蒲世亮，袁婷婷

（杭州海康威視數(shù)字技術(shù)股份有限公司，浙江 杭州310051）

0 引言

近年來，物聯(lián)網(wǎng)產(chǎn)業(yè)快速發(fā)展，人工智能技術(shù)的運用發(fā)揮了顯著的推動作用。AI（Artificial Intelligence）促進物聯(lián)網(wǎng)產(chǎn)業(yè)智能化升級，在視頻領(lǐng)域的成效尤為顯著。隨著物聯(lián)網(wǎng)的智能化升級，物聯(lián)網(wǎng)與信息化系統(tǒng)的融合在加速。在這個發(fā)展和轉(zhuǎn)變的過程中，帶來了許多問題和挑戰(zhàn)。具體分析如下：

從系統(tǒng)架構(gòu)層面分析。數(shù)據(jù)入云是趨勢，而集中式的云計算架構(gòu)無法把資源利用、數(shù)據(jù)融合、應(yīng)用兼容、統(tǒng)一運維等物聯(lián)網(wǎng)問題全部解決，給網(wǎng)絡(luò)帶寬、計算能力、存儲容量帶來巨大壓力。

從技術(shù)層面分析。第一，智能分析和調(diào)度：雖然AI技術(shù)發(fā)展很快，但受限于算法、樣本、算力等因素。AI浪潮下的算法及芯片呈現(xiàn)多樣化趨勢，涌現(xiàn)出許多人工智能算法廠商，但沒有哪一家的算法可做到全面、絕對的領(lǐng)先；另一方面，人工智能芯片高速發(fā)展，芯片種類越來越多，這不但要求系統(tǒng)集成不同廠商算法，還要求兼容底層異構(gòu)計算資源；第二，數(shù)據(jù)融合開放，物聯(lián)網(wǎng)數(shù)據(jù)種類多、體量大，但當(dāng)前并沒有被有效利用起來。數(shù)據(jù)的深度應(yīng)用存在兩方面挑戰(zhàn)：物聯(lián)網(wǎng)系統(tǒng)與信息化系統(tǒng)融合的過程中，如何規(guī)范物聯(lián)數(shù)據(jù)模型和業(yè)務(wù)數(shù)據(jù)模型并建立兩者之間的關(guān)聯(lián)；如何治理并開放數(shù)據(jù)，為多行業(yè)提供更好的數(shù)據(jù)服務(wù)。

從應(yīng)用層面分析。AI帶給用戶的最終價值是應(yīng)用，當(dāng)前挑戰(zhàn)最大的也正是基于物聯(lián)網(wǎng)的智能應(yīng)用相對缺乏。以視頻系統(tǒng)為例，簡單的“看”和“找”，顯然并沒有真正挖掘出海量物聯(lián)數(shù)據(jù)的價值，也沒有充分實現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)的融合從而孵化出更豐富的應(yīng)用。

從運維管理層面分析。物聯(lián)網(wǎng)設(shè)備類型多樣、數(shù)量龐大、建設(shè)分散、協(xié)議不統(tǒng)一，給管理帶來巨大挑戰(zhàn)。如果管理不好，會嚴(yán)重影響事前預(yù)防、事中控制、事后追溯。

針對以上問題和挑戰(zhàn)，本文提出AI Cloud，以基于云邊融合的物聯(lián)網(wǎng)智能服務(wù)架構(gòu)為基礎(chǔ)，提供物聯(lián)網(wǎng)數(shù)據(jù)的采集、存儲、解析、應(yīng)用、管理等能力，為用戶持續(xù)創(chuàng)造價值。

1 AI Cloud架構(gòu)

AI Cloud由邊緣節(jié)點、邊緣域、云中心組成，邊緣節(jié)點、邊緣域和云中心可以多級多類，彼此互聯(lián)，也可以互相演化，AI Cloud架構(gòu)如圖1所示。

（1）邊緣節(jié)點

邊緣節(jié)點側(cè)重多維感知數(shù)據(jù)的采集和前端智能處理。邊緣節(jié)點是一個系統(tǒng)級的概念，既可以是一個前端設(shè)備或一個前端系統(tǒng)，也可以是按照地理位置、業(yè)務(wù)劃分等因素定義的邏輯概念。

（2）邊緣域

邊緣域側(cè)重感知數(shù)據(jù)匯聚、存儲、處理和智能應(yīng)用。邊緣域是獨立自治的系統(tǒng)，是整個AI Cloud系統(tǒng)的核心環(huán)節(jié)，扮演“中場”銜接者的角色：向下匯聚邊緣節(jié)點數(shù)據(jù)，實現(xiàn)“聚邊到域”；向上按需提供可用于云端分析的數(shù)據(jù)，實現(xiàn)“數(shù)據(jù)入云”?；谶吘売蜻@個“中場”，實現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)按需逐級向云中心匯聚。

（3）云中心

云中心側(cè)重包括物聯(lián)網(wǎng)數(shù)據(jù)在內(nèi)的多維數(shù)據(jù)的融合，以及基于大數(shù)據(jù)的多維分析應(yīng)用。云中心主要匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，構(gòu)建大數(shù)據(jù)資源池，實現(xiàn)多維數(shù)據(jù)之間的關(guān)聯(lián)及深度挖掘，提供各類大數(shù)據(jù)應(yīng)用服務(wù)。

總結(jié)來說，AI Cloud是發(fā)展理念，是技術(shù)架構(gòu)，是產(chǎn)品實現(xiàn)，是服務(wù)模式，也是開放生態(tài)。

2 AI Cloud的技術(shù)特征

AI Cloud具有4個典型的技術(shù)特征：邊緣感知、按需匯聚、多層認(rèn)知、分級應(yīng)用。

（1）邊緣感知

隨著AI芯片技術(shù)的不斷成熟，邊緣節(jié)點具備的計算能力越來越強，不僅能夠完成數(shù)據(jù)采集，還能夠?qū)⒁曨l圖像轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，從視頻圖像中提取人、車、物、行為、事件等特征信息，可以有效分?jǐn)傊行亩说膲毫?，使系統(tǒng)更健壯、更經(jīng)濟。

（2）按需匯聚

邊緣節(jié)點產(chǎn)生大量的原始數(shù)據(jù)，同時AI處理產(chǎn)生大量的智能數(shù)據(jù)，將這些數(shù)據(jù)進行大集中是不合理也不科學(xué)的。按需匯聚的核心是“按需”，要讓數(shù)據(jù)根據(jù)應(yīng)用需要受控地流向需要的地方，這樣不但可以減少對網(wǎng)絡(luò)和存儲資源的無謂占用，也有助于更高效地挖掘出數(shù)據(jù)中的價值。

（3）多層認(rèn)知

在AI Cloud架構(gòu)下，邊緣節(jié)點、邊緣域、云中心每一層上都具有認(rèn)知能力。邊緣節(jié)點具備單一場景的認(rèn)知能力；邊緣域具備跨時空的認(rèn)知能力；云中心具備“態(tài)”、“勢”等大數(shù)據(jù)分析認(rèn)知能力。

圖1 AI Cloud架構(gòu)

（4）分級應(yīng)用

實際業(yè)務(wù)場景中，用戶往往是分層級的。不同層級用戶的應(yīng)用需求不一樣，下級用戶更注重實時性及基層業(yè)務(wù)處理能力，上級用戶更注重管理及輔助決策能力。因此，要從不同層級用戶的實際需求出發(fā)，做到應(yīng)用分級設(shè)計。

3 AI Cloud的能力和價值

3.1 AI可調(diào)度，資源使用更高效

針對不同時期、不同廠商開發(fā)的算法之間難以靈活調(diào)度、應(yīng)用之間難以兼容和協(xié)同等問題，AI Cloud實現(xiàn)了多廠家應(yīng)用、多廠家算法、多類型計算資源之間的打通，AI所需的算力、算法、數(shù)據(jù)、服務(wù)都能夠在應(yīng)用需求的牽引下實現(xiàn)合理調(diào)度。AI Cloud不僅在邊緣域、云中心具備算法調(diào)度能力，還創(chuàng)造性地實現(xiàn)了邊緣節(jié)點上的算法調(diào)度，能夠更好地服務(wù)于各類行業(yè)應(yīng)用。

如圖2所示，智能管理及調(diào)度采用算法融合調(diào)用解決方案，構(gòu)建了算法模型規(guī)范，通過算法倉庫，支持多廠家算法的接入和管理調(diào)度。算法倉庫支持通用GPU服務(wù)器、嵌入式GPU服務(wù)器、邊緣節(jié)點智能設(shè)備的算法調(diào)度；兼容物理機、虛擬機、容器等部署方式；兼容多種計算平臺，包括但不限于TX1、P4/P40等；支持算法編排，多個單一功能算法按需組合，形成新的算法功能。以下對其關(guān)鍵技術(shù)支撐進行分析。

AI可調(diào)度關(guān)鍵技術(shù)支撐。實現(xiàn)AI可調(diào)度，需前端和后端多個層面的技術(shù)支撐。主要包括無損建模技術(shù)、深度學(xué)習(xí)技術(shù)、智能調(diào)度技術(shù)。

（1）無損建模技術(shù)

原始的在后端進行視頻圖像分析建模的流程：攝像機采集視頻圖像，經(jīng)過H.264/H.265等編碼后傳輸?shù)胶蠖耍蠖私獯a并進行分析建模。所有的編碼壓縮是有損的，會損失視頻圖像中的細(xì)節(jié)信息。如把CNN神經(jīng)網(wǎng)絡(luò)算法導(dǎo)入到攝像機，對采集的視頻圖像不做任何的編碼壓縮處理，對原始數(shù)據(jù)直接做分析，這樣分析出來的效果要高幾個百分點。這就是無損建摸技術(shù)，作為前端智能支撐技術(shù)，能夠保留更多的細(xì)節(jié)信息，分析得到的視頻圖像特征數(shù)據(jù)更加精準(zhǔn)。

（2）深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)算法模仿人腦對信息的分析處理方式，通過建立由線性或者非線性變換的處理單元組成的具有層次結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，借助反向傳播算法，來自動學(xué)習(xí)出數(shù)據(jù)的特征和表達(dá)。深度學(xué)習(xí)算法與傳統(tǒng)的人工智能算法相比，有兩大優(yōu)勢：第一，它是端到端的機器學(xué)習(xí)模型，不依賴于專家的手工特征設(shè)計；第二，可以表達(dá)更復(fù)雜的非線性模型，對于復(fù)雜問題有更強的表征能力。因此，深度學(xué)習(xí)算法適用于數(shù)據(jù)龐大、參數(shù)之間關(guān)系復(fù)雜的領(lǐng)域，解決高維度直覺性應(yīng)用，如面向海量物聯(lián)數(shù)據(jù)，包括圖像識別、行為識別、模式識別、語音識別等方面的典型應(yīng)用。

圖2 智能管理及調(diào)度示意圖

（3）智能調(diào)度技術(shù)

智能調(diào)度技術(shù)的應(yīng)用包括資源調(diào)度和任務(wù)調(diào)度兩部分內(nèi)容。資源調(diào)度可將物理服務(wù)器、容器、虛擬機、邊緣設(shè)備等計算資源統(tǒng)一管理，屏蔽硬件差異并提供唯一對外功能出口，既支持靜態(tài)部署方式下的動態(tài)擴容，也支持與其他資源平臺協(xié)同實現(xiàn)算力的彈性伸縮。任務(wù)調(diào)度可在資源管理調(diào)度基礎(chǔ)上，通過靈活的調(diào)度策略，將智能分析任務(wù)分派到最合適的智能分析設(shè)備上，保證調(diào)度性能最大化和資源利用率最優(yōu)化。采用智能調(diào)度技術(shù)方案，使智能分析能力不再固化在產(chǎn)品中，而是由調(diào)度系統(tǒng)統(tǒng)一管理，相較以往單一智能產(chǎn)品，具有系統(tǒng)高可用、資源高利用率、算法靈活開放等優(yōu)勢。

3.2 數(shù)據(jù)按需匯聚，推動數(shù)據(jù)價值變現(xiàn)

針對數(shù)據(jù)融合和開放能力不足、數(shù)據(jù)和應(yīng)用耦合度高等問題，AI Cloud系統(tǒng)性考慮了應(yīng)用和數(shù)據(jù)的關(guān)聯(lián)關(guān)系，提出并實現(xiàn)了由應(yīng)用牽引數(shù)據(jù)，實現(xiàn)數(shù)據(jù)分級“按需”匯聚的建設(shè)模式，構(gòu)建能夠接入、匯聚、分析、管理各類物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)資源池，真正將數(shù)據(jù)養(yǎng)起來，實現(xiàn)數(shù)據(jù)融合、關(guān)聯(lián)、分析、共享，更加高效地挖掘出數(shù)據(jù)中的價值，為新應(yīng)用的孵化夯實基礎(chǔ)。

如圖3所示，在邊緣域構(gòu)建物聯(lián)網(wǎng)數(shù)據(jù)資源池，主要負(fù)責(zé)存儲和管理域內(nèi)采集的物聯(lián)網(wǎng)數(shù)據(jù)，按需匯聚部分業(yè)務(wù)數(shù)據(jù)，對數(shù)據(jù)進行清洗整合、質(zhì)量管理、標(biāo)簽化處理，構(gòu)建物聯(lián)網(wǎng)數(shù)據(jù)模型、業(yè)務(wù)數(shù)據(jù)模型并建立相互之間的關(guān)聯(lián)，為用戶提供業(yè)務(wù)所需的主題庫、專題庫。

在云中心構(gòu)建大數(shù)據(jù)資源池，匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，提供海量數(shù)據(jù)的分析挖掘能力。邊緣域和云中心之間實現(xiàn)數(shù)據(jù)的級聯(lián)和互通，邊緣域數(shù)據(jù)可按需匯聚到云中心，云中心數(shù)據(jù)可按需下發(fā)到邊緣域。以下對其關(guān)鍵技術(shù)支撐進行分析。

（1）海量異構(gòu)數(shù)據(jù)關(guān)聯(lián)融合技術(shù)

智能物聯(lián)網(wǎng)系統(tǒng)中存在海量的異構(gòu)數(shù)據(jù)，包括視頻圖像數(shù)據(jù)、人/車/物等視頻結(jié)構(gòu)化數(shù)據(jù)、RFID/MAC/時空信息等物聯(lián)感知數(shù)據(jù)，還有多種類型的業(yè)務(wù)應(yīng)用數(shù)據(jù)，如何實現(xiàn)這些數(shù)據(jù)的高效接入、高效存儲、高效分析、高效清洗、高效應(yīng)用，是需要系統(tǒng)性來考慮的問題。物聯(lián)感知數(shù)據(jù)需要在不同的域、不同的網(wǎng)絡(luò)之間進行傳輸，實現(xiàn)數(shù)據(jù)的共享和交換；基于時間、空間等多維度數(shù)據(jù)進行融合關(guān)聯(lián)，提升數(shù)據(jù)使用價值。方案的具體實現(xiàn)，主要通過對原始物聯(lián)數(shù)據(jù)進行合并、去重，清洗、整合，以實體-標(biāo)簽-關(guān)系模型分析形成設(shè)備、視頻、圖片、照片、名單、特征值、場所、告警等數(shù)據(jù)的實體集合、標(biāo)簽集合、關(guān)系集合，并通過時空關(guān)聯(lián)、關(guān)系識別、行為識別、軌跡提取等進一步建立實體間的潛在關(guān)系網(wǎng)、挖掘?qū)嶓w隱性標(biāo)簽，形成主題數(shù)據(jù)、專題數(shù)據(jù)。例如，基于物聯(lián)網(wǎng)數(shù)據(jù)建立人員檔案庫，應(yīng)用不再需要與物聯(lián)網(wǎng)數(shù)據(jù)（人臉特征、人體特征等）直接打交道，提升了應(yīng)用效率，也提升了數(shù)據(jù)價值。

圖3 數(shù)據(jù)資源池示意圖

（2）大數(shù)據(jù)技術(shù)

采用大數(shù)據(jù)基礎(chǔ)處理技術(shù)為底層支撐，并針對海量物聯(lián)網(wǎng)數(shù)據(jù)，提供融合視圖大數(shù)據(jù)引擎、多維大數(shù)據(jù)挖掘的完善的大數(shù)據(jù)體系。其中，大數(shù)據(jù)基礎(chǔ)技術(shù)：結(jié)合當(dāng)前大數(shù)據(jù)技術(shù)應(yīng)用趨勢，采用開源社區(qū)和自研相結(jié)合，提供針對物聯(lián)網(wǎng)大數(shù)據(jù)進行增強的企業(yè)級大數(shù)據(jù)基礎(chǔ)服務(wù)，為大數(shù)據(jù)采集、存儲、應(yīng)用提供穩(wěn)定可靠的處理能力；視圖大數(shù)據(jù)引擎：以物聯(lián)網(wǎng)結(jié)構(gòu)化數(shù)據(jù)為核心，構(gòu)建千億級行業(yè)大數(shù)據(jù)服務(wù)平臺，提供大數(shù)據(jù)采集、數(shù)據(jù)查詢、數(shù)據(jù)統(tǒng)計、數(shù)據(jù)研判、模型服務(wù)等深度挖掘應(yīng)用；大數(shù)據(jù)挖掘算法：融合海量多元異構(gòu)數(shù)據(jù)，基于動態(tài)本體構(gòu)建知識圖譜，并結(jié)合機器學(xué)習(xí)、深度學(xué)習(xí)算法，為行業(yè)深度應(yīng)用提供數(shù)據(jù)決策能力。

3.3 應(yīng)用場景化，新應(yīng)用持續(xù)生長

針對深度應(yīng)用不足、應(yīng)用覆蓋面不足、應(yīng)用協(xié)同性不足等問題，AI Cloud創(chuàng)造性地提出應(yīng)用場景化的理念，在邊緣節(jié)點、邊緣域、云中心都以“場景化”作為關(guān)鍵詞，在各層實現(xiàn)不同應(yīng)用。如圖4所示為場景化應(yīng)用示意。

邊緣節(jié)點要構(gòu)建單一場景的智能應(yīng)用，實現(xiàn)基于單個或局部節(jié)點就能夠完成的任務(wù)及動作，響應(yīng)速度快。邊緣域以物聯(lián)網(wǎng)數(shù)據(jù)為主，融合少量業(yè)務(wù)數(shù)據(jù)，提供跨時空場景的智能應(yīng)用，重點分析在什么行業(yè)要干什么業(yè)務(wù)。在邊緣域，可以通過物聯(lián)網(wǎng)數(shù)據(jù)資源池和智能應(yīng)用平臺，實現(xiàn)過去沒法實現(xiàn)的應(yīng)用效果，比如基于物聯(lián)網(wǎng)數(shù)據(jù)的“多數(shù)同用”和“同數(shù)多用”。云中心匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)，重點要分析什么行業(yè)或跨什么行業(yè)、關(guān)注哪些宏觀的“態(tài)”（狀態(tài)）和“勢”（趨勢），構(gòu)建彼此相對獨立又互相聯(lián)系的綜合應(yīng)用。

AI Cloud基于開放的架構(gòu)，以 API、SDK、插件等方式，提供規(guī)范化和標(biāo)準(zhǔn)化的應(yīng)用接口，以及豐富的示例Demo，可快速進行業(yè)務(wù)應(yīng)用的二次開發(fā)。

3.4 運維一體化，保障系統(tǒng)可用性

AI Cloud實現(xiàn)了面向跨網(wǎng)域（行業(yè)內(nèi)網(wǎng)、互聯(lián)網(wǎng)）、跨層次（邊緣節(jié)點、邊緣域、云中心）各類物聯(lián)網(wǎng)及IT軟硬件設(shè)備的統(tǒng)一運維，有效克服了系統(tǒng)設(shè)備類型復(fù)雜多樣、設(shè)備數(shù)量龐大、建設(shè)分散、協(xié)議不統(tǒng)一的難題。通過統(tǒng)一的運維服務(wù)平臺，可以為直接用戶、運維服務(wù)團隊的各類角色，以及設(shè)備廠商提供一攬子的運維服務(wù)功能，包括狀態(tài)的告警監(jiān)控、工單管理、資產(chǎn)管理、運維考核等，最終為用戶提供產(chǎn)品+服務(wù)的一站式運維。

運維一體化體系重點考慮了兩方面的擴展，可以更好的為最終用戶提供運維服務(wù)：一是支持運維對象的擴展，通過運維設(shè)備接入框架支持增加被運維對象的類型和技術(shù)特征，實現(xiàn)將不同廠家的設(shè)備納入進來進行統(tǒng)一管理；二是提供了加盟商管理的功能，支持更多運維服務(wù)商使用運維服務(wù)平臺，為用戶提供服務(wù)。

4 AI Cloud開放生態(tài)

在AI Cloud體系架構(gòu)下，支持軟件與硬件的解耦，支持?jǐn)?shù)據(jù)與應(yīng)用的解耦，在基礎(chǔ)設(shè)施、數(shù)據(jù)、平臺、應(yīng)用等各層面全面開放，構(gòu)建了一個能力開放體系和產(chǎn)品與服務(wù)生態(tài)圈，有利于共同促進行業(yè)的可持續(xù)發(fā)展。

圖4 場景化應(yīng)用示意圖

（1）能力開放體系

提供能力開放平臺、開放式體驗環(huán)境、兼容性驗證環(huán)境，可以逐步構(gòu)建AI Cloud開放體系，實現(xiàn)基礎(chǔ)設(shè)施、數(shù)據(jù)、平臺、應(yīng)用四個層面的多維度開放。

（2）產(chǎn)品生態(tài)圈和服務(wù)生態(tài)圈

基于開放合作的生態(tài)，可與設(shè)備廠商、基礎(chǔ)軟件廠商、算法廠商、數(shù)據(jù)提供商、應(yīng)用開發(fā)商以及安全服務(wù)商、運維服務(wù)商、技術(shù)規(guī)范工作團隊展開更多的合作。

5 結(jié)語

基于云邊融合的物聯(lián)網(wǎng)智能服務(wù)架構(gòu)的AI Cloud，以“智能、數(shù)據(jù)、應(yīng)用”為創(chuàng)新焦點，提出了“AI可調(diào)度、數(shù)據(jù)按需匯聚、應(yīng)用場景化、運維一體化”理念，并結(jié)合用戶業(yè)務(wù)需求進行創(chuàng)新實踐，不斷擴展出新的智能應(yīng)用。

縱觀未來技術(shù)發(fā)展趨勢：

智能方面。一方面是智能應(yīng)用深度：在未來，智能化程度會越來越高，識別的精確度也會越來越高。目前聚焦“人是人、車是車、物體是物體”的屬性識別與判斷，但如果把這些因子串起來形成一個語義，比如這個人在打球，既可以實現(xiàn)“語義的識別”，進而推進智能應(yīng)用深度。另一方面是智能應(yīng)用廣度：為了滿足本地業(yè)務(wù)快速響應(yīng)需求，越來越多的智能會在前端來做，智能前移大勢所趨，邊緣節(jié)點也會越來越豐富，越來越智能。

數(shù)據(jù)方面。在數(shù)據(jù)基礎(chǔ)建立好的前提下，將聚焦更多數(shù)據(jù)挖掘工作，像預(yù)測預(yù)警這些大數(shù)據(jù)應(yīng)用就可以實現(xiàn)，真正從事后走向事前。

應(yīng)用方面。未來應(yīng)用應(yīng)該是遍地開花，場景化、智能化的應(yīng)用會越來越多，越來越好用，而且應(yīng)用的生成也會非常快速。當(dāng)然，這些的實現(xiàn)，都不是一個廠家能夠獨立完成的，依托能力開放體系和全面開放AI Cloud架構(gòu)，需要行業(yè)內(nèi)的合作伙伴一起共建產(chǎn)業(yè)生態(tài)，共助智鏈未來。