LCC可以帮助您构建满足不同业务场景需求的基础设施服务。
智能制造
传统制造业的智能化、数据化转型是当前时代的主浪潮，而众多的智能制造业务对于传统的云形态提出了全新的要求，如需要保证数据的高度私密性，并能够深度协同5G+MEC技术栈下的“云-边-端”架构。
推荐形态
如果您需要区域云、近场云，根据您的业务规模，我们推荐您使用LCC-General（中型）或LCC-Advanced（大型）方案，以满足对于低时延组网以及网络高并发接入能力的要求。
优势
-
数据安全。数据可以完全保存至本地，同时提供网络流量审计，满足数据不出厂的私密化、安全化数据存储要求。
-
资源弹性。当部分本地负载出现算力不足等情况时，可以快速在同Region公有云购买资源弹性使用，满足资源横向扩展要求并节约成本。
异构计算集群
社会智能化进程的不断加速带来了旺盛的AI算力需求，而AI大规模训练则是其中辐射自动驾驶、生命科学等多个热点行业，囊括企业、教科研机构等多规模用户的核心应用。立足于百度的AI+Native能力，LCC从云部署角度为广大用户提供了构建AI训练集群的优中之选。
推荐形态
- 对于大部分情况下，我们都建议您选择LCC-General、LCC-Advanced两种模式，实现规模化部署
- 对于小规模部署以及POC模式，您可以使用LCC-Lite形态实现快速、轻量级部署。
优势
-
算力本地化。将通用、异构算力本地化，帮助用户更高效地构建业务集群，且由于公有云的算力下沉到本地，在很多情况下客户不用再承担高昂的带宽费用。
-
轻资产AI集群方案。以轻资产形式构建AI本地训练集群，不需要承担购买AI服务器的繁重成本即可获得相同能力的算力规模。
渲染集群
伴随着时代发展对娱乐手段的丰富以及新兴技术概念（如MR、元宇宙）的成熟度提高，我们发现无论是诸如渲染农场、内容鉴权中心的大规模业务，还是如影音工作室等中小规模业务，都产生了对视频处理能力的旺盛要求。LCC可以通过本地化算力的形式提供低时延的在线渲染集群或高弹性、高性能的离线渲染集群，且用户可节省大量的中心云带宽成本。
推荐形态
- 对于大部分情况下，我们都建议您选择LCC-General、LCC-Advanced两种模式，实现规模化部署
- 对于小规模部署以及POC模式，您可以使用LCC-Lite形态实现快速、轻量级部署。
优势
-
算力本地化。将通用、异构算力本地化，帮助用户更高效地构建业务集群；由于公有云的算力下沉到本地，用户不需要从云本地再把渲染处理完成的文件传输回本地，承担高昂的带宽费用。
-
弹性资源配置。针对可能出现的突发业务潮汐状况，可以结合公有云资源进行相对弹性灵活的渲染集群配置，有助于实现业务成本精细化管理。
云游戏
用户游戏体验在时延高于60ms时将出现明显下滑， 因此云游戏类场景对于时延的要求相对苛刻；同时，由于目前游戏多端化的趋势日渐明显，云游戏对底层算力的多样化要求也成为决定算力选型的重要衡量要素。LCC理论上可以在所有城市实现资源部署，这种算力本地化部署能力能够最大限度缩短从客户本地到百度智能云资源的空间距离，有效降低时延。
推荐形态
- 大部分情况下，我们都建议您选择LCC-General、LCC-Advanced两种模式，实现规模化部署
优势
-
多样化算力。提供基于ARM架构、X86架构的不同类型本地算力组合，并根据用户需求提供多种视频加速卡节点，满足手机、PC端不同侧的云游戏需求。
-
低时延网络。通过使用LCC，您可以将服务器端计算放在距离玩家或视频终端用户较近的位置，保证用户的游戏或视频观看体验，特别是对于部分对视频质量有较高要求的应用。
自动驾驶
近年来，随着关联技术链条的成熟度提高以及自动驾驶技术商业化进度加速，自动驾驶及相关场景成为一条当之无愧的聚焦赛道。但我们也看到从国家层面的法律法规要求愈加严格，各厂商之间在资源部署、算力分配上也存在一定程度的顾虑。LCC可以助力构建分布式云，进一步推动云、边协同；也可以基于Native方案形成数据高度本地化、合规化的专属方案。
推荐形态
- 我们建议对于采集或数据处理的私密性、合规性有特殊要求的用户使用LCC-Native形态。关于LCC-Native形态的信息，请您参考LCC-Native页面。
- 大部分情况下，我们都建议您选择LCC-General、LCC-Advanced两种模式，实现规模化部署
优势
- 高度数据合规性。LCC-Native方案帮助您构建专属数据中心，并可支持机柜级别、围笼级别、机房级别不同粒度专属隔离方案，满足各种要求下的数据安全与合规要求。
- 大规模AI算力。LCC方案可提供数百PFLOPS规模异构算力以及海量存储，轻松满足您在规模化应用场景上对于底层基础设置的高规格要求
