2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng )新，迅速帶動(dòng)全球半導體創(chuàng )新加速。中國IC設計公司迎來(lái)了與海外IC設計公司同步起飛的時(shí)代機遇。同時(shí)，由中國率先提出并倡導的“一帶一路”戰略，迅速成為全球經(jīng)濟和科技發(fā)展的新亮點(diǎn)與新看點(diǎn)。電子模塊
在2018年的春天，Aspencore旗下《電子工程專(zhuān)輯》、《電子技術(shù)設計》、《國際電子商情》三大媒體聯(lián)合在上海舉辦2018年中國IC領(lǐng)袖峰會(huì )。峰會(huì )以“中國IC業(yè)之世界格局”為主題，特邀產(chǎn)業(yè)最受關(guān)注的領(lǐng)袖人物，與數百位資深設計工程師、管理精英和技術(shù)決策者共同探討產(chǎn)業(yè)的成長(cháng)和突破之道。
Aspencore全球發(fā)行人兼執行董事高志煒(Victor Gao)在歡迎致辭中表示，2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng )新，迅速帶動(dòng)全球半導體創(chuàng )新加速。中國IC設計公司迎來(lái)了與海外IC設計公司同步起飛的時(shí)代機遇。同時(shí)，由中國率先提出并倡導的“一帶一路”戰略，迅速成為全球經(jīng)濟和科技發(fā)展的新亮點(diǎn)與新看點(diǎn)。
在可預測的未來(lái)，全球半導體行業(yè)將呈現高速發(fā)展趨勢。歐洲以德國、法國、英國為代表，仍將持續關(guān)注智能制造、智慧城市、區塊鏈等熱門(mén)技術(shù)；而在北美的硅谷、波士頓，不僅見(jiàn)證著(zhù)初創(chuàng )企業(yè)的蓬勃發(fā)展，生命科學(xué)、環(huán)境科學(xué)、航天科學(xué)等學(xué)科也突飛猛進(jìn)；作為全球最具活力的市場(chǎng)，亞太區對CPU、GPU和存儲器的需求尤其旺盛。而當前全球最重要的發(fā)展熱點(diǎn)來(lái)自AI和物聯(lián)網(wǎng)，人與機器達到了空前的融合，物聯(lián)網(wǎng)正演變?yōu)?ldquo;我聯(lián)網(wǎng)”，這需要云端、電信端和終端的密切配合。
“上知天文，下知地理，文經(jīng)武律，以立其身”。憑借高科技資本、技術(shù)人才和全球最佳市場(chǎng)的優(yōu)勢，中國IC業(yè)者近些年創(chuàng )造出了一系列令人矚目的成就，例如中國自主研發(fā)的CPU已經(jīng)運行在國產(chǎn)超級計算機中，長(cháng)江存儲3D NAND存儲芯片量產(chǎn)在即，清華大學(xué)推出的可重構計算處理器，兆易創(chuàng )新的非易失性存儲芯片都已成為明星產(chǎn)品。那么，中國IC廠(chǎng)商如何在“一帶一路”的利好政策下，走向全球市場(chǎng)、占領(lǐng)IC時(shí)代巔峰？在A(yíng)I時(shí)代，中國IC廠(chǎng)商是否能夠和國際對手處于同一起跑線(xiàn)？本次峰會(huì )將為您一一解開(kāi)心中的疑惑。
物聯(lián)網(wǎng)、5G和人工智能市場(chǎng)下的中國IC機遇
華為公司一直是物聯(lián)網(wǎng)產(chǎn)業(yè)的倡導者和主要參與者。但在華為技術(shù)有限公司半導體業(yè)務(wù)戰略與業(yè)務(wù)發(fā)展總監夏硯秋看來(lái)，過(guò)去物聯(lián)網(wǎng)的發(fā)展實(shí)際上是不盡人意的。
“回顧歷史，IoT這個(gè)概念提出近20年，商業(yè)化嘗試也有10年，但現在既有的物聯(lián)網(wǎng)連接只有10億個(gè)，根本問(wèn)題出在哪里？”夏硯秋分析認為，技術(shù)上來(lái)看，最重要的就是原有的物聯(lián)網(wǎng)技術(shù)過(guò)于簡(jiǎn)單，無(wú)法在全球范圍內實(shí)現普遍覆蓋，從而導致商業(yè)化的不成功。 而物聯(lián)網(wǎng)的新時(shí)代在于低功耗廣域物聯(lián)網(wǎng)的誕生和標準的確立，使得全球范圍內的覆蓋成為可能，運營(yíng)商擁有大規模的服務(wù)提供能力，可以形成真正可持續的盈利模式，把垂直行業(yè)應用融合起來(lái)，把智能生活帶給每個(gè)人，每個(gè)家庭。
在物聯(lián)網(wǎng)新舊時(shí)代轉換的過(guò)程中，各國政府和運營(yíng)商在其中起到了主導作用，一個(gè)定標準，一個(gè)修路?？梢钥吹?，物聯(lián)網(wǎng)的產(chǎn)業(yè)鏈條復雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨從芯片本身也看不到賺大錢(qián)的機會(huì )，全球只有少數玩家參與。但反觀(guān)人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術(shù)在其中發(fā)揮的驅動(dòng)力和商業(yè)機會(huì )則大不一樣。
上圖是2017年Gartner技術(shù)成熟度曲線(xiàn)圖。與2011年物聯(lián)網(wǎng)概念第一次出現在觸發(fā)期，且被認為還需要5-10年的時(shí)間才能成熟不同的是，物聯(lián)網(wǎng)已經(jīng)變成了物聯(lián)網(wǎng)平臺，成熟的時(shí)間也變成了2-5年，但仍然處于技術(shù)發(fā)展的早期。物聯(lián)網(wǎng)芯片當然是不可或缺的，但驅動(dòng)力更多的是來(lái)自于產(chǎn)業(yè)各方如何達成共識。但反觀(guān)人工智能相關(guān)的技術(shù)卻一下子多了起來(lái)，綠框中，無(wú)論是還處于早期的強化學(xué)習、神經(jīng)擬態(tài)硬件，還是處于炒作巔峰的深度學(xué)習、機器學(xué)習、自動(dòng)駕駛、認知計算都和AI芯片強相關(guān)，無(wú)論是在學(xué)術(shù)界和產(chǎn)業(yè)界，我們都可以深切地感受到芯片對于人工智能相關(guān)技術(shù)的關(guān)鍵推動(dòng)力量。
那么人工智能芯片市場(chǎng)到底有多大呢？JP Morgan認為未來(lái)5年將保持60%的年化增長(cháng)速度，從2017年的30億美元到2022年的330億美元；Nvidia更加激進(jìn)，認為在2020年這個(gè)市場(chǎng)就會(huì )達到300億美元，其中訓練市場(chǎng)110億美元，推理市場(chǎng)150億美元，高性能計算市場(chǎng)40億美元；Intel把數據中心的CPU、GPU、Memory、網(wǎng)絡(luò )、光芯片全放在一起，認為2021年要到650億美元；IDC和Gartner給出的數據是5年后大概100億-150億美元的新增AI芯片市場(chǎng)。
也就是說(shuō)，無(wú)論按照誰(shuí)的標準，這塊市場(chǎng)的增長(cháng)都遠遠超過(guò)了IC產(chǎn)業(yè)的平均增速，而這樣一塊新市場(chǎng)的誕生，在過(guò)去十幾年半導體產(chǎn)業(yè)發(fā)展的過(guò)程中是非常不同尋常的，所以不僅吸引了老牌的IC廠(chǎng)商廣泛參加，也吸引了非常多的創(chuàng )業(yè)公司參加，可以說(shuō)對于A(yíng)I芯片市場(chǎng)比較樂(lè )觀(guān)的一個(gè)判斷，幾乎成了產(chǎn)業(yè)界的共識。
對于未來(lái)的樂(lè )觀(guān)預測不是拍腦袋想出來(lái)的。根據2017年全球服務(wù)器和GPU的出貨量來(lái)看，服務(wù)器出貨量達1100萬(wàn)臺，其中云計算廠(chǎng)商大概占到了40%，Nvidia數據中心GPU出貨量32萬(wàn)塊，按照一臺服務(wù)器配4個(gè)GPU來(lái)估計，去年具備AI加速能力的服務(wù)器出貨量只有7萬(wàn)臺，和總得出貨量相比，滲透率不足1%。
夏硯秋強調說(shuō)，這個(gè)數字很重要。從一個(gè)角度來(lái)看，可以理解為數據中心的GPU市場(chǎng)仍然是一個(gè)利基市場(chǎng)，很多服務(wù)器并不需要AI功能。但如果換一個(gè)角度來(lái)思考，那就是數據中心的AI芯片市場(chǎng)還遠遠沒(méi)有到頂，如果誰(shuí)能提供價(jià)格合適、性能強大的AI芯片，客戶(hù)沒(méi)有理由不買(mǎi)。
如果從利潤的角度來(lái)看，機會(huì )就更加明顯了。左圖曲線(xiàn)是Nvidia GPU的每瓦性能提升趨勢曲線(xiàn)，斜率還是比較穩定的；右圖是GPU的售價(jià)和性能的曲線(xiàn)，從斜率來(lái)看，這個(gè)性?xún)r(jià)比是越來(lái)越差的，但這也是Nvidia的利潤源泉。
2017年，Nvidia的毛利率達到了62%，而5年前只有52%，考慮到數據中心業(yè)務(wù)在Nvidia總收入中占比只有20%，所以毛利率應該更高；而老對手AMD近5年來(lái)毛利率也就是在30%上下。因此，如果誰(shuí)能夠挑戰Nvidia現在的霸主地位，不僅市場(chǎng)規模會(huì )做到很大，利潤方面也將遠遠超越一般的半導體廠(chǎng)商。
AI芯片最大的挑戰來(lái)自于市場(chǎng)定位，如何平衡性能與靈活性？是贏(yíng)者通吃還是深耕長(cháng)尾？這是夏硯秋在現場(chǎng)對行業(yè)提出的問(wèn)題。這其實(shí)代表了AI芯片的兩種商業(yè)選擇，換句話(huà)說(shuō)，由于芯片產(chǎn)業(yè)的歸一化標準，大家實(shí)際上只有兩個(gè)選擇：在數據中心市場(chǎng)擊敗Nvidia，或者是構建垂直領(lǐng)域的端到端護城河
贏(yíng)者通吃的代表是來(lái)自英國的Graphcore公司，它在2017年10月底公開(kāi)宣布其IPU達到了之前的設定目標，相比于其它AI加速處理器性能提高10x-100x，在訓練和推理都表現出色，最大程度地支撐開(kāi)發(fā)者的創(chuàng )新模型和算法，實(shí)現其它硬件架構無(wú)法實(shí)現的任務(wù)。
而以下數據則告訴我們深耕長(cháng)尾的價(jià)值：
數據中心：30億美元 安防監控：1億攝像頭出貨量，傳統監控芯片市場(chǎng)規模20億美元 自動(dòng)駕駛：9000萬(wàn)汽車(chē)出貨量，未來(lái)ADAS市場(chǎng)10億美元，L2/L3市場(chǎng)20億美元，L4/L5市場(chǎng)50億美元 智慧家庭：智能音箱（2017年數千萬(wàn)出貨）、智能攝像頭、游戲機 智能手機：15億出貨量，AP市場(chǎng)規模400億美元，美顏相機，AR和語(yǔ)音助手 AI醫療：醫學(xué)影像診療，高性能計算 機器人/無(wú)人機：數百萬(wàn)出貨量 
但夏硯秋認為，目前的AI芯片還不能解決安防領(lǐng)域遇到的所有問(wèn)題，而在自動(dòng)駕駛領(lǐng)域又恰恰相反，是AI芯片運算性能過(guò)剩，例如當前的GPU已經(jīng)能夠具備支持L5自動(dòng)駕駛的性能，人們探討更多的是如何將可靠性從99.9%提升到99.9999%，這需要從更高的系統層面進(jìn)行思考。深耕長(cháng)尾的價(jià)值在于垂直整合解決實(shí)際商業(yè)問(wèn)題，而在這一波浪潮中，中國IC廠(chǎng)商將首次和國際對手處于同一起跑線(xiàn)。 權利的游戲
北京芯愿景有限公司總經(jīng)理張軍援引知名美劇《權力的游戲》的主題，從規則、攻略和裝備三方面闡述了三大法律法規、如何建立有效的攻防體系以及兩種時(shí)效性非常強的專(zhuān)利工具。
他強調稱(chēng)，與集成電路行業(yè)相關(guān)的包括專(zhuān)利權、布圖設計權和商業(yè)秘密權。在布圖設計權中，保護“思想的表達”而非“思想”本身，也就是說(shuō)，按照《條例》第五條的規定： “布圖設計的保護，不延及思想、處理方法、操作方法或者數學(xué)概念等。”；如果按照《條例》第四條：“受保護的布圖設計應當具有獨創(chuàng )性，即該布圖設計是創(chuàng )作者自己的智力勞動(dòng)成果，并且在其創(chuàng )作時(shí)該布圖設計在布圖設計創(chuàng )作者和集成電路制造者中不是公認的常規設計。”，那么，保護布圖設計中的獨創(chuàng )性部分，而非其它；第三點(diǎn)，按照《條例》第七條：該法規保護“集成電路布圖設計、含有該布圖設計的集成電路或者含有該集成電路的物品。” ，闡明了布圖設計保護的三個(gè)層次。
而根據獨立創(chuàng )作性要求，布圖設計只要求獨立完成，并不要求首創(chuàng )；不排斥兩個(gè)獨立完成的內容相近甚至相同的布圖設計；布圖設計侵權鑒定時(shí)，不能僅憑相似度來(lái)判定侵權，還需要確定雙方是否獨立完成—“接觸+相似”的判定原理。而在創(chuàng )造性概念中，布圖設計的工業(yè)產(chǎn)權屬性，決定受保護客體需要一定的創(chuàng )造性；布圖設計的作品屬性，決定受保護客體不僅要有“個(gè)性”，還要有一定的“質(zhì)量”；布圖設計的創(chuàng )作性略高于著(zhù)作權，遠低于專(zhuān)利權。
而專(zhuān)利戰略的目的，是為了自身的長(cháng)遠利益和發(fā)展，運用專(zhuān)利制度提供的法律保護，在技術(shù)競爭和市場(chǎng)競爭中謀取最大經(jīng)濟利益、并保持自己競爭優(yōu)勢的整體性戰略觀(guān)念與謀略戰術(shù)的集成總和體。
在運用專(zhuān)利戰略攻擊時(shí)，既可以使用專(zhuān)利無(wú)效訴訟(即利用現有技術(shù)進(jìn)行創(chuàng )新性否定)或 技術(shù)壟斷訴訟(通過(guò)訴壟斷而得到免費專(zhuān)利授權)，也可以使用產(chǎn)品侵權訴訟，包括侵權訴訟(自有專(zhuān)利訴競爭對手產(chǎn)品侵權)、專(zhuān)利購買(mǎi)(購買(mǎi)專(zhuān)利訴競爭對手產(chǎn)品侵權)、聯(lián)合專(zhuān)利池(通過(guò)企業(yè)之間合作建立共同的專(zhuān)利池)和NPE策略(利用“非關(guān)聯(lián)”企業(yè)進(jìn)行訴訟)。而文獻公開(kāi)、宣告無(wú)效、外圍專(zhuān)利、設計侵權規避和共享專(zhuān)利池則形成了專(zhuān)利防御體系。
而反向工程在證據鏈中的作用體現在使用公開(kāi)：即通過(guò)反向工程查找公開(kāi)銷(xiāo)售產(chǎn)品中的公知技術(shù)、以及通過(guò)反向工程查找產(chǎn)品中的侵權證據。具體到集成電路行業(yè)，則包括系統專(zhuān)利侵權分析、封裝專(zhuān)利侵權分析、制造工藝侵權分析、MEMS器件侵權分析、數字算法侵權分析、嵌入式軟件侵權分析、FPGA代碼侵權分析等等。
專(zhuān)利概要分析報告IPreportor是芯愿景公司推出的兩種“游戲裝備”之一，主要跟蹤通信、MEMS等幾大領(lǐng)域的芯片產(chǎn)品，力求芯片產(chǎn)品面世兩周內推出概要分析報告，可以按照領(lǐng)域以會(huì )員制方式進(jìn)行服務(wù)。
而IPsense系統則是芯愿景研發(fā)的專(zhuān)利查詢(xún)和挖掘系統。在IPsense系統的云端包含有超過(guò)42,000個(gè)芯片的海量數據資料。在任意的客戶(hù)端通過(guò)瀏覽器連接IPsense服務(wù)，可以快速查詢(xún)芯片的各種數據信息并通過(guò)瀏覽器呈現給客戶(hù)。通過(guò)IPsense獨有的智能匹配算法，能夠利用客戶(hù)指定的專(zhuān)利內容在數據庫中進(jìn)行挖掘和匹配，并將和專(zhuān)利相關(guān)聯(lián)的芯片細節信息呈現給客戶(hù)。
目前，憑借高智能的自主研發(fā)的專(zhuān)利同電路的匹配軟件系統，芯愿景已經(jīng)能夠實(shí)現自主分析重點(diǎn)領(lǐng)域關(guān)鍵芯片(主要關(guān)注國際前10大設計公司)，建立了三層次芯片電路信息庫，做到同國家專(zhuān)利局專(zhuān)利信息同步更新，實(shí)時(shí)為客戶(hù)提供所需的侵權證據。 人工智能和EDA的互相促進(jìn)和發(fā)展
Cadence中國區總經(jīng)理徐昀在演講中表示，EDA發(fā)展的歷史就是芯片設計方法學(xué)發(fā)展的歷史—從物理層設計，到電路層設計，再到系統層設計—工程師們逐步擺脫了繁雜的細節，可以更專(zhuān)注于高層次的設計。那么，EDA工具的下一步，該走向何方？
“我們是否真正需要AI芯片呢？”徐昀對當前幾種最為流行的處理器進(jìn)行了點(diǎn)評。在她看來(lái)，ASIC芯片盡管缺乏靈活度但卻具有非常高的性能；集成了FPGA/ASIC特性的混合型產(chǎn)品實(shí)現了靈活度和性能的平衡選擇；GPU雖然具備高性能但能效比偏低，且價(jià)格昂貴；傳統的CPU具備高靈活性但卻是低性能。
既然人工智能芯片的主要目的是獲得更高的性能，那一個(gè)重要的課題就是，如何在設計的每一個(gè)環(huán)節不斷提升性能，爭取達到能實(shí)現的極限。這里所說(shuō)的性能，主要包括了兩個(gè)方面，也是人工智能芯片最關(guān)注的兩個(gè)方面：能效(Power Efficiency)和吞吐量(Throughput)。
徐昀表示，人工智能芯片重計算的特點(diǎn)，決定了它將會(huì )是一個(gè)耗能大戶(hù)。深度神經(jīng)網(wǎng)絡(luò )海量的參數加上訓練樣本，會(huì )在芯片上產(chǎn)生頻繁的數據運算和數據交換。衡量人工智能芯片的能效，關(guān)鍵在于“效率”，一定要同時(shí)考慮功耗和算力兩個(gè)因素。單單看功耗是沒(méi)有意義的。所以衡量的指標是：在一定的功耗下芯片能提供的算力，通常表示為FLOPS/W。比如1TFLOPS/15W，意義是在芯片功耗15W的情況下，能夠進(jìn)行每秒1萬(wàn)億次浮點(diǎn)運算。
提高能效主要從神經(jīng)網(wǎng)絡(luò )運算的特點(diǎn)開(kāi)始著(zhù)手，業(yè)界已經(jīng)提出了多種可行的方法。最有效的一定是從算法層面的優(yōu)化，比如：a）降低精度、b) 發(fā)掘稀疏性、c) 壓縮。以上3點(diǎn)主要是算法和前端架構上需要考慮的設計方法，對芯片的后端實(shí)現沒(méi)有直接的影響。
對后端有影響的是另外幾種重要的方法。比如：片上存儲及其優(yōu)化、片外存儲器(如DDR等)具有容量大的優(yōu)勢，然而在A(yíng)SIC和FPGA設計中，DRAM的使用常存在兩個(gè)問(wèn)題，一是帶寬不足，二是功耗過(guò)大。由于需要高頻驅動(dòng)IO，DRAM的訪(fǎng)問(wèn)能耗通常是單位運算的200倍以上，DRAM訪(fǎng)問(wèn)與其它操作的能耗對比如圖所示。
為了解決帶寬和能耗問(wèn)題，通常采用兩種方式：1. 合理使用存儲單元，包括片上緩存和臨近存儲；2. 增加吞吐量包括兩點(diǎn)，一是計算單元的數量，二是數據存儲和訪(fǎng)問(wèn)的效率。兩點(diǎn)缺一不可。
“算力決定一切”也許不準確，但算力的確是人工智能芯片之所以存在的首要任務(wù)。目前，針對AI芯片能效和吞吐量的巨大挑戰，Cadence數字后端工具提供了大量方法幫助客戶(hù)更快收斂到預期的目標。如前所述，AI芯片大致對后端工具提出了4個(gè)類(lèi)型的挑戰：Power，Floorplan，Capacity，Interconnect，而Cadence的應對之道：Innovus、Tempus和Voltus能夠提供包括強大、完整的Floorplan解決方案；Bus routing和buffering、Concurrent Macro Place、SDP/Structured Data Path等在內的強大功能。
徐昀指出，在IC設計領(lǐng)域，EDA工具最近十年基本上是原地踏步。一個(gè)數字IC設計工程師，他可以使用10年甚至是15年前的方法和知識來(lái)做事情，毫無(wú)違和感。芯片規模是變大了，芯片工藝線(xiàn)寬是變小了，但是設計方法學(xué)的本質(zhì)沒(méi)有任何變化。從VerilogHDL、Verilog2001，到SystemVerilog、SystemC、C，語(yǔ)言在不斷向前進(jìn)化，但是可被綜合的行為描述還是停留在Verilog時(shí)代。
因此，在大數據驅動(dòng)的人工智能新型計算方式下，EDA也可以進(jìn)入新的時(shí)代。新的設計方式，不停的針對大數據的模型學(xué)習所產(chǎn)生的參數，來(lái)作為設計的新輸入?？墒俏覀兌贾?，在半導體設計中，可被拿來(lái)做訓練的數據不可能像圖像的應用那樣巨大。怎么樣從有限的數據中快速的訓練出高效的模型，也是對EDA的另一個(gè)挑戰。
人工智能在EDA的哪些點(diǎn)上可以有新的突破？
在實(shí)際狀況中，很多東西和參數本來(lái)就無(wú)法進(jìn)行精確建模。使用不精確的模型，也就無(wú)法得到好的設計結果。隨著(zhù)設計和制程的演進(jìn)，各種參數的波動(dòng)，制程的不一致性，使得建模的困難性更大。在這種情況下，通過(guò)有效的經(jīng)驗積累，從經(jīng)驗中體會(huì )出怎么來(lái)做相對應的設計，反而能解決很多無(wú)法通過(guò)數學(xué)和理論解決的問(wèn)題。同時(shí)在復雜的環(huán)境下，非線(xiàn)性模型的計算復雜性使得軟件的仿真運行時(shí)間非常長(cháng)。通過(guò)機器學(xué)習，可以幫助把非線(xiàn)性模型變得簡(jiǎn)單化，讓EDA的運行速度成倍的減少。
設計效率如何提高是永遠的主題。如果使用過(guò)去的成功經(jīng)驗來(lái)幫助工程師進(jìn)行設計水平的提高是個(gè)很大的幫助。做設計的時(shí)候，可以根據設計信息，從過(guò)往設計中找出最合適經(jīng)驗供實(shí)時(shí)參考，并給出對最后設計的性能預估，從而達到實(shí)時(shí)的What-IF設計方法。當然這種復用很多時(shí)候不是簡(jiǎn)單的Copy-paste，要通過(guò)人工智能的分析來(lái)取得合理的方式。人工智能也可以幫助在眾多復雜的記錄文件中快速搜索以往的經(jīng)驗，快速分析bug的根本原因，甚至給出修復bug的建議。
“EDA的傳統商業(yè)模式是賣(mài)license同時(shí)提供技術(shù)支持，這個(gè)模式在這個(gè)新的時(shí)代是否可以持續，是我們需要思考的。”徐昀指出，EDA軟件工具IP本身有技術(shù)壁壘和商業(yè)價(jià)值。但未來(lái)更大的價(jià)值，可能在于以大數據為基礎，給客戶(hù)帶來(lái)高效率高質(zhì)量最終設計。EDA公司相應的需要考慮是否要從license供應的模式轉變?yōu)榉?wù)供應，在云平臺上提供無(wú)時(shí)無(wú)刻的接入服務(wù)和數據服務(wù)。
