這種雙向學習打破了機器學習和領域知識之間的隔膜，讓機器學習能夠真正和實際應用結合起來。目前，遠景軟件團隊中，有機器學習背景和領域知識背景的人才比例接近一比一。 　　
　　遠景不僅在機器學習人才培養方面有自己的一套，在機器學習領域也做了很多模式創新，勇敢做整個行業的“探路者”。這一點主要體現在遠景去年推出的新能源功率預測軟件孔明上面。
　　
　　雖然算法在風功率預測方面已經得到了廣泛應用，但不同算法猶如一個個不透明的“黑匣子”，在具體應用于風場數據之前，沒有人知道哪個算法結果更優。不同的風場更沒有能力一一測試全球各種機器學習算法模型，從中找出最適合自己的。
　　
　　孔明在自己團隊開發機器學習算法之外，還搭建了一個算法驗證、比較平臺，與各高校，ECMWF，NCAR等各機構達成戰略合作協議，大家貢獻算法。針對客戶的風場數據，讓不同的氣象數據，不同算法在平臺上同時運行，在不打開“黑匣子”的前提下，讓機器自動尋找到最適合該風場的算法。
　　
　　孔明獨創的算法驗證平臺，不僅能夠提高自身的預測精度。更創造了一種機器學習在風功率預測方面的“眾包”模式，一種各方多贏的行業生態。
　　
　　海量數據和天量運算離不開運算能力的支持，可能很少人知道，早在亞馬遜AWS正式進入中國之前，遠景已經是它的第一個中國客戶。如今，遠景能源背后還依托著太湖之光和天河二號國家超級計算中心所獨有的大數據運算能力，這讓它可以為整個行業提供計算平臺。
　　
　　以上的技術創新和技術支持，使孔明的預測精度高出業界水平5個百分點。雖然孔明是市場后入者，但憑借著在很多風場和競品的“貼身PK”，短短一年多時間內就已經打入了300多個風場。 　　
　　無論是遠景此次揭秘的Enlight和 Ensight產品，還是去年推出的孔明新能源功率預測系統，都在不斷豐富著EnOS™智慧風場軟件解決方案的價值創造，滿足著不同客戶不同層面、不同人員的需求。
　　
　　這些是遠景基于EnOS™能源物聯網平臺自己開發的殺手級應用，但對于已經進化到平臺級的EnOS™來說，它的定位是像蘋果商店一樣，將很多應用的公共組件，清洗插補數據質量的臟活累活都沉淀到平臺做自己做掉，降低應用開發者的門檻，使開發者更集中精力開發自己的算法和功能，誕生出更多像孔明這樣的應用。
　　
　　如今，歐洲第二大可再生能源管理軟件公司BazeField已經接入EnOS™平臺，可以和Enlight、Ensight一起為客戶提供打包方案。“以后，平臺上app可以和app找朋友了。“我們不可能樣樣都自己來，重要的是使能優秀的app開發者們。”趙清聲表示，“我們通過‘領域吸引領域，應用吸引應用’，去發揮平臺Synergy的力量，遠景堅信能源行業的未來由無數開發者創造。