你是否听说过不用开发人员或管理员的任何努力,云端应用程序性能可以自动优化的童话故事?太多人认为这是现实,而不是童话。
人们把这种混乱归咎于早期云计算的炒作,而“弹性”经常被描述为与云性能有关的东西。虽然弹性确实可以通过配置服务器进行扩展,或者也许自动使用无服务器计算技术,但弹性概念本身并不能保证应用程序运行良好。
弹性的现实不符合这个童话故事,其中有三个原因:
首先,性能问题通常与应用程序本身的设计,开发,以及部署有关。性能不佳的应用程序不会受益于更快的虚拟处理器或更多的虚拟处理器,这在某些程度上可能被人认可。
因此,在设计和构建应用程序时,将其性能考虑到其中。
第二,可能花更多的成本却得到回报很少。虽然企业可以从云平台的虚拟硬件和服务获得未优化软件的边缘性能优势,但事实上,企业将最终在云服务方面花更多的成本来获得最低的性能回报。
公共云可以提供自动扩展和自动配置服务,如果应用程序性能是一个问题,它可能会诱使企业使用它们。但是把它们打开就意味着企业已经把控制权转移到了云计算提供商来试图解决应用程序内在的性能问题。在许多情况下,企业将向云提供商支付费用。由于使用自动扩展和自动配置服务,一些客户端收到意想不到的巨大的云端帐单。
第三,企业可能会忘记安全和治理,如果不正确,这是性能杀手。例如,如果企业根据政府法规对所有内容进行加密,则可能降低其25%的性能,而几年前则是50%。精心设计应用程序的开发人员将考虑到如何首先管理数据的加密开销,以使加密价格实现最小化。
因此不是简单地将性能问题转变为云提供商。相反,企业必须进行设计,开发和测试工作才能获得最佳性能。
当企业将应用程序“升级和移动”到云端时,请务必在将应用程序移动到云端之前考虑如何解决系统性能问题。这是唯一的办法。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。