CNET科技資訊網 5月23日 北京消息:5月18日,第八屆中國云計算大會在北京國家會議中心召開。作為領先的云計算創(chuàng)新技術實踐者,數(shù)人云CEO王璞博士應邀出席并在全體大會上進行主題為“中美容器之融合與變革”的分享。王璞指出,企業(yè)力求以一種高效、標準化、可重復的方式,讓應用程序和工作負載更易于移植和分發(fā),在過去的三年中,以Docker為代表的容器技術取得了令人矚目的成功,它的輕量化、快速和可移植性使其廣受關注。Docker的火爆絕非偶然,它正在成為企業(yè)應用交付的標準。
對最終用戶來說,底層基礎設施到底是怎樣的并不是最重要的,直接與用戶相關聯(lián)的是具體的業(yè)務應用。所以,抓住企業(yè)IT變革的關鍵在于抓住企業(yè)應用形態(tài)的變化,而這也正是Docker在今天如此火爆的原因。
容器技術本身并不是新生的技術,經典Unix系統(tǒng)Free BSD上的Jail就屬于容器技術的一種,但是Docker帶來了之前容器技術所沒有的幾個新特點。Docker面向應用,將應用及其依賴進行封裝,對企業(yè)的異構環(huán)境進行了良好的屏蔽,在降低DevOps工作流復雜性的同時,保持企業(yè)基礎設施不變。簡單的講,Docker能讓更多數(shù)量的應用程序在同一硬件上運行,讓開發(fā)人員易于快速構建可隨時運行的容器化應用程序,并大大簡化管理和部署應用程序的任務。
數(shù)人云CEO王璞
王璞在主題演講中回顧了容器技術的發(fā)展演化歷程,并介紹了Docker技術本身,以及由Docker技術催生的新一代PaaS。Docker為PaaS平臺和企業(yè)業(yè)務應用之間定義了清晰的邊界,簡化了PaaS平臺的復雜度?;贒ocker打造新一代PaaS平臺,可以幫助客戶快速構建云原生應用,實現(xiàn)持續(xù)集成和交付,加快應用迭代周期。
王璞認為,中美在新一代PaaS發(fā)展和落地方面幾乎齊頭并進。使用基于Docker的新一代PaaS應用的公司,在美國不僅有Twitter、Airbnb和eBay這些互聯(lián)網公司,也有Intel、Microsoft和RedHat這樣的IT巨頭,以及AT&T這樣的傳統(tǒng)電信運營商;與之相比,國內的互聯(lián)網公司愛奇藝、去哪兒網,IT巨頭華為,以及浙江移動、平安科技等等這樣的企業(yè)級客戶也已經開始積極部署實踐這項新技術。
作為新一代輕量級PaaS,數(shù)人云基于開源技術領域的最佳實踐,采用以Docker為代表的容器技術對應用進行封裝,具有彈性擴縮,灰度發(fā)布,監(jiān)控報警和日志,應用編排,持續(xù)集成等特性,可部署在公有云、私有云以及混合云之上,幫助用戶在云端快速建立并穩(wěn)定運行一個高性能生產環(huán)境,將應用彈性做到極致,實現(xiàn)一站式的微服務架構集群系統(tǒng)。
關于數(shù)人云
數(shù)人云創(chuàng)始團隊來自谷歌、紅帽和惠普,在今年3月初公司完成A輪融資,由云啟創(chuàng)投領投,思科、策源以及唯獵跟投。作為領先的云計算創(chuàng)新技術實踐者,數(shù)人云致力于打造最輕量化的PaaS平臺,將應用彈性做到極致?;贒ocker+ Mesos,數(shù)人云實現(xiàn)一站式的微服務架構集群系統(tǒng),最大化地幫助客戶實現(xiàn)應用業(yè)務在云端的快速部署,解決從客戶到云資源的最后一公里。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。