“阿里巴巴，果然开始拥有“预测未来”的能力了。”

本篇文章9593字，读完约24分钟

顶灯闪烁，笛声回荡。

救护车载着患者，向着广阔的车海，沿着时间的路线奔跑。

启动黄金地图、gps卫星导航、路面感应线圈、1300个路口摄像头，为这辆救护车探测最快路线。

GS返回实时数据，在后台根据辅助数据校正偏斜，固定救护车各瞬间的准确位置；

救护车通过的途中，车辆的状况实时计算。 十字路口的绿灯提前亮，在救护车通过之前，确保正好所有社会车辆都在空行驶。

这不是演习。 这是杭州市大脑每天执行的任务。 据计算，救护车到达医院的速度平均缩短了50%。 在这个城市，用警笛和红灯开辟道路的悲壮已成为彻底的历史。

说人和蝾螈一样也不为过。 200多万辆车在城市行驶，他们的行踪像风中的落叶一样不可预测。 但是，通过实时计算1300个十字路口的摄像头，城市大脑可以准确预测未来15分钟、未来30分钟哪条道路将堵车，并指示改变十字路口信号灯的姿势。

正在帮助人类追赶时间。

中哥今天想说的是这个精巧牢固的大数据实时计算引擎。

你可能没听说过这个发动机，也不知道它的存在，但你很可能已经成为了这个发动机服务的一员:

一年一度的双11，无数人涌进天猫，每个人都可以用0.1秒搜索自己理想的商品，在智能推荐中找到合适的宝贝，背后靠的就是这个引擎；

双11庆典现场，大屏幕上那个跳动总成交量的数字，只是背后全部数据的冰山一角。 几十亿种商品的实时库存、价格、折扣数据能够毫不延迟地同步到屏幕前的你，也依赖于同样的引擎。

从某种意义上说，只要这个计算引擎有足够的资源，无论面对多么庞大复杂的系统，我们几乎都能在不计其数的时间里看到真相。 这比人类最聪明的大脑快得多。

这是我们自己做的先知。

器皿太重，不好做。 为了这位先知常规的大数据实时计算引擎，阿里巴巴最核心的技术人员，已经花了将近五年的时间。

令人感慨的是，这个承载着每个城市的交通承载着一条生产线，承载着一个国家十几亿人购物的强大引擎诞生于阿里巴巴，最初并不是为了满足某些需求，只是因为它看起来很美。

这是一个鲜为人知的故事。

(一) ) )。

1999年，阿里巴巴在杭州成立。

同样在1999年，蒋晓伟在美国主修理论物理博士。 初中三年级以探索宇宙秘密为目标的年轻人，至今为止他的人生很完美。

新的物理学家出来的时候，命运开始展现出那波云的奇怪。 蒋晓伟突然被自己的导师骗了，被一个很有前途的网络初创企业。 理由是30岁之前财富自由，以后喜欢学物理的话就喜欢学物理。

一年后，网络泡沫破裂了。 但是蒋晓伟留在了这个战场上。 2002年，他加入微软，并于年加入脸书。 指挥官之间，在回国加入阿里巴巴之前，他成功地从物理学家成为了数据库和计算资源调度系统的专家。

他还记得去年12月29日加入阿里。 这是一年中能进入公司的最后一天。

你为什么选择最后一天？

因为看起来很美。

。 。 。

蒋晓伟是我见过的第一个以物理式一样的美感对待人生的人。 而且，他给自己的花的名字想叫量子，但后来想想，觉得量子不太像个体名，改成了谐音。

蒋晓伟

蒋晓伟加入的是阿里巴巴集团的搜索小组。 你说:“纳尼？ 阿里巴巴和搜索小组？ 当然有。 而且，非常重要。 列举一下搜索引擎的日常生活:

在淘宝的搜索框中输入杜拉斯后，各搜索引擎马上行动，亿万卖家从正在销售的宝贝中找到合适的tt (以及其他产品)，按照推荐顺序排列在搜索展示的结果中。

观察，感兴趣的硬核就会来:

如果商家的tt价格永远不变，库存永远无限，优惠促销方案永远不变，那么搜索小组只需要建立最简单的查询系统就可以了。

但是，在现实中，商家随时调整价格和折扣，某些热情的大粒子也很受欢迎，因此被陈列10秒钟就可能缺货。 在淘宝网上，可以看到无数卖家的产品参数随时都在变化的真实状态。

所以，各搜索引擎的挑战就是根据每时每刻最新的数据库，瞬间计算出最适合你的搜索展示结果。

我相信只有用最新鲜的数据计算出来的结果，才能让屏幕另一边的你展现出满意的表情:

面对这种现实最稳妥的方法之一是各大搜索引擎将当前的数据库全部计算出来得出结果。

但是，这要消耗很多计算力。 毕竟，这一秒相对于前一秒，有可能发生参数变动的宝贝只有10个，没有参数变动的宝贝有10万个。

那么，我自然会想，有没有一种方法能让我只计算变更的部分，把特别的数学运算和之前的结果融合起来，从而得到和计算全部数据一样的效果呢？

是的，这叫做流计算。

举个最简单的例子:

我负责把椰子汁平分给十个妹纸。 一开始有十瓶椰子汁，所以一个人分了一个。 之后，你又得到了十瓶椰子汁。 这时，椰子汁的总数达到了20瓶。 平均每个妹妹的纸应该能得到2张。

但是，你不必把以前分给妹妹的椰子汁回收，再给每人两个； 相反，每个妹妹都拿着前面的椰子汁，然后每人可以重新发行。

在这个例子中，我认为你感受到了流式计算的动荡。 当然，实际的数据库运算比椰子汁要复杂得多。

另外，当时在阿里巴巴内部，并不是没有流媒体引擎，而是各部门根据自己的诉求开发特定的流媒体引擎，但很多引擎只是用于处理各自部门的问题，没有通用性。

开发了很多业务

每个流媒体引擎

但是蒋晓伟突然发现，流式计算背后隐藏着不可思议的事实:

既然只计算增量，就可以知道总量的结果； 计算全量可以用永远计算增量的方法来表现。

即，增量计算等价于总量计算； 流量计算与批处理解析计算相同，实时计算与离线计算相同。

也就是说，如果按照这个思路建立一个功能完善的流式计算引擎，就可以统一江湖，在阿里巴巴所有技术的底层运行。 这是个了不起的产业！

蒋晓伟越来越想冻鸡了。

但是鹅，让他兴奋的最大理由竟然是，这个发动机太完美了！ 他发现其实自己身体里的那个物理学家一直都在。 物理追求的终极是大一统理论通过一个机制处理所有问题。 没想到人生的高峰电路会转，但在计算机行业也发现了大一统的机会。

说实话，蒋晓伟老湿傅这个想法有点危险。 危险在哪里？

首先，如果将当时检索业务所需的流式计算比喻为汽车发动机，那么蒋晓伟打算开发的发动机就是可以用于新一代宇宙飞船的豪华原子能发动机。 自己团队支持的这个小摊业务现在不需要这么好的引擎。

其次，研究这台发动机的基本动力多么美感。 根据美的感觉开发计算引擎的动机，自然带有理想主义的气质。 。 。 是否能进行研究，那只有上天知道。

另外，面对如此宏伟的任务，部下可用于研究开发的团队只有5人。 另外，这五兄弟还有日常任务，人手极度不足。

但是，马老师不是说过吗？ 梦想还在。 万一实现了呢？

刚进入阿里的蒋晓伟下了决心。

(二) ) )。

蒋晓伟能用的队伍都在北京。

这个小分队的老板叫汪峰。 汪峰是老阿里，2006年加入阿里巴巴，在阿里北京雅虎中国队进行搜索，然后进行淘宝搜索和淘宝搜索。 现在他和北京的几个兄弟主要负责开放检索项目的离线系统。

听到蒋晓伟对流式计算引擎的解释，汪峰内心悲鸣着睡着了。 对合格的技术宅来说，好的技术构想比萌妹更能打动他。

蒋晓伟和汪峰加起来，事情很简单。 用脚踩两只船，那几乎没戏。 要不要早点放弃开发新发动机？ 大家完全交出旧工作，破釜沉舟弄票吗？

汪峰的决定是做！

现在的汪峰、

笑起波澜，

当时的心也很慌。

汪峰的回忆，我觉得领导们很不可思议。 因为移交了原业务，所以北京这个小团队相当于失业。 新的研究流媒体引擎只是构想，没有技术方向，代码还没有写。 对汪峰来说，这相当于破釜沉舟的内部创业，前途无量，凶险异常。

事实表明，别人的担心都是正确的。 第一支队伍努力写了三个月代码，但没能达到蒋晓伟理想的通用性，就连他本人都有点心虚。

我刚来阿里巴巴，让兄弟们放弃了所有以前的项目。 如果最后说明我的构想是个漏洞，那不是伤害了别人吗？ 。 。 他想。

焦急中，已经到了年夏天，蒋晓伟突然在业界知名大数据峰会hadoop sumit的论坛上，看到有人flink出来，发表了觉得不太需要hadoop的惊悚评论。 。 。

hadoop是当时最受欢迎的大数据分布式架构，这个flink是神马的，完全没听说过啊。 但是蒋晓伟、汪峰、团队研究完技术资料后，突然意识到，这样的用流计算等效所有计算的理念不就是和我们想开发的引擎一样吗？

蒋晓伟仰天长啸:

真是天助我也是！ 既然已经有了开源技术，我们要是能继续开发更多的流式计算引擎就好了。

在这里做进一步的介绍。 flink是一个诞生于德国研究中心和柏林工业大学的流式计算开源框架，捐赠给apache基金会，由创始企业dataartisans继续运营。

链接的标志是眼睛有故事的松鼠。

简单来说，年的时候，flink刚出道，几乎没人知道，也没有大规模采用。 像刚毕业的大学生一样，看起来很有潜力，但稳定性和实用性都缺乏事实验证。

就这样，这群阿里巴巴的技术专家成为了世界上第一个采用flink框架开发大数据引擎的人，蒋晓伟瞬间给自己的引擎起了个blink的名字。 这是英语眨眼的意思。 转眼之间，所有的东西都计算好了！

年末，搜索部门要向阿里巴巴cto报告癫痫。 人均20分钟，蒋晓伟去讲blink，沉浸在这个完美引擎的想象中，马上讲了40分钟。

作为阿里巴巴所有核心技术的领导者，行癫本来就对新技术很敏感。 他了解蒋晓伟的技术路线，内心也认为相当可靠。 但是，这始终是搜索队偷偷进行的项目，兄弟们到底能多走几次，在意也没用。 于是，蒋晓伟鼓励说:“那么，等明年你们做好了，我们再看吧。”

阿里巴巴cto致癫张建锋

(三) )

毕竟，blink是通用引擎。 它就像一台万能发动机，可以安装在轿车、卡车、飞机和火箭的任何地方。

蒋晓伟手里拿着这台万能发动机1.0版，到处找车做实验。 他看中的第一辆车是搜索业务中的招聘场景。

让我们简单地科普一下:

搜索业务的机器学习平台的内部代码是保时捷。 。 。 ，根据浏览商品的时间和动作，可以实时评价你可能对什么感兴趣，并在下一秒钟智能地推荐你喜欢的商品。 这是阿里巴巴非常有技术含量的应用。

其实，机器学习平台已经所属，在搭载流媒体计算引擎之前，汪峰就有了他带领搜索小组自研的istream。 istream是专门为搜索而设计的，现在可以很好地完成任务，但结构简单，并不特别通用。

机器学习算法小组的负责人仁基，技术思想非常先进，非常巧妙的是，他也是一个执着于美感的人。 他相信，未来flink很可能成为新一代机器学习算法的重要基础计算框架，在blink系统开发初期，他将团队中100多名算法工程师的力量用于协助蒋晓伟。

一两百人的队伍被我一个人耍得团团转。 想起这里，蒋晓伟露出了害羞的表情。

说了好话，结果把blink拿来，马上就变成尸体了。 。 。 说实话，算法工程师没有义务买blink的技术问题。 毕竟算法工程师是生产汽车的，但是由于blink这个发动机的质量不稳定，人车备受诟病，可以说是相当不合理的。

所以那几个月100多名算法工程师的日常就是各种吐槽狂人蒋晓伟。

蒋晓伟后来知道，这些吐槽都被仁基抬走了。 仁基尽自己所能，守护着这个弱小的blink。

终于，年5月，基于blink的机器学习小功能a/b testing首次上线。 虽然还有点蓝臭的毛病，但正如所有技术人员所见，blink已经像可以呼吸的野兽一样，散发着迷人的引擎光泽。

最兴奋的当然是蒋晓伟本人。

他演讲了自己在flink上成功的APP，并为当时的hadoop sumit大会进行了投票。 碰巧的是，flink创始人kostas和stephan也在同一个大会上发表了演讲。 他们俩实际上是那个hadoop大会上唯一的flink演讲。

kostas事先看了议程，顿感相见恨晚，所以主动联系蒋晓伟，希望他能以团队研究的成果影响社区。

以前想自己玩，但我们连蚂蚁都不敢影响，还敢影响社区吗？ 蒋晓伟说。 但是，kostas和stephan认为这些蚂蚁的尝试完全不酷，所以特别支持。

蒋晓伟深受感动，从那时开始，我们就认为不仅要为阿里内部的业务，也要为flink社区做贡献，搞好flink社区。

这样蒋晓伟和团队就和组织联系在了一起，成为了flink社区的中心成员。

flink创始人kostas

这么帅还搞技术

可以说变得相当不能思考了

(四) )。

在搜索小组内部说明blink能力，得到flink社区的认同，蒋晓伟终于有资格正视自己的野心。

他建议blink支持双11上的实时机器学习任务，对方同意了。

也就是说，双11当天，有数亿人在淘宝天猫上搜索商品。 每次他们看到，每次点击，都会影响个性化智能推荐，下一秒就会看到为自己定制的宝贝推荐。 背后的实时计算，都必须由blink支撑。

但是，抬头一看，夏天来了，离双11还不到半年。

整个9、10月，blink与机器学习系统的合作处于各种各样的创意崩溃之中。 blink还很小，没见过双十一艺术节那样的人类狂欢阵势。 进入超大规模的数据后，很快就会发生blink性能大幅下降的死锁。

要知道，在ai行业，性能是一种功能。 用性能大幅下降的blink分钟将人工智能坑变成人工智能障碍。

程序猿知道数据规模是对系统最大的考验。 有可能表明一个系统无法承受大数据的浪潮，无法解开这个架构。 如果真的是体系结构的缺陷，处理方案只有一个，就是放弃。

带队攻防的汪峰的回忆，那几天自己崩溃了。

假期里，所有队伍的人都从北京涌向杭州，别说休假了，连睡眠都不睡了。 6、7只个体在空间站吃，寻找哪个节点出了问题。 面对这种情况，蒋晓伟、汪峰和其他同事都相信，flink体系结构是完美的，问题一定能局部解决，但我们还没有找到。

终于，找到问题了！ 需要优化不同级别的运营商之间的调度模式。 处理了这个问题之后，系统能解决的数据量很快就上升了。 10月中旬，blink正式上线。 我以为劫机结束了，但没想到，又持续着很多系统合作的问题。

蒋晓伟记得，近11月，blink还没有解决一点问题。 如果这边的基础引擎不解决，算法小组就无法在这个基础上提升优双11的算法。 最后，算法小组的老板直接找到蒋晓伟，急忙提问。 “你们到底怎么样了？

现在想想，他的意思可能是我不想折腾，直接还原到去年的旧系统。 但是，我的情商很低，当时听不懂。 就是一味地组织大家协调blink。 。 。

蒋晓伟的回忆。

终于到11月为止，blink完成了联调。 大体上，从11月1日开始，双11系统将关闭代码，谁都不会动。 但是，这是blink首次承担如此重大的任务，为了万无一失，相关团队又提出了许多冗长的建议。

汪峰记得很清楚。 离11月10日还有几个小时，双11就开始了。 代码最后更改了几行，最终关闭。

人事尽了，只等天命。

11月11日，巨大的数据像海啸一样涌向blink，蒋晓伟和汪峰捏了一把汗。 但是，这台年轻的发动机应对自如。

第二天，blink在阿里巴巴上一发而红。

年双11

交易额固定在1207亿

(五) )。

你已经为故事结束了吗？ 图案毁于森林。 接下来的一年对蒋晓伟来说，不要再刺激了。

意识到大数据引擎如此重要，阿里巴巴集团调整组织结构，集中企业整体力量快速发展大数据引擎，由原AlibabaCloud (阿里巴巴云)首席科学家周靖人创立计算平台事业部，

周靖人

他也是阿里巴巴达摩院的禅师之一

是中间件团队的jstorm、AlibabaCloud的galaxy、阿里巴巴搜索团队的blink三个引擎。

我知道了大牛周靖人负责三支队伍的整合，在美国参加flink官方大赛flink前锋的蒋晓伟和汪峰的内心有些波澜。 他们知道，三个团队合并后，很可能会选择三条技术路线中的一条。

蒋晓伟当然认为自己的开源技术路线技术前景最高。 但是冷静地说，galaxy的框架也非常好。 更重要的问题是，galaxy一直是周靖人队的成果。 虽然在阿里巴巴上不会因为亲疏而偏袒某条技术路线，但不可否认周靖人一定对galaxy更了解。

那时的蒋晓伟和这位新领导人周靖人完全不知道，他完全无法预测会发生什么。

我担心回国内的话会没有工作。 。 。 。

蒋晓伟的回忆。

回国后，周靖人来找蒋晓伟。 蒋晓伟的心已经跳进喉咙里了。 周靖人说。 “我想把整合后的团队交给你，3个人商量一下将来的技术路线，你觉得怎么样？

这意味着蒋晓伟突然拥有了80人的豪华阵容。 那一刻他在心里默念。 “冷静下来了！ 如果不是强制使用某条技术路线，他有信心说服galaxy和jstorm的负责人。 放在这里，技术孰优孰劣就能弄清楚道理。

蒋晓伟回忆说，三位技术负责人的谈判维持了一个星期。

众所周知，此次技术路线的选择，将影响阿里巴巴未来十年或更长时间的技术快速发展，谁也不能掉以轻心。

最后，争夺的焦点在blink和galaxy之间。

flink开源生态最终说服了galaxy的支持者。 此时的flink已经不怎么像两年前那样耸人听闻，已经形成了一个巨大的社区，中国已经有腾讯、滴滴、美团等企业开始使用flink建设自己的流媒体计算引擎。

这个社区有无数国内外大牛为flink的代码做出贡献。 建立这种基于开源的体系结构也将得到更快的发展。

至此，blink正式成为阿里巴巴计算引擎王牌军。

flink社区正在逐渐壮大

(六) )。

王牌军没有白费。

年双十一艺术节，blink承担了自己艰巨的任务，支持了所有集团(阿里巴巴、AlibabaCloud、菜鸟)的流媒体计算任务。

汪峰告诉我，其实年双11 blink承担的搜索任务，已经是重头戏，这个经验是垫底的，适应很多系统的时候只是麻烦。 唯一一样，blink将接管后台所有交易数据的实时计算任务。

交易数据的计算是淘宝天猫业务的最核心。 也是支撑背后支付、物流的核心依据。

其他许多计算基于订单数据的结果。 这就像面包店的面粉一样，无论做什么蛋糕都需要面粉。 如果面粉供应有问题，整个面包店都会关门。 因此，无论面对什么样的订单量，交易数据的计算都必须稳定、迅速、实时。 一旦发生错误，损失不可估量。

每年双十一艺术节晚会大屏幕上显示的实时成交数字也是订单数据汇总而成。 也就是说，如果blink当天到期，不仅会对淘宝天猫的运行产生很大的影响，还会导致交易量大的屏幕一直维持0，一秒钟内将人丢在世界无死角的地方，这是一个稍显突出的结果。

，这三年来，这个核心任务都由兄弟引擎galaxy承担。

每个人都在想稳妥的方案。 年双11让blink和即将引退的galaxy进行双重备份，如果blink被暂时淘汰，也可以使用galaxy作为备份的头条。 至少不尴尬。

但是，鹅，年双11的成交量为1207亿元，根据多年经验推测，年成交量的8成将超过1500亿。 (事实表明确实达到了1682亿。 根据galaxy的技术架构，如果不进行大量繁杂的优化，很可能无法承受。

初出茅庐的blink，就这样成为了年双11媒体大屏幕世界指定中唯一必须名列前茅的不行搭档。 。 。

双11日，两个blink链接相互备份。 成功率几乎是100%，但是万里在blink本身的设计上有未知的缺陷，或者两个备份链路的机器硬件坏了的话，有可能会引起灾害。 蒋晓伟的回忆。

在双11到来的一周前，汪峰带领兄弟们把blink引擎调整到了无济于事的好状态。 蒋晓伟想。 另外，还派遣了同样从facebook回来的大牛技师大沙到天竺法喜寺烧香。 。 。

年11月11日零时。 狂欢现场。

时钟敲0点，5秒倒计时开始。 根据过程，blink剩下的计算时间只有这5秒。 也就是说，在00:00:05，无论多么大屏幕，blink打出的双11前5秒的交易总额都会被剪掉。

这5秒是蒋晓伟人生中最长的5秒。

一，二，三 。 。

第三秒，蒋晓伟前面的监视器跳出了实时成交数据！ 再过了2秒钟，实时交易数据被投在大屏幕上，巨蛋下欢声雷动。

蒋晓伟知道，现场观众未必了解大屏幕的运行原理，内心并未特别为幕后的流媒体计算引擎团队鼓掌。

但是那一刻，他流下了眼泪。 这几年兄弟们付出的努力是值得的。

168、269、635和159。 所有的数字都意味着岁月和付出给蒋晓伟和兄弟们。

(七) )。

经过两年的双11考验，谁也不怀疑blink是阿里巴巴最强悍的计算引擎之一。

因此，除了阿里巴巴集团全部用于流媒体计算的场景外，blink也开始对外提供服务。 蒋晓伟表示，各场景的计算可以用blink处理，但目前使用最多的场景如下。

1、实时统计分解。

在电子商务领域，特别是促销的场景下，巨大的互联网流量蜂拥而至，形势变得不可预测。 每秒的库存统计、订单报告，可以明确顾客的行为规则。 如果实时分解这些数据的话，可以随时调整促销方案。

2、在线机器学习。

客户的行为表明了他的性格和喜好。 如果通过机器学习，摆出拆解一个身体来看商品的姿势的话，就可以正确推荐自己感兴趣的商品。

但是，一个客户可能只浏览了一分钟。 如果这个时间段没有能吸引他的商品，那就完了。 所以，为了保证他看到最初感兴趣的宝贝，必须在一秒钟内，实时学习他刚才的动作。

3、实时金融控制。

在金融业，技术就是钱。 每次成功切断诈骗交易，都会夺回真正的金银。 通过拆解一个账户的实时行为，可以知道目前是否正在进行危险的交易，并在第一时间被切断。

4、iot边缘计算。

在工厂里，每个生产线都会随时产生数据。 如果能够实时分解这些数据，就可以减少生产线的破损概率，提高产品的良品率。

根据参数实时调整生产线

这样，如开头场景所述，AlibabaCloud (阿里巴巴云)建设的城市大脑，可以利用blink预测道路拥堵，为救护车开辟生命之路。

据AlibabaCloud首席科学家闵万里博士介绍:

年，城市大脑首次出国，被部署在马来西亚吉隆坡，使救护车到达现场的时间缩短了48.9%。

借助工业大脑实时评估生产线健康状况，帮助全球最大光伏公司协鑫光电动势提高良品率1%，每年节省数亿元的浪费。

年12月20日，阿里巴巴首次将flink旗舰会议flink foward引入中国，现场座无虚席。 蒋晓伟、汪峰、流媒体团队的所有身体，在过去的三年里，都目睹了flink从蹇蹇独自集结在军队中。

链接前锋北京

为了感谢社区的合作，在这次会议上，周靖人宣布，将来将开放基于flink修订的blink流媒体计算引擎。 从2019年1月开始，所有人都可以看到支持双11、支持城市大脑、支持工业iot等无数顶级计算的引擎代码。

也就是这一年，汪峰接替蒋晓伟，成为流媒体计算的新掌门人。 蒋晓伟朝着他完美的梦想更进一步，带着兄弟们在上面研究了搭载流媒体计算引擎的数据存储系统的交互式查询系统，使得这个引擎能够处理越来越多的共同计算问题。

带有流式计算引擎的数据存储系统听起来好像不知所云。 其实，这个世界上最典型的这样的系统，其实就是我们的大脑。

我们一生都会接受各种各样的新闻。 这些新闻共同构成大脑数据库，有助于预测未来。 每次有新消息进来，我们都会根据这些消息的增量对未来的预测进行微调。

这个调整是实时的，这是毫无疑问的。 我们的祖先无意中接触到野火，从那一刻开始就告诉自己和家人要注意火焰。

我们依靠对世界的万亿次反馈，发现了万有引力，发现了相对论，发现了量子力学。

成千上万的人实时更新的预测能力构成了我们的文明，也写入了我们的历史。

以前，所有关于未来的预测都在我们脑海里，但现在，我们终于有机会在身体之外，利用人类的武器计算力制造巨大的预测引擎。

在角落里，这些技术英雄笑得又安静又害羞。 但是，正因为有他们，人类面对未来，并不是不再手无寸铁。