近几年来，传统制造业的转型升级一直都是中国政府的工作重点，今年的政府工作报告中更是明确指出“质量、设计、创新、智能＋”是制造业新旧动能和新旧生产体系转换，形成国家发展新动能的四大核心因素。如果说“质量”是中国制造的硬实力，那么“设计”就是软实力。现在，越来越多的跨国公司都开始意识到，用设计驱动增长，潜力是巨大的。但就中国现状而言，“设计”恐怕是大多数制造企业最薄弱的环节。
麦肯锡在2018年10月发布的麦肯锡设计指数（McKinsey Design Index, MDI）显示，麦肯锡认为不断提升的产品设计水平，并由此实现高商业盈利，将有助于公司在激烈的竞争中脱颖而出。“MDI排名前25%设计能力强的公司收入和股东总回报的增速远高于同行业竞争者——收入增长提高了32%，总体提高56%”。决定设计水平主要包括以以下四个方面：
· 打造设计标准化：树立严格的设计衡量标准，发挥先进企业的示范作用，以驱动行业设计的整体发展；
· 个性化产品设计：构建以用户为中心的设计文化，聆听用户需求，实现个性化设计；
· 跨界的协作设计：打破实体、数字和服务设计之间的界限，实现全流程、全领域的协作设计；
· 持续的迭代设计：通过不断整合新技术、持续倾听用户需求，来提高产品的迭代能力，降低开发风险，提升产品的服务能力。
从“制造”到“智造”，中国企业设计能力是关键
从“制造”到“智造”，是中国实现从制造“大国”到制造“强国”蜕变的必经过程，那么，在工业设计方面就一定要有话语权，只有建立起以设计为驱动的企业文化和产业链，才有助于中国品牌在全球范围内越做越好。传统以加工和组装为主的中国制造企业急需提升产品原创设计能力，从而实现从“制造”到“智造”的转型升级。在这一演进过程中，中国制造用户普遍遇到以下挑战：
·产品设计无统一标准：对设计的效果进行量化，制定严格的标准规范设计市场，无论是对设计师的价值体现，还是对整个产业的设计优化来说都是利大于弊。目前中国制造业还没有统一的设计标准，这就需要发挥先进企业的示范作用，优先建立起先进设计思维，才有助于推动工业设计标准的制定。在此基础之上，构建开放式的云IT架构，既能够将产业链上下游迅速凝结，推动设计标准的快速制定与推广，还能够高效低成本的融合新技术，实现产业链附加值的提升。
· 个性化设计能力差：机电一体化、自动化和智能化在制造业中的应用，使用户对产品精细度和设计个性化的要求不断提升，因此，更高的计算能力和存储能力，以及更灵活的可扩展性和并行处理能力是实现个性化设计的保证。但传统的IT架构计算能力和存储能力难以快速扩展、缺乏弹性，无法满足研发设计需求。同时，小批量、多批次的个性化产品设计，尤其是渲染、建模、仿真等对计算和存储资源需求大，但周期性强，对计算和存储需求易产生波峰和波谷，从而造成资源配置不均衡，难以支撑工作负载。这就需要借助基于云平台的CPU、GPU和FPGA服务器，针对特定应用程序进行优化，以满足个性化设计对IT基础架构的需求。
·产品设计跨界协作力差：由于市场竞争加剧和用户个性化需求增加，产品设计要尽可能地提升效率，缩短设计周期，而保障跨地域、跨部门的多人协同工作是基础。传统的IT架构存在大量信息孤岛，为协同作战设置了障碍，而不同的设计环节还存在信息沟通不及时、数据难以共享、审批测试流程重复烦琐、资源浪费等问题，从而无法满足产品设计对跨界协作和智能设计的需求。这就需要借助一站式托管服务或平台，来实现跨设备、跨流程、跨地域的应用程序、数据的共享与集中管理，同时，通过深度学习工具，基于实时搜集的数据，来对设计模型进行高效地训练、调整、优化，以降低各方面协作沟通成本，缩短设计周期同时，保障设计安全，免受被抄袭的困扰。
·产品设计迭代能力差：进入后服务时代，通过提高产品设计的迭代能力，来满足用户在不同应用场景下的不同需求，是大多数企业的核心目标。然而，设计的迭代需要对大规模数据进行实时分析，并会使用到各种不同的应用程序，包括计算机辅助设计 (CAD)、计算机辅助工程 (CAE)、电子设计自动化 (EDA)、产品生命周期管理 (PLM)、产品数据管理 (PDM) 和土木工程。更别提不同应用对服务器的配置、性能、扩展性、稳定性等方面的要求也不尽相同，传统的IT架构无法满足企业在这方面的需求，这就需要借助具有强大实时计算能力的云服务器的支持，根据不同设计应用的需求实现自动扩展和性能优化，以缩短设计迭代周期。
AWS云层打造数字化协作设计创新能力
随着制造业产品设计对标准化、个性化、协作化和迭代化的要求逐渐提高，高计算力、高可扩展、高灵活性，且低成本的混合云平台成为优先选择。AWS作为全球先进的云服务提供商，力求通过为北京光环新网科技股份有限公司和宁夏西云数据科技有限公司的用户提供高水平的技术支持和广泛的产品服务组合，助力企业加速创新的同时，缩短产品设计获得成效的时间，提高企业在云层打造数字化协作设计创新的能力。
·建立统一设计标准：采用AWS 的混合云架构，帮助企业实现本地资源与云资源的集成，产业链上下游资源的集中整合，为建立统一设计标准提供简单快捷的平台服务。同时，借助AWS人工智能和机器学习对大规模不同标准的设计模型进行模拟分析，以制定助力行业利益高点的产品标准。
·提高个性化设计水平：AWS在云中提供CPU、GPU和FPGA服务器，并针对特定应用程序进行优化。通过AWS，企业可以按需使用这些服务器，而无需前期的大量资金投入搭建IT基础设施。Amazon Elastic Compute Cloud（Amazon EC2）可针对不同设计应用程序选取理想的内存、CPU、实例存储和启动分区大小配置，以满足个性化设计的需求。
·优化协作智能设计能力：Amazon AppStream 2.0可让企业在没有工作站的情况下，在全球任何计算机上访问CAD、CAM和CAE应用程序，轻松实现3D设计与创新的同时，有效提高全球协作设计的效率。Amazon SageMaker使制造企业可快速构建、训练和部署机器学习模型，以便针对实时或批量数据生成预测，以提升设计的智能化水平。借助 AWS IoT Greengrass，互联设备可以运行 AWS Lambda 函数、同步设备数据，以及与其他设备安全通信 – 甚至无需连接到 Internet，提升设计的跨界协作能力。
·缩短设计迭代周期：AWS拥有丰富的云服务功能，应对不同应用程序对存储、网络、安全的需求，后台的大数据处理对产品设计的快速迭代以及分析用户需求都是至关重要的。利用Amazon EMR，企业可实现计算资源和存储资源的解耦，结合Amazon Simple Storage Service (Amazon S3)高持久性的数据存储和超高存储容量，企业可根据不同设计选择最适合处理需求的实例大小和类型，以缩短设计周期，加速设计迭代。
AWS助力F1赛车实现数字化协作设计
Formula One Group（F1）负责推广国际汽联世界一级方程式锦标赛，在 21 个国家/地区举办一系列赛车活动。F1赛车在全球拥有超过 5 亿粉丝，2017 年创下 18 亿美元的总收入。
F1 赛车是一项数据驱动的运动。在每场竞赛中，每辆车上的120个传感器将生成3GB数据，每秒生成1500个数据点。数据量的骤升和对数字化协作设计的需求，使F1将其大部分基础设施从本地数据中心迁移到AWS，并对AWS的机器学习和数据分析服务进行标准化处理，以加速其云转型。
F1的数据专家使用Amazon SageMaker培训深度学习模型，用65年的历史竞赛数据来提取关键竞赛成绩统计数据，以便车队更好地优化赛车设计。通过使用Amazon Kinesis，将实时赛车数据流式传输到AWS，F1可获取并处理每辆车在F1赛道上每次转弯过程中的关键性能数据。然后，F1通过Amazon SageMaker部署高级机器学习，以便可以明确车手的表现，以及车手是否超出了自身的极限。利用Amazon SageMaker 和AWS的机器学习服务，F1不仅能够为粉丝提供有洞察力的实时赛事观察和预测，还使F1的赛车运动部门实现在AWS上的可扩展环境中运行高性能计算工作负载。在此基础之上，
F1制定新的赛车设计规则时，可以大幅度提高其空气动力学团队可以运行的模拟数量和质量，同时赛车零部件设计的数字化水平也获得提升。
F1通过种类繁多的AWS服务（包括Amazon SageMaker、AWS Lambda、AWS的事件驱动型无服务器计算服务以及AWS分析服务）增强其竞赛战略、数据跟踪系统和数字广播，以提供新的竞赛指标，这将改变粉丝和车队的赛车体验方式。F1车队的赛车设计团队根据赛车实时数据，能够在短时间内完成对上百个零部件的重新优化设计、测试和生产，数字化协作设计能力的提升带来高品质赛车的同时，也为观众呈现出更高水平的赛事。
打造自主的产品设计文化，对于现阶段的中国制造业而言至关重要，是其实现自主创新的，应对国际挑战的根基。AWS以其灵活且强大的混合云平台，为制造企业提供灵活的计算、存储、网络、应用及服务选择，使其无需花费高昂的基础设施建设成本，就可以实现可扩展的、跨界协作的、按需的全球数字化协作设计创新能力的提升。助力中国制造企业从标准化、个性化、协作化和迭代化四个方面着手，打造高品质的原创产品设计文化。
