毋庸置疑,云计算已经成为三大电信运营企业应对ICT融合趋势,摆脱沦为管道服务提供商的利器。而对于云计算的投入,三家运营商也是毫不含糊,涵盖了从最底层的大规模数据中心的建设,到上层的云管理平台,再到直接面向用户的云主机、云存储和弹性计算等诸多服务形态。
但这些只是在原有体制体系下的产品技术革新,电信运营商是否具有玩转ICT市场的“基因”?作为在数据中心和基础网络上资源最为雄厚的一家运营商,中国电信(微博)在继去年率性发布完整云计算战略后,又单独成立专业云计算公司,统辖管理全国各省的云计算业务。显然,中国电信是希望通过体制革新,来获取云计算时代的新动力。
但也就是中国电信的“吃螃蟹”,围绕着公司定位、业务类型和人员配备等热点话题,云计算公司的种种猜测一度甚嚣尘上。但在日前召开的“2012中国数据中心产业发展大会”上,伴随着云计算公司首任总裁谢朝阳的正式露面,中国电信云计算公司开始揭开其神秘的面纱。
履新
对于熟悉国内电信运营市场的人士来说,谢朝阳这个名字稍微有些陌生。“这个名字已经有20多年没有怎么用过了,我这次从美国回来,就是负责运营中国电信单独成立的云计算业务部门。”谢朝阳如此说道。虽然离开中国多年,但谢朝阳还是能够写出一手不错的汉字。
之前就曾有媒体报道,云计算公司总经理一职将由某位高级人才担任,而副总经理一职则会由一位即将退休的总部二级部门女总经理担任。而伴随着谢朝阳的履新,之前围绕着云计算公司如何定位、如何运作、与其他部门的关系等关键问题也都告一段落。
在谢朝阳看来,中国电信云计算业务的发展在业界还是比较早的。“我们在09年正式启动天翼云计算计划,到2011年就完成了上海、广州、四川等六个城市的试点和资源池的部署。再有将要建成位于内蒙古,可能是国内最大的云数据中心在内蒙古。”而在新的架构之下,中国电信云计算公司主体业务主要包括IDC和CDN,以及基于这些IT基础资源所衍生的云主机、云存储等服务。
“虽然我们是一家新公司,但我们已经背上指标了。”谢朝阳说道。仅以中国电信传统的IDC业务为例,该业务在2011年实现收入是43亿元,而今年的预计则是60亿元。
操作
“收入其实不是我们的目标,利润才是我们的目标。”谢朝阳说道。因为在传统的IDC服务模型中,运营商更多的是出租机柜、带宽等基础性物理资源,属于相对粗放的经营模式,“它的利润是非常薄的,所以我们必须要走集约化的路线。”
这种集中化的路线并非首创。特别是针对IDC业务,中国联通(微博)在多年前就开始按照全国一盘棋的思路来运营。当时,中国联通成立了IDC运营中心,统一协调客户在跨省业务中的落地,实现一点受理、统一结算。“只不过,中国电信是更进一步,‘联通模式’下各省分公司还是拥有比较大的自主权的。”有业内人士如此评价说。“中国电信此举早有预兆,在去年中国电信集团就上收了省分的数据中心的规划建设权。”
早在去年8月31日发布云计算战略之际,中国电信就表示2012年推出云主机、云存储等系列天翼云计算产品,并为此制定了“三步走”策略:第一步统一建设部署覆盖全国的云计算数据中心;第二步则是构建全网统一的云管理平台;第三步,依托覆盖全国的光网络,实现云数据中心的高速互联和用户高速接入,融合宽带与云计算。
对于第一步,中国电信正在迈出坚实的步伐;对于第二步,则由中国电信北京院云计算研究中心自主建设,作为该项目的负责人,北京院副院长、云计算研究中心主任赵慧玲就曾表示,用来统筹管理和调配虚拟IT资源的管理平台不可或缺,目前进展已经基本完成。而对于第三步,依托城市光网和宽带提速计划,也在有条不紊的开展过程中。
“引入这样一个专业化的公司很简单,要能够适应客户的要求,产品的速度就要快一些,技术的含量就要多一些;但在实际运作过程中,操作上一定要宁慢勿快。我们希望最终做出来成为销售、运营、产品和研发一体化的这么一个专业公司,有可能带动其他传统电信业务的专业化运作。”谢朝阳最后说道。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。