对焊有鲲鹏CPU的核心板与零部件进行预处理和条码粘贴，由机械臂将机框放上流水线，再经过装配、测试、包装等工序，一台搭载鲲鹏CPU的台式机便组装完成。在湘江鲲鹏的生产间，服务器和PC机的日产能分别达到300台和1000台。
39天封顶、70天建成、120天交付，拔地而起的湘江鲲鹏刷新了“长沙加速度”。在鲲鹏、昇腾处理器的基础上，湘江鲲鹏还集成了长沙本地企业的存储、GPU、显示屏等元器件，设备省产化率达到40%。这些“湖南造”鲲鹏计算产品，源源流向智慧城市、教育、通信、金融、交通等行业，助力构建数字湖南的算力底座。
“英特尔的x86生态已经有40多年的发展历史，聚集了几十万家企业，形成了领先的生态体系。基于华为的能力和生态‘朋友圈’，再加上长沙本地的企业配套，我们有机会推动构建满足性能、价格、生态等多个维度的第二计算平面。”湘江鲲鹏总经理刘坤在接受《中国电子报》专访时表示。
在2019的鲲鹏计算产业发展峰会上，时任华为公司轮值董事长徐直军宣布，未来五年华为将投资30亿元发展鲲鹏产业生态。同年，湘江鲲鹏在长沙成立，并联合华为、拓维信息，在鲲鹏、昇腾、鸿蒙、云等领域开展产业链合作。
“湖南造”计算产品生产商是湘江鲲鹏的代表性标签，却不足以概括湘江鲲鹏的定位。在湘江鲲鹏展厅，记者注意到，湘江鲲鹏的定位是“以新计算技术为主导的高科技企业”。在数据体量和复杂性急剧增长的智能社会，“新计算”成为计算产业的拓展和升级方向。在刘坤看来，鲲鹏的“新计算技术”，可以从两个维度理解。
其一是新的计算平面。所谓计算平面，是集合整机、软件系统、运维服务在内的生态系统。长期以来，x86是全球通用性最强、覆盖面最广的计算平面。湘江鲲鹏基于鲲鹏处理器，长沙本地的GPU、存储、操作系统、数据库等软硬件配套，以及股东拓维信息的软件开发和服务能力，致力于打造安全可控的国产计算平面。
“我们在长沙当地形成了很好的产业生态，除了依托华为核心硬件和拓维的软件服务能力，还有国科微的存储、景嘉微的GPU、麒麟操作系统、惠科的显示器和电源，以及大量的元器件厂家。”刘坤说，“计算正在成为湖南的战略性支柱产业，湘江鲲鹏作为算力底座，也要提升自身能力并寻找差异化优势，把基础打牢。”
在此基础上，湘江鲲鹏一方面为智慧考试、智慧交通、智慧城市等高安全、高可靠性场景提供软硬件一体化服务，另一方面联合湖南省鲲鹏生态创新中心开展重点行业的软硬件适配和应用迁移工作，而后者也是湘江鲲鹏在全国12个鲲鹏生态伙伴中的独特定位。
“安全可控的计算平面不是简单的提供硬件设备，而是让应用在我们的计算平台‘跑通’。基于华为的核心硬件和拓维的软件开发能力，我们争取形成一些行业的应用迁移标杆，并基于本地化的计算平台打造好差异化优势，再基于地域和行业两个维度进行拓展。”刘坤说。
新计算的另一个维度，是新的计算形式。人工智能等新技术正在与计算产业结合，拓展全方位的计算能力。基于华为昇腾AI处理器，湘江鲲鹏着眼于将针对业务场景训练的AI模型与设备打包交付，布局智能计算赛道。
“鲲鹏的目标是追赶前沿，而昇腾是和前沿技术在一个10年之内同时起步的。昇腾处理器的背后是模型的训练和推理，只有加强训练和推理，机器才会具备智能。中国的模型数据量更大，环境也更开放，在模型训练和推理上会走得更快。”刘坤说，“我们正在与多个行业联合训练AI模型。未来我们交付的设备会搭载训练好的模型，一起为最终应用场景提供服务。”
从无到有是产业发展的第一步，而从有到强是一个持续螺旋上升的过程。在构建算力底座的基础上，湘江鲲鹏将在两个方向做深做强：产业链的纵向延伸与跨应用的横向拓展。
所谓产业链的纵向延伸，是将自研能力覆盖更多产业环节，以提升对产品和服务的掌控力。在具备整机组装能力的基础上，湘江鲲鹏正在推进主要零部件和主板的自主研发。
“华为的主板有两种交付方式，一种是整个交付，另一种是提供焊接了华为CPU的核心板，边缘板（扩展功能）交给合作伙伴来做。”刘坤表示，“我们在华为的辅导下，已经基本具备了边缘板的研发、制造能力。下一阶段，我们将进行主板和整机的自主制造和交付。”
而跨应用的横向扩展，是从党政等信息安全应用向行业深水区迈进。在刘坤看来，随着业务场景走向多样化和细分化，垂直整合的行业解决方案变得愈发实用，一体机是湘江鲲鹏渗透行业应用的着力点。
“在服务器市场，通用算力一定会饱和，需要更多的专用算力。根据业务场景定制的服务器会更多，所以我们在一体机上面投入很大，已经为合作伙伴推出了大数据一体机、DPI采集一体机、交通一体机等产品。”刘坤说。
除了强链，面向难点进行“补链”也同样关键。在刘坤看来，应用迁移的难点有两种。一是保障用户体验。在迁移过程中，要考虑硬件性能、软件、培训、服务、运维以及是否符合用户习惯和工作流程等多个因素，有一个因素失效就会降低用户体验。二是不同行业不同场景往往会出现不同的情况。对于通信产业和金融行业来说，数据库迁移是一个难点。一是数据量体量大，二是涉及用户数据和交易型数据，在迁移的时候需要谨慎对待，一旦出了问题会对客户业务造成难以挽回的损失。
“我们一直在探索如何统筹好软件开发商、操作系统、数据库和算力底座，也在与这些厂商联合制定迁移解决方案。”刘坤说，“虽然挑战非常大，但是一旦打通这个关节，就能形成一种相对固定的模式，进而实现从1到10到100的规模化推广。”
转自-36氪
