ZD至顶网CIO与应用频道 04月26日 北京消息:云时代的争夺战早已硝烟四起,在公有云已然红海化的背景下,云市场不断涌现出新的进入者。网宿创新推出的托管云及社区云服务,旨在从千亿级的云市场开拓出一条新路。网宿营销总经理孙靖泽在2016亚太CDN峰会上表示,流量+附加值将决胜互联网需求的未来。一方面,未来互联网就是一个巨大的流媒体网络,承载重度应用的流量平台不可或缺,另一方面,企业IT架构的精简大势所趋,承载高附加值的企业流量平台将发挥历史性的作用。
图为网宿营销中心总经理孙靖泽
云计算正从教育期过渡至盈利期 千亿市场待挖掘
“我们认为目前云市场已经过教育期,正在进入盈利期”,孙靖泽表示。
据Gartner的数据统计,2015年全球云服务市场会突破1800亿美元,预计到2017年将达到2442亿美元,未来几年将保持15%以上的增长率。而《中国公有云平台白皮书》的数据显示,中国云服务市场增速连续几年在65%左右,2015年会达到2175.7亿元,越来越多的企业和厂商正在进行转型,进一步拉动云服务市场的快速发展。
从国内市场的情况来看,目前云市场的主要竞争集中在公有云领域,阿里云、腾讯云、微软Azure、亚马逊AWS等企业都在依靠自身资源、技术、服务优势快速布局,在很大程度上起到了培育及教育市场的作用。整体来看,公有云市场已然进入了红海市场,竞争十分激烈,后来者在布局上很难再有优势。
然而,一方面,云计算公司在公有云上的布局并未带来量级的回报;另一方面,出于企业信息安全问题的考量,大型企业对私有云的偏好也在不断提升,私有云市场正在不断崛起,并有望成为云市场真正的盈利点。
网宿创新云服务模式 托管云及社区云开启想象空间
孙靖泽告诉记者,未来互联网需求主要是两端,一端是承载高附加值的企业平台,即我们的托管云平台,另一端是承载高流量的重度应用平台,即我们的社区云平台。
深谙大中型企业客户心理,孙靖泽对记者表示,“我们相信大多数企业客户并没有特别大的意愿投入资源来做云计算底层技术的研究。对他们而言,好用就行,这就给了我们这样做托管云服务的市场机会。”
对于做托管云的初衷,孙靖泽表示更多还是根植于客户的需求。在与网宿3000+高端客户的沟通过程中,他发现很多客户希望网宿能够在传输、存储、计算及安全方面提供一体化的解决方案。
据悉,目前在私有云建设上,主要参与者是传统的IT厂商,如华为、浪潮、曙光和IBM等企业。而在私有云这样一个正在崛起的市场,针对私有云的运维却几乎处于空白状态,几乎没有企业涉足。
相较于市场上的已有解决方案,网宿推出的托管云以托管租用模式,为大中型企业提供了省心的一体化云服务解决方案。有券商通信行业研究员表示,网宿的托管云服务,在很大程度上解决了企业IT基础设施硬件高投入重运维的成本痛点,在企业信息化更新换代的时代潮流之下,有可能会杀出一条市场之路来。
而瞄准重度应用的社区云平台,更是网宿在云服务领域的创新之举。
众所周知,视频业务已经占据互联网流量的重头,据不完全统计数据,视频类流量几乎占到互联网流量的八成。而随着4K视频、VR、移动直播等新业务的层出不穷,其对网络带宽的承载要求越来越高。
自2015年下半年开始,网宿开始启动社区云建设,在互联网应用基础设施的层面上,进一步优化整个网络架构,为高清视频、VR等重度应用的增长做未来投资。
“不同于在运营商骨干网上建设的CDN节点,社区云节点将进一步下沉,在城域网里部署,更加靠近用户。” 孙靖泽介绍,通过建设社区云形成参与各方互利共赢的平台,实现公司由 B2B 向 B2C 模式的延伸,紧跟“互联网+”的行业新趋势,完成战略升级,实现公司的持续快速发展。
孙靖泽表示,社区云和托管云是网宿从CDN向云服务拓展的两条不同道路:一个承载低附加值的重度流量应用;另一个承载高附加值的企业流量。现在很多基于互联网的云公司进入CDN领域,都将CDN作为云服务的入口,而CDN具备的天然云属性,则让网宿在实践中找出了从CDN到云的一条最优路径。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。