ZD至顶网CIO与应用频道 09月22日 评论消息: 云计算平台是企业实现面向客户软件程序的快速交付、迭代和创新的基础。传统的SaaS, PaaS, 和 IaaS云计算服务分类模型已经过时且无法满足客户多样化需求。为改变此现状, 云服务提供商已经开始产品和服务创新。
而传统的数据中心托管和提供主机托管服务的厂商也开始提供具有云计算特点的产品。为了更好的和阿里云、亚马逊AWS、微软 Azure等云计算厂商竞争,有的传统厂商甚至在营销方案中声称其具有提供云计算服务的能力。鱼龙混杂的市场环境导致企业很难选择适切的云计算产品和服务。事实上,不同的云主机托管模式都具有不同的优势和相应的风险, 也并非所有的托管模式都能够支持同样水平的弹性和按需扩展。因此,企业只有在充分了解不同服务模型的利弊之后才可能做出最佳选择。
为了帮助企业更好地了解处在变化中的云计算服务市场,Forrester将主要的云计算服务重新分成六大类,分别是:
·应用服务提供(Application Service Provider-ASP),其实是一种旧有的服务模式。ASP模式的产生是为了帮助企业免去针对某一个特定应用的固定运营成本。 Forrester认为此类服务模式在未来不会有大规模的服务数量类型增长。
·随着web技术的发展,托管类服务迎来了大规模市场增长。Forrester认为托管类服务未来发展前景优于ASP。此类厂商也通过增设虚拟IT基础设施和客户端控制能力提高了服务的灵活度。
·裸机云服务是基础设施服务和托管服务的一种。IBM SoftLayer是典型的该服务提供商,都在传统的托管模型上增加了自助服务以及面向应用开发和交付 (Application Development and Delivery – AD&D)专业人员的专有虚拟服务器供其按需自助获取服务。此类服务最底层的基础设施不具备弹性,且不支持多租户的环境,然而客户仍然可以以类似IaaS的方式按需获取服务。这类云计算服务对于那些要求极致性能表现的企业最具有吸引力。
·托管云是新兴的外部云服务种类。托管云服务将外部托管的基础设施、平台以及/或者专业服务(譬如应用软件咨询、部署和运营管理)相结合。这种服务种类对于那些需要外包服务来支持云环境管理的企业最具有吸引力,因为它们要么都不具备所需的人力和资源,抑或更倾向于由专业的外包合作伙伴来完成这些任务。
·IaaS 类产品虽然发展较为成熟,但仍然在演变中。IaaS 类型的服务能够支持客户在弹性、多租户的架构环境之下实现在虚拟服务器、存储和网络基础设施上的自助服务。AWS 作为最早的 IaaS 服务提供商成功的向市场展示了云计算所能够提供 的快速应用的部署和灵活的付费方式。IaaS 也有不同的服务模式,包括虚拟私有云、托管私有云。
·PaaS 提供基于云基础设施的自主服务平台。作为传统云计算服务分类的一种, PaaS和IaaS一样具备自助服务、按需获取资源的特点。客户可以在PaaS平台上获得的资源包括:编程语言,服务模板,各类应用服务以及基于云的各种工具。 PaaS 厂商通常也会提供托管私有云服务。
·SaaS 提供基于订阅的商业应用服务。作为传统云计算分类中商用实践最为成功的服务类型,SaaS 的最主要特点在于基于用户的订阅服务模式和由厂商管理的软件版本更新。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。