“计算+”进阶 够火！够牛！够炫！
众所周知，浪潮“计算+”战略自去年IPF大会上提出后，定位关键业务计算、高端存储计算、企业计算、高性能计算、云计算、大数据计算、安全计算七大领域，其中关键业务计算和企业计算重点发力。
在“计算+”战略的部署下，在2015年浪潮在各方面取得了可喜的成绩，达成了IPF2015制定的目标：在2015年，浪潮2个季度销售额中国市场第一，在多个细分市场保持领先：浪潮4路，8路服务器市场份额第一，其中四路份额达到26.8%，八路份额为39.1%；在超密度（Multi-node）领域份额达到45.9%，位居第一位；在高端Unix市场（单价250k美金以上），浪潮K1占据了14%的市场份额，位居第二位。浪潮SmartRack整机柜服务器累计出货超100000节点，市场份额超过70%。同时，连续三年保持了业绩增长60%。
FY2016产品营销策略
如今，依托过去一年对“计算+”战略部署的总结和对未来智慧计算的趋势分析，浪潮在IPF2016上提出了“计算+”战略进阶。深化“计算+”战略，重点聚焦三个方向：关键业务、云计算和深度学习。故此，浪潮集团副总裁彭震提出：“2015年时围绕“计算+”，创新产品引领市场需求；2016年将以“计算+”为核心，构建计算新形态。”
近几年，国内外多家IT公司都在战略层面上做了升级，一方面是产业的快速变革，另一方面在新形态下开放合作显得越来越重要。以浪潮为例，如果放在几年前，大家都会直观认为是一家服务器厂商，而在其官方网站上早已写明，浪潮是一家云计算、大数据服务商。
除了服务器，浪潮在存储、安全、平台产品、软件、行业终端上早已成熟布局，而与思科联合成立合资公司让浪潮在整体服务能力上进一步完善。同时，华为借助自身产品线的长度优势提出了新ICT时代，曙光与VMware深入合作并提出了“数据中国”，戴尔和EMC进入全新时代，新华三借力HPE完善产品线全面深挖中国市场。《Z观察》深深的感受到这两年产业的变迁，融合的何止是设备？各派力量也再纷纷融合呀。
这也印证了上面提到的单条产品线无法做出大的动作，在战略指导下的生态建设从长远角度才是制胜法宝，虽然说中国IT市场近几年在云和大数据下有了快速成长，但放眼未来，现在是磨刀期，真正赢取胜利果实的时候还在后面。
但一切的业务都需要支撑，一切的愿景都需要一步一个脚印的走出来，在本次大会上，浪潮针对关键业务、高端存储和云上也表明了自己的策略。
关键业务一直以来是浪潮的重点方向，从浪潮推出K1主机，到现在K1已经在高端Unix服务器市场占有率达到14%，跃升至第二位。去年浪潮还推出K1+K-DB联合解决方案，并能与Oracle数据库相匹敌，全面兼容Oracle数据库，从Oracle到K-DB可实现一键迁移。与K1相匹配的K-UX操作系统也将推出K-UX3.0，对虚拟化能力进行升级，同时拥有更高的RAS性能。
从关键业务我们已经看到了一个小的生态系统，如果仅仅提到小机，传统上以IBM为主要力量的市场似乎很难去撬动，但近几年以x86的快速发展为推动，包括HP superdome，以及刚刚发布自己开放架构小型机的华为kunlun，甚至其已经开始使用至强处理器，都让人感受到小型机的一个全新时代。
不过值得注意的是：小型机和传统的x86服务器不同，涉及到关键业务会面临很多周边问题，比如迁移、可靠性、一体化服务等。上面提到的K-DB，包括K-UX都是浪潮在解决客户真切的实际问题。这一点上，浪潮非常务实，毕竟市场不仅看概念，更要依赖实际业务驱动升级。《Z观察》在这里也透露一个小秘密：浪潮千核的64路服务器Kanas也将在今年发布。
浪潮关键业务计算和新产品——统一存储
在高端存储领域，浪潮高端存储研发投入增长100%以上，关键业务存储AS18000不同于传统存储流派，自己创造了一个主机存储系统，采用全交换高速共享平台。突出容灾备份、HA高可用集群和两地三中心的存储解决方案价值，并在某市公安局里面，用到K1 910-KRAC+AS18000系统，使业务可以通过云化的方式把各地业务集中到一起。
云计算方面，浪潮一直以IaaS层面的建设见长，并在去年发布了基于OpenStack开放的云海OS V4.0数据中心操作系统，在浪潮的“云图计划”中，技术融合与生态开放将成为重点。
人们常说，这是一个软件定义的世界；单独的硬件产品不再受到认可，未来一定是软件与硬件的进一步融合。浪潮也发布了云应用开发平台InCloud IOP（InCloud Open Platform）、云海大数据平台InCloud Insight等产品，将浪潮云计算从IaaS平台扩展到IaaS+PaaS。
再看文章开头提到的智能计算，去年AlphGo的横空出世让深度学习一再成为社会热议的话题，而浪潮对深度学习的研究可以追溯的十年前天梭与中国象棋大师的较量，同时，在去年的SC15全球超算大会上，浪潮与Altera和科大讯飞开展合作，发布了一套面向深度学习、基于Altera Arria 10 FPGA平台、采用OpenCL开发语言进行并行化设计和优化的深度学习DNN的语音识别方案。
在深度学习领域，其存在模式更像是交易型。通过线下训练，和线上识别两个步骤来提升智能化。线下训练更像是HPC，需要大量数据处理，从而得到智能化算法，而浪潮的深度学习就是HPC团队进行的。从硬件基础设施创新、系统优化能力强化与并行框架完善三方面入手，推动异构技术在深度学习领域的全球化应用与生态环境的完善。
