在刚刚开启的云栖大会上，阿里云推出了一款与 MacbookAir M1 一样重，3D 渲染等续航却比 M2 芯片笔记本还多 100% 的产品——无影笔记本，不一样的是，这款设备本地并没有主 CPU/GPU/ 硬盘，都放在了云端。
早些时候，已经有评测炒热了这款云笔记本，在 Cinebench R23 上居然跑出了 120000 多分，秒杀王思聪花费百万组装的 128 核顶级服务器，耳边还没有一点散热轰鸣声，成为新晋的「跑分机皇」。
然而，如今服务器芯片跑分的意义还有多大呢？很久以来，计算机的创新几乎等同于芯片算力的提升，随着摩尔定律逐渐消失，是否意味 PC 的创新走到头了？
其实路早就不止一条。
The personal computer was the bicycle of mind……as history unfolds if we look back, and it is the most awesome tool that we ever invented。
个人电脑是大脑的自行车。我坚信如果将来有人回顾人类历史，计算机将是人类最伟大的发明。
——Steve Jobs
自行车绝对速度不占优势，每一公里消耗的热量却是最低的；随时随地的可用性最高，可以骑行非常近、也可以长途，也是老幼皆宜的工具。
比起传统个人电脑，将个人计算移到云上，或许更加接近「大脑的自行车」。
以一块处理器的利用率而言，传统个人电脑可能有 2/3 的闲置，且很难时刻弹性，算力过去是由硬件厂商的封装决定。无影云笔记本想展示的未来可能是，计算力和硬件形态无关，只和人们的计算需求有关。
你是否想过，灵活改变??的电脑？我们希望和无影的用户聊聊，看看他们如何在不同行业的场景下，创建不一样的计算机形态。
一部电影，几十亿核的 CPU
16 年前，宋文创办了 FIRST 青年电影展，这些年 FIRST 走出了文牧野、忻钰坤、周子阳等一大批优秀的导演，也让世界看到中国青年电影的多义样本。
每年电影节里宋文最重要的工作，就是挖掘新一代的电影力量 。
2016 年与韩国著名导演罗泓轸（代表作《黄海》）合作的训练营令宋文印象深刻，当时要在短时间内完成 11 支短片的制作。罗泓轸作为训练营导师需要及时对这些作品进行提出指导意见，比如哪些素材可以通过、哪些需要重拍。
这种实时多地观看制作结果，又有时效性的高需求，一组什么样的渲染农场、图形工作站可以支持呢？答案是没有。
由于评委分散各地，过去通常通过加密硬盘寄送审片，这种方式不仅效率低下，更存在泄露的风险。电影一旦泄露，会对其交易价值造成较大影响。
对此宋文深有体会，2017 年他的团队拿到了电影《猎凶风河谷》在中国的首映权，为了防止电影上映后泄露片源，观众甚至需要将手机放入一个黑布袋后才能入场观影，以防止盗录。
导演应该扎根拍摄好故事的现场，而不是等待在进度条里。
1.58 亿核小时的云渲染
2020 年疫情期间，业内知名的特效机构墨境天合用无影云电脑+计算存储集群的方式，让分散各地的艺术家复工 80%，以 21 万核 CPU 峰值冲线完成《刺杀小说家》的特效。
到了今年上映的《杨戬传》，在云端的渲染量达到 1.58 亿核小时，约占总时长的 44%。特效师们基本告别了「修改 10 分钟，等渲染抽烟 1 小时」的工作体验。
有了大制作验证过的成熟技术，宋文也开始尝试在 First 引入无影来解决数据安全问题，同时将很多跨地域多点制作的协作流程放在了云端。
宋文希望为更多青年导演提供更方便的前沿的技术能力，让大家更能把专注力放在电影创作本身之上，而不是因为繁琐低效的制作流程束手束脚。他说，导演应该扎根好故事的现场，而不是等待在进度条里。
一辆智能汽车，数百人协作工业文件
大多数人并不了解一个智能汽车的设计团队是如何工作的，葛奕言说，设计部门是公司最神秘的部分，因为他们是「高密」的，既是保密，也是精密。
和很多人想象中不一样，葛奕言所在的智己汽车设计团队除了工业，还有时装、珠宝、影视，甚至还有考古背景的人。
在这个团队中，每个设计师都会见证一辆汽车从创意萌生，虚拟渲染、结构，到最后制造和交付的全过程，不仅团队协作频繁，还要兼顾严谨和精密。
以智己 L7 全驱智能底盘为例，它的稳态最大侧向加速数值需要稳定在 0.968G，这让驾驶者能感受极致的漂移而不会失控。这个关键数值背后，是整个工程与设计团队数百人的协作结果，每一个零部件的精确咬合都很重要。
对于葛奕言来说，对产品情感的传递是通过视觉来实现，其中很多环节对精密度有很高的要求，因此需要高性能的计算机去渲染、演算。
除了常用的 Adobe 全家桶，像 CSD Maya、Vray 等渲染工具和软件也是葛奕言平时常用的，对算力的要求也比一般的设计要高，一直十分依赖办公室里笨重的计算机工作站。
工作中最令她无奈的时刻便是宕机和算力崩溃，「因为汽车的设计流程其实需要很多不同部门和小组的协作，环环相扣。」葛奕言表示，过去设计的协作很难离开线下，而他们工作中涉及到的文件庞大，传输耗时还得高度保密，因此一旦远程办公往往会拖累进度。
纵观汽车工业的历史，要驱动这个大型科技产品的创新，离不开生产工具和模式的迭代，就像百年前福特引入流水线生产，智能时代下的电动车也不例外。
云端的高算力
葛奕言和同事们也迎来了一些新变化，他们开始使用无影云电脑进行设计工作，在保证数据安全的情况下在线进行文件传输和共享，出差和在家办公只用一台笔记本也可以完成高算力的渲染，同事之间的协作也不再受制于空间。
我期待的状态应该是一个可移动的工作站作为终端显示。后台有一个不管是在显存，还是算力都能完全支持的云工作站，同时做好数据保密，让我心无旁骛投入到设计中。
1000 家零售门店的无间断数据流
对康众汽配一个门店的店长 Daisy 来说，每天的工作都在产生客户和交易数据。
Daisy 管理着门店 4000 多种类的产品，积累数十万客户数据。从前端的开单、到配送员的回签单、配送单，门店业绩的 表，每一部分都涉及庞大的信息处理量，而且需要很准确的数据才能盘出门店的库存量。而 Daisy 管理的门店负责给品牌修理厂诉讼直接采购配件，数据的错漏可能会对品牌产生直接的负面影响。
数据处理一直是 Daisy 头疼的问题，长期处理大量数据电脑，容易卡顿甚至导致数据丢失，而联系 IT 部门的流程较长，这个过程往往会堆积大量订单无法处理。
1000 家门店数据在云中
现在 Daisy 终于拥有了更趁手的武器，公司将 1000 多家门店的电脑更换为无影一体机，操作变得更加便捷和标准化。 Daisy 只要将账 提供给 IT 部门就能完成设置，系统升级或修复 Bug 五分钟就能搞定，更避免过去数据在本地丢失的风险。
不用担心有人会窃取这个数据，它在云端了。1200 多家门店统一一次性升级，也大大减少了本地寻找运维服务的支出。
一次大数据实验，从几天到 5 分钟
在华东师范大学数据科学与工程学院，王伟一直在和海量数据打交道，他的研究课题涉及云计算和深度学习的框架，经常需要瞬时快速处理庞大的数据。
「不光是一些算法和模型的问题，其实还需要底层的一些基础设施。」王伟表示：
过去单机处理数据的方式已经不适用于大数据，它需要一个分布式的环境，甚至需要调用几千台机器的算力。
大数据是怎么应用的？王伟以金融举例，系统要在 0.1 秒的单位时间之内处理资金动辄上亿的海量交易数据。在王伟平时的科研实验中，无论数据的量级还是所需的算力，都与此相当。
除此之外，在涉及计算机安全的课题里，加密解密的过程少则几小时多则几天，科研人员往往只能在机房里干等这些关键数据的处理。
云计算实验室的算力加速
于是数据学院开始尝试建立云实验室，开始用无影云电脑去代替传统的机房，并开始在教育、科研场景中落地。
王伟认为，云计算实验室和过去传统机房最大的不同就是背后连接的是云端，拥有弹性可扩展的算力，使用体验和本地计算一样不会感到延迟，而且可以 7x 24 小时不间断运行。一次大数据实验可以从过去的几天缩短到 5 分钟。
此外王伟所带的课程也需要较高的算力，传统机房或者学生的自己的笔记本，都已经无法支持像 Tensorflow 和 PaddlePaddle 等深度式学习框架的运行，期末时会出现算力需求峰值，但过去的设备无法按需来弹性提供算力。
现在在一些研究课题中，王伟和他的学生们开始用无影来做无缝的切换，无论学生是在实验室还是在课堂或者寝室，都可以完成他的研究工作。王伟表示，「这种移动式的科研场景，对于老师和学生都非常有价值。」
年轻时王伟就曾幻想，计算机能够演变成一个小盒子，甚至是一张卡片。联 就可以使用并且拥有无限计算能力，如今开始成为现实。