““致敬十年”大型策划火热进行中，欢迎报名参与。
全世界都在为ChatGPT、DeepSeek等大模型欢呼的时候，一场更底层、更沉默的战争，正在成千上万的企业中打响。产业界面临一个残酷的现实：我们不惜投入几千亿美金去训练“绝顶聪明”的AI大脑，但其赖以生存的身体——数字化系统——却往往系统失衡、血液不畅。
这个问题，一名海归计算机科学家刘向阳体会尤深。
“AI的真正基石是数字化，而数字化的根基，在于一个坚实、可靠的数字化底座。”说这话时，刘向阳的语气透露出学者的笃定。这位拥有德州大学奥斯汀分校博士学位的学者，曾是美国密歇根州立大学终身教授，如今是美的集团首席信息安全官兼软件工程院院长。然而，当话题转向中国制造业的数字化困境时，他的语速不由自主地加快。
“我们都在谈论AI能飞多高，却很少人关心它站在什么上面。”
刘向阳的履历是标准的学术顶流：德州大学奥斯汀分校博士，密歇根州立大学终身正教授。学术之路走到这个份上，他本可以在象牙塔中优雅地“躺在功劳簿上”。
“但我总感觉少了点什么。”他坦诚地说，“发论文影响力再高，也仅限于学术界。但在产业界，一项技术真能改变生产模式，为人民的切身生活带来巨大变革，那种影响力是不可同日而语的。”
于是，他毅然选择回国，从学术界跨入产业界，从互联网走进制造业。
在他看来，美国强于从0到1的源头创新，其核心竞争力来自顶尖高等教育与全球人才；中国长于从1到N的应用创新与规模化落地，优势在于完整的制造业体系与丰富的商业场景。他的个人路径，恰好呼应了这一节拍：在美国完成学术淬炼，在国内投身于产业一线的大潮。
他将企业数字化分为三个阶段：
数字化表达业务：用数字记录业务，是业务的“数字镜像”，工具变而流程未变；
数字化优化业务：以数据驱动决策，系统开始反哺业务，例如美的通过数据分析模型替代经验决策，提升门店选址的科学性；
数字化接管业务：实现流程全自动闭环，如电商平台从浏览到支付无需人工介入。
遗憾的是，绝大多数企业卡死在了从第一步到第二步的路上。卡住企业数字化脚步的，是数字化底座的脆弱。
数字化底座的三个困局：成本困局、技术困局、多云困局成本困局：公有云技术好，但是成本太高。据美的内部测算，用公有云比用自己数据中心成本高6-10倍。这背后是公有云重资产商业模式的必然：云厂商数百万台服务器快速折旧的成本必须由用户分摊。更关键的是，公有云宣扬的“弹性共享”模型与制造业稳定增长的需求存在根本错位。
刘向阳分析：“制造业业务增长是可预测的，例如每年20-30%之间。而云计算兴起于泛互联网业务的波动需求。但是泛互联网业务的特点是赢家通吃，一般最后两三家做大，其它做死。一旦一个泛互联网企业做大，就会考虑下公有云。例如字节以前曾经是阿里云最大客户，但是做大后就下了阿里云。”
技术困局：自建数据中心成本低，但是面临种种技术困境。
首先是技术落后，大多数企业数据中心的数字化底座技术还停留在诞生于90年代的计算虚拟化技术，与基于云原生的公有云技术体系有着代际的差距。
其次产品杂，企业往往采购多种商业软件并引入大量开源系统。然而，这些系统之间通常难以打通和联动，逐步形成一个个“数据孤岛”，导致资源无法整合、业务难以协同作战，整体数字化能力难以体系化构建。尤其在使用开源软件时，企业往往面临双重挑战：一方面，开源版本并非为企业场景专门设计，缺乏企业级功能、可靠保障和技术支持；另一方面，绝大多数企业不具备驾驭开源系统的能力。是软件就难免存在BUG，开源软件同样如此，但企业通常既无法自主修复漏洞，也难以遵循开源协议向社区贡献修复代码。更关键的是，这类软件缺少官方技术支持和维保服务，如同在不够稳固的地基上建造高楼，系统的长期稳定性和安全性存在根本隐患。
此外，数字化底座的架构问题同样不容忽视。根据刘向阳的经验，企业IT重大故障几乎都可追溯至架构与体系层面的缺陷。脆弱的数字化底座不仅影响系统稳定性，更会拖累整个数字化团队的效率——由于底层能力缺失，各业务团队往往被迫自行搭建和维护中间件、数据库等基础组件，导致重复建设、资源分散，长期来看整体产出效率必然低下。
而且从信息安全的角度看，薄弱的数字化底座也构成体系性隐患。安全建设依赖于扎实的底层架构，若基础能力不足，则安全防护难以系统化落实。例如，缺乏云原生虚拟网络隔离技术，仅靠物理网络难以实现应用系统之间的有效隔离；而不进行隔离又极其危险，一旦某个应用被攻破，整个数据中心都可能迅速沦陷。这正如军用潜艇的设计理念：通过密封舱隔离，即使一舱中弹进水，也不会导致整舰沉没，从而在受损时仍能保持整体安全。
多云困局：刘向阳发现，大多数企业，尤其大企业，在用公有云的时候都会用到多朵云。其背后的动因复杂多元：既有横向部门原因（不同部门有权利选择使用不同的云），也有纵向历史原因（不同时期的CIO选择了不同的云）；既有业务出海原因（海外业务选择了海外公有云），也有财务降本需求（因为单云绑定的话议价很难），以及业务稳定需求。
然而，多云架构在带来灵活性与议价空间的同时，也衍生出一系列挑战。首先，公有云互不兼容，导致应用跨云迁移成本极高——当一个应用系统从一朵云迁移到另外一朵云的时候，一般都需要至少半年的改造适配时间，这会导致业务晚半年上线。其次，多云环境容易形成“云孤岛”与“数据孤岛”，部署在不同云上的业务与数据难以打通和联动。例如，难以实现多云多活。此外，多云运维的难度显著上升，因为各云平台的配置、参数互不相同，而且参数越来越多，使得性能调优越来越难。
刘向阳分析公有云不兼容的底层逻辑有两个。第一难度大：每个公有云是独立的企业，让这些独立的企业做到产品兼容是难度极其大的。第二利益冲突：公有云兼容与客户绑定冲突。每个公有云都不想自己的客户迁移到其它公有云；如果公有云互相兼容，那一个公有云上客户是很容易迁移到另一个公有云上面的。
破局之道：“中立云”跨越所有基础设施的统一操作系统面对成本困局、技术困局、和多云困局这三重困局，刘向阳带领团队在美的实践出了一条新路——“中立云”。
从命名之处，已见其中的乾坤——既不是甲方，也不是乙方，而是“中立方”。
“这是站在甲方视角，为企业构建的、跨越所有基础设施的统一操作系统。”刘向阳如此定义。
刘向阳在美的带领团队建设的中立云，是一个云下云上多云统一的数字化底座，同时解决了上面两个难题。刘向阳从第一性原理思考，云下云上难道不能一样么？此云彼云难道不能一样么？他的中立云给出的答案都是可以一样。
从本质上讲，中立云就是一套完整的云计算能力，可以部署在企业自己数据中心，也可以部署在公有云上，并且通过虚拟网络技术，把企业所有数据中心以及其在公有云上的资源全部统一纳管统一调度。在云下云上统一方面，在一个企业的数据中心里面部署中立云，可以让该企业在自己的数据中心里面享受到公有云一样的服务，这样的公有云技术和老旧的虚拟化技术相比是代际的升级。
在此云彼云统一方面，中立云软件可以部署在公有云的硬件之上，即在多个公有云上用统一使用中立云软件；这样，虽然每个公有云的硬件不尽相同，应用系统所面对的数字化底座软件都是一样的。当应用系统从一朵云迁移到另外一朵云上的时候，不需要任何改造与适配；同样，当应用系统从企业自己数据中心移到一朵公有云上的时候，也一样不需要任何改造与适配。
在资源统一调度方面，中立云让一个企业所有数据中心里面的资源和所有公有云上的资源形成全球一张网，全球一朵云，全部云上云下资源全部由中立云统一调度，实现资源的最大化利用。我们知道单机操作系统屏蔽了底层硬件差异，中立云作为一个多云操作系统，屏蔽了不同公有云之间，以及公有云与企业数据中心之间的差异。中立云第一次实现了云计算的软硬件解耦。纵观计算机技术发展史，都是从软硬件耦合开始，以软硬件解耦结尾。中立云和多云管理平台CMP有本质区别：中立云是操作系统级别，CMP是portal门户级别（登陆一个网站代替登陆n个网站）。
“中立云”的核心突破在于：
统一技术栈，无缝贯通：在自建数据中心从裸金属开始构建，在公有云上从其虚拟机开始，之上全部搭载统一的自研软件层。应用可在“云下”和“云上”间无缝迁移，无需业务改造。
1.全球资源一体化调度：将所有计算、存储、网络资源整合进一个统一逻辑空间。对开发者而言，就像使用一台超大规模的、分布全球的计算机。
2.极致弹性与业务敏捷：当自有机房算力不足时，系统自动无缝扩容至公有云；业务拓展至全球任何地点，均可利用当地最优资源快速上线。
它的核心思路很“颠覆”：既然无法改变各大云和自建机房的“独立王国”现状，那就做一个凌驾于所有王国之上的“联合国”，并制定一套通用的“世界语”（统一技术栈）。
刘向阳进一步阐述了“中立云”的特殊身位，美的的“中立云”与公有云并非简单的竞争关系，而更像是一种互补与赋能。美的利用并纳管了各朵云的能力，为企业编织了一张真正可靠、灵活且成本可控的全球资源网络，解决了单一云厂商或自建模式都无法独立解决的难题。
这与AI Infra的演进方向高度一致。未来的竞争力不再是单点算力，而是全链协同的系统能力。中立云正是这种系统能力的体现，它通过软件定义的方式，实现了对多元异构算力的整合与融合调度。
五大支柱：构建坚如磐石的数字化底座基于“中立云”，美的构建了数字化底座的五大核心支柱：
支柱一：坚如磐石的稳定性
·采用现代云原生架构，实现真正弹性伸缩
·创新高可用模式：用公有云作为自建数据中心的低成本“双活”伙伴，甚至实现“多云双活”
·成果：自2022年重构底座以来，美的数字化底座故障数量下降27倍
支柱二：内建与赋能的安全合规
·虚拟网络实现业务逻辑隔离，防止“一点突破，全网皆失”
·实现从数据库到大数据平台的细粒度权限管控，例如工资这一列不能让DBA（数据库管理员）查看，再例如审计部门的这些行数据不能让DBA查看。对一张表，即使DBA有权查看，如果表里面的某些数据含有个人隐私数据或者公司自己定义的保密数据，DBA看到的也是脱敏后的数据
·所有数据库访问通过统一平台，SQL语句被解析审计，杜绝合规风险
支柱三：极致的开发运维效率
·服务化的中间件与数据库，开发者可“一键申请”
·深度集成的AI研发效能：自研Web IDE将AI代码生成与项目管理、知识库深度联动
·凭借上层应用全栈自研的优势，构建了一整套深度联动的研发平台。它不只是一个工具，而是一个包含了项目管理、代码托管、CI/CD流水线、自动化测试（包括独特的电控开发测试）、多维度量体系（涵盖上百个业务与效能指标）以及AI代码生成的一体化平台。让美的的AI代码生成达到了业界前沿水平：采纳率40%，最终代码入库率25%
支柱四：敏捷响应业务全球化
·支持从VMware无缝迁移且保持IP不变
·分布式对象存储支持全球加速，让欧洲员工访问中国PLM文件获得本地化体验
·业务全球拓展可实现“一键部署”，底座即时随行
支柱五：极致的总体拥有成本（TCO）
·相比公有云，成本大幅降低
·相比自建传统数据中心，提供更先进、稳定、安全的能力
·通过全局智能调度，从每一个计算周期中榨取最大价值
用甲方的心态做“乙方”：为什么“中立云”能成有些问题不纯粹是技术问题，因为技术反而相对容易解决。中立云最本质的特征，或许正是其纯粹的“甲方视角”。
“公有云作为乙方，其商业利益与为客户极致降本存在内在冲突。我们则毫无保留地致力于此——成为业界唯一能将企业所有资源，包括多个自建数据中心与多个公有云，整合成逻辑上一朵无缝专属云的方案。”刘向阳说。
他举了一个极致案例：传统大数据开发需独立的生产集群和开发测试集群，数据需复制，资源消耗翻倍。而美的这一首创技术，允许开发人员在单一生产集群上直接进行安全的“增删查改”体验，底层数据毫无受损——仅此一项，资源成本与数据管理复杂度减半。
这种极致优化源于团队独特的双重身份：既是构建者，也是使用者。
“我们每天用自己的系统支撑全球业务，任何低效与痛点都会立即反馈。这种‘吃自己做的狗粮’的方式，让我们对问题有切肤之痛。”刘向阳说。
2025年夏天，该系统迎来首次大考——美的“618”大促期间，某核心营销系统流量激增300%。传统方案需提前数月扩容，而中立云在5分钟内自动从公有云调度额外算力，保障业务平稳。事后复盘，成本仅为全面使用公有云方案的17%。
在刘向阳看来，AI时代真正的竞争不仅是算法模型之争，更是数字化底座之争。一个稳定、安全、高效、敏捷且成本最优的数字化底座，将成为企业智能进化的决定性因素。
而“中立云”所代表的，正是中国制造业在数字化深水区趟出的一条独特道路——不盲从现有范式，而是从自身痛点出发，以甲方视角重构基础设施，实现降维突破。
这条路，或许正是中国从“应用创新”迈向“源头创新”的关键一步。当坚实的数字化底座成为常态，中国的AI产业才能有无限的可能。
采访最后，刘向阳列举了一组数据：中国超过80%的企业仍在使用传统虚拟化技术，能全面上云的不足15%，能玩转智能化运营的更是凤毛麟角。
“中立云的使命，就是打破成本与技术的双重锁定，让每家企业，无论大小，都能以合理的价格享受到优质的数字化服务。”
美的计划将这套自身验证过的“中立云”能力开放给整个行业，特别是制造业的同行。
毕竟，AI要飞得高，大家脚下的地板，都得先一起夯实了。