氣象預測預報平臺 >>

高性能計算和監控分析
客戶痛點：
1. 能否支持WRF、MM5等主流氣象預測仿真計算軟件的高性能并行加速，提供大規模高性能計算集群的作業調度和數據管理？
2. 能否提高MICAPS等氣象分析預報系統的運行性能，支持MICAPS等氣象分析預報系統進行遠程會商？
3. 能否降低氣候預報和氣象仿真的數據安全風險？

高性能計算平臺 >>

仿真計算，刀片集群
客戶痛點：
1. 第三方調度軟件和景行資源管理與調度軟件復雜異構環境下的多集群無縫互聯整合；
2. 能否自動實現集群間的負載均衡，保證每個集群都能被充分利用，避免作業向某個集群集中導致閑忙不均；
3. 能否屏蔽后臺的復雜性，提供一種方式讓用戶可以簡單方便地使用多個集群的計算資源？能否保證資源跨集群共享的安全性。

大數據平臺 >>

通過資源管理系統和設計數據共享機制，把需求采集與管理工具、體系建模工具、想定預演工具、仿真/測試工具、分析評估系統等有機地整合為論證與設計一體化仿真設計平臺，形成一個成熟的閉環系統。
客戶痛點：
1. 需要安全共享地使用海量結構化和非結構化數據資產，使得系統工程過程更加規范、高效和成熟，有效地改善原有工作流程；
2. 數據分析工具速度太慢效率低，需要并行加速；數據更新清洗費時費力，亟需優化；
3. 需要隨時隨地對數據進行協同分析和展示，對用戶數據進行安全的可視化分析報告。

人工智能平臺 >>

把數據轉化成有效的信息，進而解決各行各業的痛點，輔助其做決策；通過智能分析對有用、無用信息進行篩選，區別處理、壓縮和傳輸。
客戶痛點：
1. 系統方面——工業界需要什么樣的機器學習系統？如何獲得？模型、特征方面——模型和特征在機器學習工業應用中的角色如何優化？
2. 建模維度方面——如何看待機器學習寬與深的大戰？如何做到寬與深的結合？（DNN、DSN等前沿技術應用案例及效果）
3. 實施上線方面——機器學習系統如何上線？如何運用監督學習、強化學習等技術解決上線問題？如何把復雜目標拆解為單一目標，逐個優化？