Facebook首席工程负责人胡鲁辉：数字化2.0的理念、架构与业务模型丨鲸犀峰会

 

数字化，到底是什么？

 有人认为，搭建起一个中台就可以；有人认为，数字化就是一场技术变革。

 一千个人，就会有一千种说法。

近日，Facebook首席工程负责人胡鲁辉在雷锋网(公众号：雷锋网)主办的「鲸犀产业数字峰会」上，发表主题演讲《数字化2.0的理念、架构、业务模型》。

鲸犀产业数字峰会，是一场由业内最顶尖的企业家、工程领袖、CIO、解决方案专家、投资家，联合发起的数字化系列论坛。

胡鲁辉在峰会上谈到，数字化其实不是新概念，而是早就出现，只是最近几年被重新定义，才产生了更大影响力。 

就数字化来说，目前国内中台的概念很火，典型的就是数据中台和技术中台，主要表现在组织架构的创新和技术架构的创新。

但中台是一种理念，并不是单纯的技术。中台只是解决一些问题，在认识数字化时候需要认识中台，但不代表有了中台就可以解决数字化。

针对数字化2.0的概念，胡鲁辉提出六点：云3.0、数据3.0、智能工程、数字思维、精准运营、业务价值，只有懂得了这些理念，才能帮助实现数字化2.0。

胡鲁辉现任Facebook首席工程负责人，此前担任京东集团副总裁、京东零售首席科学家；永辉云计算联合创始人兼CTO；华为美国研究院首席架构师兼CTO。胡鲁辉老师早期曾在美国亚马逊、微软总部工作十余年，带领多个团队长期从事云计算和大数据智能研发，拥有30多项美国专利及申请和国际顶级VLDB论文。 

以下为胡鲁辉老师的演讲全文，雷锋网做了不改变原意的编辑

今天大会的分享形式很特殊，选择了线上，这让我们看到了疫情推动了很多事情的发展，也看到数字化的影响力。

今天我分享的内容主要有三方面：一，科技的发展和趋势，理解数字化对我们的生活和企业产生的影响；二，正确认识数字化和数字化2.0；三，数字化如何驱动业务增长。

一、科技发展趋势

从1985年出现Windows，到1995年左右出现互联网，对我们的生活产生深远影响。再后来2005年前后出现新型手机iPhone和云计算，前几年又出现AI，这些技术使我们的生活和生产力产生巨大变化。

其实，从最初的信息化到互联网再到数字化，数字化已经不是新概念，而是很早就出现了，只是最近几年被重新定义，产生了更大影响力。

可以说，过去几十年，数字化一直是科技发展的核心。

从这些演变可以看出两点：一，技术每十年就有一个重大演变；二，数字化是科技发展核心，也可以说，数字化的程度影响了技术发展和生活方式。

那么技术对我们的生活有何影响呢？

 最早的PC时代，人们生活中从一开始的文本变成了电脑处理；后来从电脑、笔记本演变成了移动电话，使生活更加方便、灵活。

最近大家可能在思考今后会如何变化？我认为，AR（增强现实）和MR（混合现实）会产生更大影响。美国有些公司已经开始研发相关产品，如Facebook就用手环的方式配合眼镜，可以产生很好的AR效果，另外微软、Google也在研发相关产品。 

其实无论是5G还是云计算或者其他技术，也正是这些生活中C端产品跟B端技术的结合，才让我们的生活产生了重大变化。举例来说，PC、互联网时代，人们买东西只能通过电脑，但现在可以用手机，且可以随时购买。

我们可以试着想一下，再过三年或者五年，手机或许都会慢慢被削弱，取而代之的是AR。AR将会真正的改变我们的生活。

二、数字化2.0

1、数据中台和技术中台

说到数字化，绕不开一个概念，就是中台。两三年前，中台概念在国内很火，很多企业推出了不同的中台。比较典型的就是数据中台和技术中台，当然还有其他的中台。

我主要讲的是数据中台和技术中台。在我看来，这很难说是一种技术，而是创新，即组织架构的创新和技术架构的创新。

其实，中台应该是理念，并不是单纯的技术。它可以把前端、中端和后端解耦，通过强大的中台或者是后端，来支持快速灵活变化的前端。

但是，对于中台可能存在一个误区，很多企业认为数字化就是需要中台，并非如此。

数字化改变了我们的生活方式，技术也在不断演变，但中台只是解决一些问题，不代表有了中台就有了数字化。中台能解决的是组织架构和技术架构，达到其本身的目的。

所以，当在认识数字化的时候，需要认识中台，但不代表企业有了中台就可以解决数字化，这不是同一个概念。

2、微软对数字化转型的认识

具体来看一下，微软对数字化转型的认识。

在众多企业中，微软的数字化能力还是比较靠前的，它是如何帮助企业数字化转型呢？最近微软CEO强调了五个方面： 

第一，无所不在的分布式计算。数字化技术的强度，核心关键是无所不在的计算能力。就像最早的时候有服务器、数据中心、云计算，这里面的核心点是计算，也就是说将来无处不在的计算能力是很关键的。

第二，是数据。这里的数据不是之前讲的大数据，更关键的是如何做数据管理和数据治理，以及周边的智能，最主要是能够将数据应用到业务中去，帮助企业认识业务，从而驱动业务增长。

第三，数字化的目的是帮助企业发展。微软就提出了这一要求，帮助企业如何用数字化实现发展的目的。

第四，数字化不只是帮助全球的经济增长，而是如何用数字化全方位提升各方面能力。

第五，最关键是在全球化的情况下，如何在可信的环境里，进行数据的交互和应用，和技术能力的提升。

数据的广泛应用，让安全性更受重视。如今，国内很关注的就是如何落地数据的交互，如何将数据应用到各领域，这还是具有很大挑战的。而在设计的时候，就需要考虑安全性，通过设计理念提升安全性、建立信任能力。

3、数字化2.0理念

早期人们对数字化的认知，大多是互联网时代的信息化，将一些技术应用到传统领域，运用软件管理一些业务场景，这些都是数字化的应用。

那什么是数字化2.0呢？我认为是六方面结合的理念：

第一，Cloud 3.0。之前大多数企业都是通过自己的数据中心来提高计算能力，但是云改变许多方面。如美国比较典型的亚马逊、微软、Google，都是比较成功的云计算企业或者是云供应商，国内的阿里、腾讯、华为、UCloud和金山云也是不错的企业。这些企业的出现，使数字化程度得到快速提升。

第二，Data 3.0。这里不仅仅是大数据或者数据管理，而是通过云的方式提供数据服务，数据处理及安全应用。

第三，智能工程。AI改变了很多东西，可以帮助解决一些需要重复性的工作，被广泛到应用到企业和生活中，但很重要的一点是如何智能工程化。

早期软件刚开始被使用的时候也比较深奥，但软件工程化以后，就可以应用到各个领域。相应的AI也一样，如果AI不能工程化，就很难普及。

第四，数字思维，就是工作和生活场景中如何应用数字化。

例如，零售行业从早期的卖场到现在的互联网，并不是只有电商可以数字化，供应链、物流等都可以进行数字化，而且里面的业务场景比电商本身更加复杂，用技术优化的空间更大。因此，如果具备了数字思维，就可以将其用到众多领域，也就有了软件思维的数字化应用。

第五，精准运营，是数字化的重要目标。

数字化通过技术的支撑和数据互动来驱动业务，解决业务痛点。精准运营则可以帮助企业提升效率、降低成本。因此，在实践中，需要提升数据的质量，或者是信息的准确性。

第六，业务价值。某种意义上是衡量技术能力的提升，也就是说如何来提升数字化程度，其中最关键的衡量价值就是业务价值。

4、Data 3.0

现在我们虽然进入了数据3.0，那何为数据1.0和2.0呢？

数据1.0，就是最初的大数据，进行一些简单的数据处理；数据2.0是实时大数据。

数据3.0就是智能数据云（Data  Cloud），可以从两方面去解读：一，如何把智能和云计算的能力，与数据结合起来，帮助理解数据以及数据应用；二就是如何把数据和业务结合起来。

做大数据的应该都知道，一般会有三类人处理和应用数据，如软件工程师建设大数据平台、数据分析师进行数据分析、产品经理理解业务场景。这三类人群结合起来，才能真正将数据应用起来。

所以，我认为，数据3.0应该有两方面大的转变：一，数据闭环，端到端能够应用起来，实现流程上的闭环；二，将各种能力结合起来，无论是三类人或者是四类人，将这些跟数据相关的团队融合起来简单化、智能化。

5、Cloud 3.0

从Cloud 1.0到2.0时代的Kubernetes，如今已经进入Cloud 3.0。

Cloud 3.0指的是智能云，一方面能够让云实现自动化、智能化，另一方面就是将Cloud和Edge结合起来。

之前经常被提到的是集中云，但其实云的架构本身是分布式，这好像是矛盾的，但将云和Edge结合起来，就会产生不一样的效果。

6、数字化2.0的架构

那么，该如何理解数字化2.0的架构呢？

我认为，数字化2.0架构，应该以云和边缘计算为底层，上边分布着物联网、AI、AR、Blockchain、5G、新能源等能力，能够赋能于B端和C端，最后是各个数字化应用。

以前许多人认为To B需要数字化，但其实To B和To C都需要数字化。未来的应用场景有L4/L5、企业SaaS、零售3.0、健康3.0、智能家居3.0、AR2.0等等，我想在5年以后或者不远得将来，就都会出现。

三、数字化赋能零售

最后，分享一下如何把数字化2.0跟业务结合起来。

以零售行业为例，零售是极其复杂的行业，且场景很多，如客户、金融、商品、流量、物流、供应链等等。

数字化的应用，则可以从两方面去着手：一是物流、供应链、仓储这些都可以广泛的深入应用数字化，同时把各个方面结合起来，从零售的供应链到仓储到购买到配送，实现供应链智能化；二，可以把本来是分散的部分，实现全局来规划，进而优化零售全领域。

最后归纳一下，数字化2.0是以云和边缘计算为基础，以数据为核心，同时可以应用To B和To C的业务场景。

雷锋网雷锋网

雷锋网原创文章，未经授权禁止转载。详情见转载须知。