气象预测预报平台 >>

高性能计算和监控分析
客户痛点：
1. 能否支持WRF、MM5等主流气象预测仿真计算软件的高性能并行加速，提供大规模高性能计算集群的作业调度和数据管理？
2. 能否提高MICAPS等气象分析预报系统的运行性能，支持MICAPS等气象分析预报系统进行远程会商？
3. 能否降低气候预报和气象仿真的数据安全风险？

高性能计算平台 >>

仿真计算，刀片集群
客户痛点：
1. 第三方调度软件和景行资源管理与调度软件复杂异构环境下的多集群无缝互联整合；
2. 能否自动实现集群间的负载均衡，保证每个集群都能被充分利用，避免作业向某个集群集中导致闲忙不均；
3. 能否屏蔽后台的复杂性，提供一种方式让用户可以简单方便地使用多个集群的计算资源？能否保证资源跨集群共享的安全性。

大数据平台 >>

通过资源管理系统和设计数据共享机制，把需求采集与管理工具、体系建模工具、想定预演工具、仿真/测试工具、分析评估系统等有机地整合为论证与设计一体化仿真设计平台，形成一个成熟的闭环系统。
客户痛点：
1. 需要安全共享地使用海量结构化和非结构化数据资产，使得系统工程过程更加规范、高效和成熟，有效地改善原有工作流程；
2. 数据分析工具速度太慢效率低，需要并行加速；数据更新清洗费时费力，亟需优化；
3. 需要随时随地对数据进行协同分析和展示，对用户数据进行安全的可视化分析报告。

人工智能平台 >>

把数据转化成有效的信息，进而解决各行各业的痛点，辅助其做决策；通过智能分析对有用、无用信息进行筛选，区别处理、压缩和传输。
客户痛点：
1. 系统方面——工业界需要什么样的机器学习系统？如何获得？模型、特征方面——模型和特征在机器学习工业应用中的角色如何优化？
2. 建模维度方面——如何看待机器学习宽与深的大战？如何做到宽与深的结合？（DNN、DSN等前沿技术应用案例及效果）
3. 实施上线方面——机器学习系统如何上线？如何运用监督学习、强化学习等技术解决上线问题？如何把复杂目标拆解为单一目标，逐个优化？