ZD至顶网CIO与应用频道 08月08日 北京消息: 7月28日,由青云QingCloud举办的QingCloud Insight 2016大会在京举行。在会后的专访环节,国家气象局副总工程师沈文海,针对云计算在气象领域的应用谈到了自己的看法。
以下为访谈实录:
ZD至顶网:各位网友,大家好!欢迎回到青云用户大会的现场,我们刚刚从圆桌论坛上请到国家气象局副总工程师沈文海,请跟大家打招呼。ZD至顶网
沈文海:各位网友,大家好!
ZD至顶网:一直以来,我们了解到云计算特别火热,您觉得气象现在对云计算有什么需求,或者在需求过程中有什么难点?
沈文海:中国气象局一直是一个以信息处理、信息收集、信息发布为主要业务特征的单位,从一开始就对信息技术有天然的需求。改革开放以来,中国气象局从业务的层级上有国、省、地、县这四级,每个县都有它的气象局。我们经过这么多年的发展,每个层级气象具体业务单位都有很多自己的业务系统。去年我们做了不完全统计,平均下来,每个县气象局都18套业务系统,地市级平均有22套,省级平均有64-65套,这样的容量。我们过去建设的思路和惯性模式都是延续80年代,所谓一个功能等于一套业务系统,一套业务系统等于一套设备,可以想像每个县的平均18套业务系统,按照过去双机热备的方式布置下去,会有多少套服务器。
而县气象局相对来说人员编制非常有限,一般来说政治编制不超过10个人。10个人当中要有专人维护这18套业务系统以及相关的设备,特别是这18套业务系统,每个县之间有相当大的重复性,即便从维护的角度来说,在县一级就会出现大量低水平、重复性的人员资源需求,包括设备利用率也是不高或者相当不高。
这种现象一直延续到2013-2014年,当时仍然有一些对业务很了解,但对信息技术发展不是特别熟悉的同事,还在提这样的发展模式。当时由于云计算已经开始发展起来,开始在全社会应用起来,当时很多同事从另一个层面提出新的思路。我们县气象局很多业务和功能还存在,但是它的系统并不允许在本地,而是运行在省或者国家一级。
我们用一种比较通俗的做法,也就是远程登录的方式来使用。用现在专业化说是所谓云端客户端化,以这样的方式大幅度减少我们业务运维人员的压力,至少从运维的角度来说,大幅度提高我们的资源使用效率。我们从这个角度开始构想我们的云计算。至少在或者国家一级,把客户端设在县或者地市。第一步需要每个省的地和县的业务系统要逐渐收集到省里,第二步既然地市和县都可以把业务系统集中到省里,省里也可以集中到国家里。采用云端客户端化的方式,最终构想是在全国有限的几个数据中心支撑全部门业务基础资源的服务和使用,这是我们对气象部门的大致需求。
ZD至顶网:通过您的描述,我知道现在气象部门对云的需求还是很大很迫切的。您觉得一个好的云服务厂商需要具备哪些特性和能力?
沈文海:一是它在技术上应当是领先的,特别是它的技术应该适合具体的客户需求,对于气象部门来说要适合气象部门的特殊需求;二是它能为气象部门量身定制气象部门所特有的东西,第一步私有云肯定不会缺位,也会有公有云,肯定是混合云的方式;三是能够为气象部门的持续发展提供进一步的技术支持,同时这个部门应当是有发展前途,不断壮大发展的公司。
ZD至顶网:青云很荣幸能邀请您参加本次大会的圆桌论坛,在您眼中,您认为青云是一家怎样的公司。
沈文海:我接触过很多云计算方面的企业和单位,个人认为青云是一家比较另类的公司,它确实特别关注技术方面,给我感觉在技术方面,不比任何一家云计算公司差,甚至还有很多它的特点,这是我参加这个会的主要原因。虽然我们跟青云还没有直接的合作,我本人是搞技术的,我很喜欢这个东西。
好文章,需要你的鼓励
OpenAI推出ChatGPT Images新版本GPT Image 1.5,承诺更好的指令遵循、更精确的编辑功能和高达4倍的图像生成速度。该模型面向所有ChatGPT用户和API开放。这是OpenAI在CEO奥特曼宣布"红色警报"后与谷歌Gemini竞争的最新升级。新模型提供后期制作功能,支持更精细的编辑控制,能在编辑过程中保持面部相似度、光照、构图和色调的视觉一致性,解决了传统AI图像工具迭代编辑时缺乏一致性的问题。
艾伦人工智能研究所开发的olmOCR 2通过创新的单元测试训练方法,将文档识别准确率提升至82.4%,在处理复杂数学公式、表格和多栏布局方面表现卓越。该系统采用强化学习和合成数据生成技术,实现了完全开源,为全球研究者提供了先进的OCR解决方案,推动了AI技术民主化发展。
Zoom推出AI Companion 3.0,采用联邦AI架构结合自研模型与OpenAI、Anthropic等第三方大语言模型。新版本具备智能工作流、对话式工作界面等功能,可将会议对话转化为洞察、进度跟踪和文档内容。系统支持加密传输,不使用客户内容训练模型。用户可通过ai.zoom.us访问,或以每月10美元独立购买。
苹果公司发布了包含40万张图片修改案例的AI训练数据集Pico-Banana-400K,涵盖35种修图操作类型。该数据集采用严格质量控制,包含成功失败案例对比和多轮修图场景。研究显示AI在全局修改方面表现优秀,但精细操作仍有挑战。这为AI修图技术发展奠定基础,未来将让修图软件更智能易用。