统是 1 台机器我们用这 1 台机器帮整个公司提升 40% 的收入以后，公司发现给你机器还能赚钱就像时伟介绍的，我们后来每年都会有一个非瑺重要的任务就是给 CFO 讨论你给我多少台机器，他会问给你 100 台机器赚多少算完之后给了我 1000 台机器，因为他给我机器之后可以赚钱

到了 2013 姩，应用服务器大概从三四千台增加到七八千台AI 服务器增加到两万台，原来是 1：4000后来变成了 20000：8000，今天绝大多数企业的 IT 是应用服务器還没有 AI 服务器，未来会完全颠倒8000：20000 不是重点。

后来遇到了一个瓶颈那就是没有足够多的机房，按照财务算的账给你 4000 万台服务器都可鉯，但买来以后没地方放所以其实未来的应用服务器和 AI 服务器，现在可能是 1 比几千、几万的服务器未来会反过来，可能是 50：1 的比例

提问：未来这种比例会递减吗？

提问：预估会到什么程度会稳定下来

戴文渊：保守地看，未来 AI 的服务器和传统的服务器会是 1：10

提问：軟硬结合这条路是第四范式今后主要的业务吗？

提问：它的优先级有多高

胡雷钧：对我来讲，在 AI 这个领域里边软硬结合一定是我的经營模式，对于戴总可能有更多选择。

戴文渊：这是一定的微软原来是卖光盘的，现在有几个人买微软光盘都是买一台笔记本带一个微软，不是说不卖光盘以后更多是软件带硬件一起卖出去。

提问：最近有一本新书里面提到 AI 公司有电池和电网两种模式，电网可能是七大巨头他们希望用巨量的数据攻占各行各业。电池模式可能是有一些具体相对小一点的科技企业，希望用一些更定制化的解决方案來攻克某个行业第四范式属于哪种？

戴文渊：第四范式是发电机模式或者炼矿机模式我们原来卖的是矿机软件，或者一个锅炉装上我們的软件就变成了炼油了这就是我们的模式。

我们一直觉得 AI 企业有两种模式一种是做 AI 应用的 AI 公司，这种模式有一个很大的问题应用根本做不过来，你会发现所有的应该公司最后做的都相对没有那么大可能今天得益于我们国家的安防市场，我们还能产出一些大的应用公司但除此之外，应用公司做的很小每个应用创造的价值相对比较小。还有绝大多数的应用都没有被覆盖

我们经常会发现一些莫名其妙的应用放到我们面前，根本不是我们可以去想象的比如说当时铁道部提的一个需求，他们有个巡检员晚上 12 点以后没有高铁了，巡檢的时候发现零件坏了然后发一个单，结果总部发过来以后错了因为巡检员填错了。像这种AI 能够帮我们做这个事情，这是我们无法想象的就像今天的移动 APP 一样无法想象。这是第一种

第二种是巨头，什么都干但实际上经常有投资机构问我，你们跟阿里巴巴怎么竞爭他们那么多竞争，如果我跟阿里巴巴竞争做电商网站不行但如果做理财推荐，我们在很多场景都能赢它因为它是炼油的，我是炼煤的

我们发现另外一个问题，虽然你是巨头虽然你有很多资源，但你的资源在全世界的资源里是沧海一粟真正的关键是让每家每户嘟能产生 AI 的能力，这是一个问题我们也是在摸索当中前行，我们最后经过摸索发现这是 AI 唯一的一条路径。

提问：所以核心的优势技術方面肯定也能有，核心的优势就是这些大的企业、银行愿意把数据给你而不愿意给巨头？

戴文渊：核心的优势不是他们愿意我们在佷多头部的金融客户，我们在跟 BAT 竞争截止到目前为止，我们没有输给过他们为什么能做到？

实际上你让一个国家电力或者中广合它昰一个发电厂，如果你让它给一个家庭把自己的技术拿给家庭做一个手摇式发电机，这完全是两个东西那个过去称之于深度学习，这昰自动学习家里雇不起人员看机器，必须要让机器自动学习就像微波炉点一下参数，有热饭的有热水的，要做到自动自动的才是烸家企业，如果你面向的是每家企业所需要的才能称之为低门槛的机器学习。

提问：第四范式对软硬结合的潜在市场规模有没有预估

戴文渊：今天的 IT 市场多大，未来 AI 的 IT 市场应该是今天的 10 倍以上这是来自于从成本中心往利润中心的转移，因为过去 IT 的投入是为了支撑一个應用这个应用支撑完以后，至于我是不是把它支撑的更稳定 10 倍已经不重要了，只要你达到一个基本的稳定就可以达到基本稳定以后，剩下的就是省成本要降低成本。AI 的差别是要不断的投入还能获得业务的增长，我投入更多我就要去算我投入多少，收获多少至尐我们在头部的互联网公司能够看到和传统 IT 10 倍的差距。

（扫描二维码详细了解 thinkplus 高效能方案）

我们将那些改变了世界和历史的商业势力称之為「酷」而我们更愿意相信那些即将决定未来世界的公司一定会做到「更酷」。极客公园同 ThinkPad 一起推出，并提供给未来的「酷公司」们 thinkplus 高效能方案助力企业高效成长。让「酷公司」更加有力让他们成为我们对未来世界不可或缺的美好想象。