數(shù)字化轉(zhuǎn)型就像是一場(chǎng)越野長(zhǎng)跑,終點(diǎn)在哪里不知道,路上遇到什么障礙不清楚,一路上打怪升級(jí),不斷需要滋養(yǎng),還有更重要的一點(diǎn),那就是速度,數(shù)字化轉(zhuǎn)型,數(shù)字化的需求能不能快速響應(yīng),怎么能做到開發(fā)不拖后腿。
CIO的焦慮
作為一個(gè)企業(yè)IT部門的掌門人,支撐企業(yè)的業(yè)務(wù)部門業(yè)務(wù)高效、順利的完成,是他們責(zé)無旁貸的工作,他們的工作,最關(guān)切的問題是什么?
一直以來,在他們心中,首要問題就是穩(wěn)定,穩(wěn)定是所有事情的基礎(chǔ)。沒有一個(gè)很穩(wěn)定的IT架構(gòu)的話,其他就都不重要了。這也是很多人很容易理解的一點(diǎn)。
穩(wěn)定解決了,那么在穩(wěn)定的架構(gòu)當(dāng)中,速度問題就突出出來了?,F(xiàn)在很多的需求來自于他們的業(yè)務(wù)部門,業(yè)務(wù)變化快,就要求他們能做到快速響應(yīng),需要很快把應(yīng)用開發(fā)出來。
過去,過去開發(fā)一個(gè)軟件,一個(gè)應(yīng)用可能需要半年、一年的時(shí)間,但是,以目前業(yè)務(wù)部門的變化速度來看,這么長(zhǎng)的開發(fā)時(shí)間,根本等不及。很多的極端情況,可能在幾周之內(nèi)就要開發(fā)出來,特別是移動(dòng)端的應(yīng)用,因?yàn)楹芏鄳?yīng)用都需要手機(jī)端支持,所以手機(jī)端應(yīng)用本身迭代速度快,更需要敏捷開發(fā)。
那么,這個(gè)時(shí)候怎么辦?
云原生的開發(fā)速度
云原生從字面意思上來看可以分成云和原生兩個(gè)部分。
云與本地相對(duì),傳統(tǒng)的應(yīng)用必須跑在本地服務(wù)器上,現(xiàn)在流行的應(yīng)用都跑在云端,云包含了IaaS、PaaS和SaaS。原生就是土生土長(zhǎng)的意思,我們?cè)陂_始設(shè)計(jì)應(yīng)用的時(shí)候就考慮到應(yīng)用將來是運(yùn)行云環(huán)境里面的,要充分利用云資源的優(yōu)點(diǎn),比如云服務(wù)的彈性和分布式優(yōu)勢(shì)。
這也還不能解釋為什么云原生可以解決開發(fā)高效的原因。
云原生的字面意思上,看不出它的優(yōu)勢(shì),但云原生需要進(jìn)一步理解為:云原生=微服務(wù) + DevOps + 持續(xù)交付 + 容器化。微服務(wù)顧名思義,就是把服務(wù)更加顆粒化;DevOps的意思就是開發(fā)和運(yùn)維結(jié)合,你中有我,我中有你;持續(xù)交付就是在不影響用戶使用服務(wù)的前提下,不斷更新新功能,頻繁發(fā)布給用戶使用;容器化就是運(yùn)維的時(shí)候,不需要再關(guān)心每個(gè)服務(wù)所使用的技術(shù)棧,每個(gè)服務(wù)都被無差別地封裝在容器里,可以被無差別地管理和維護(hù)。
這其中,怎么發(fā)揮出敏捷開發(fā)的優(yōu)勢(shì)呢?
技術(shù)是無國(guó)界的,不斷的提升技術(shù)能力,吸收全球的技術(shù)開發(fā)成果,開源的開發(fā)方式,恰好是無國(guó)界的技術(shù)交流法寶。
恰好可以讓我們共同攜手一起能夠去協(xié)助很多的企業(yè)做到數(shù)字化轉(zhuǎn)型。在云原生方面,在很多技術(shù)能夠從開源技術(shù)當(dāng)中得到它的優(yōu)勢(shì)。
OpenShift是紅帽的云開發(fā)平臺(tái)即服務(wù)(即PaaS),也就是一個(gè)開源開發(fā)平臺(tái),提供彈性的開發(fā)支持,讓很多企業(yè)用戶可以在OpenShift上去做云原生開發(fā),實(shí)現(xiàn)敏捷的開發(fā)速度。
云原生怎么用
云原生的最成熟應(yīng)用是什么?
紅帽全球副總裁兼大中華區(qū)總裁曹衡康認(rèn)為,對(duì)于云原生業(yè)務(wù)應(yīng)用而言,就像“一千個(gè)人心中有一千個(gè)哈姆雷特”,每一個(gè)云原生用戶的需求不同,他們?cè)圃臉I(yè)務(wù)應(yīng)用不同,需求都是根據(jù)他們自己的情況設(shè)計(jì)出來的。所以,用“最成熟”的描述不夠準(zhǔn)確。
圖:紅帽全球副總裁兼大中華區(qū)總裁曹衡康
在海信,云原生的Paas平臺(tái)是基于工業(yè)互聯(lián)網(wǎng)的思路走的。不僅僅是為海信云業(yè)務(wù)提供了很多的支撐,也融合了在工業(yè)互聯(lián)網(wǎng)平臺(tái)下,有很多的API的接口需要打通,互聯(lián)互通的概念,所以不僅在OpenShift上有很多原生應(yīng)用,也對(duì)周邊很多很多的系統(tǒng)進(jìn)行了連接。
同樣是云原生,在興業(yè)證券,所建設(shè)云原生的體系,就全面的推行了微服務(wù)的架構(gòu)和應(yīng)用。
從這兩個(gè)案例來看,他們的云原生應(yīng)用平臺(tái),海信也好,興業(yè)也罷,都被認(rèn)為是最適合這個(gè)行業(yè)的,可以幫助他們完成實(shí)現(xiàn)業(yè)務(wù)價(jià)值的云原生應(yīng)用平臺(tái),都是好應(yīng)用。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)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(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。
琢磨技術(shù)發(fā)展史,關(guān)注算力產(chǎn)業(yè),關(guān)注數(shù)字經(jīng)濟(jì)。
參與編寫了《開源法則》(人民郵電出版社),《人類計(jì)算簡(jiǎn)史:從中國(guó)算盤到數(shù)字經(jīng)濟(jì)》(中共中央黨校出版社)。