至顶网CIO与应用频道 12月15日 北京消息:当前,企业上云的浪潮已经席卷而来。2017年4月,江苏省启动名为“1+30+300”的企业上云工程。4月, 浙江省发布《“企业上云”行动计划(2017)》,先期新增上云企业10万家。6月,济南推出“企业上云”计划。
越来越多的省市政府推出了“企业上云”行动计划,与机器换人等行动呼应,多管齐下地帮助规模以上企业逐步完成从制造到智造的华丽转身。
上云时代
对于大部分企业来说,企业上云是一个系统性的工程,并非简单租用几台云服务器部署应用,更不是将将物理机架构上的应用直接迁移到虚拟机上。需要结合企业IT发展的规划,现有IT资源的现状,应用的需求等因素来确定。
20世纪80年代,以X86服务器和PC系统为标志,企业IT系统迎来了第二次里程碑式的变革,网络、服务器、操作系统多层次的水平分工架构,使得接口标准化和规范化,极大的简化了技术复杂度,使IT系统走入“寻常百姓家”。
伴随着企业信息化进程的不断推进,企业IT系统的使用者和维护者也发现,传统的IT架构体系存在很多弊端。对企业而言,数据中心的各种系统是一大笔资金投入。一方面,新的硬件系统在建成后3-5年即面临老化需要更换,而软件技术面临不断升级的压力;另一方面,IT的投入难以匹配业务需求,或高配低用,或整合困难。
那么,是否有一条IT架构演进路径,可以在代价最小,即不对现有软硬件堆栈做颠覆式改变的前提下,有效应对上述关键痛点和挑战呢?
答案是肯定的,那就是上云。通过上云,企业满足对IT资源“拿来就能用”,“想要就能有”的需求,省下购置服务器、架设机房的钱,大大降低成本、增强竞争力。
同时,上云后,企业的数据将有效留存,盘活数据资源,对企业数据的分析及挖掘也变得水到渠成。
东网“云+容器”构建新云
对于有决心上云的企业来说,还有很长的路要走,原来的应用可能还需要结合云上提供的虚拟机、网络和存储的特点进行必要的改造。简单的“原来物理机什么配置,虚拟机什么配置,原来应用什么架构,上云后什么架构”的迁移方法,实际上完全失去了“上云”的优势。
Docker技术的出现和迅猛发展,已经成为云计算产业的新的热点。容器使用范围也由互联网厂商快速向传统企业扩展。
容器拥有以下特点:
·速度更快:相比与虚拟机,容器提供更快的部署速度,非常适合需要批量快速上线或快速弹性应用,如互联网的Web
·性能更高:相比于虚拟化,接近物理机的性能,系统开销大幅降低,非常适合对计算资源要求高的应用,如大数据和高性能计算。
·更有弹性:充分调动服务集群的性能,预先设置阈值(CPU、内存、等等),可以根据运行情况动态调整集群规模和容量,对于客户的体验给出最好的响应。
·跨平台:容器技术突破了操作系统的绑定,实现应用一次打包,可到处运行。
然而,容器技术也有天然的不足,由于在容器里可以直接访问底层资源,要做到充分隔离、绝对安全很难,这也使得容器不适合公有云多租户的场景。
反观传统云服务,由于每个虚拟机运行独立的GuestOS,所以拥有更优的资源隔离性和安全性,但是天然的损失了性能。
东网将“云+容器”相结合,正在布局一朵“新云”,集成了云和容器的“新云”有两个特点。
使用更加方便
·对于开发者而言,可以实现应用在本地和线上同样的方式进行,这样应用迁移的成本、开发成本、测试成本都会降低;
·对于软件服务商而言,则提供了云上的软件服务,在云上以同样的方式进行部署和提供,提供一致性的跨云环境;
·对于企业用户而言,则可以便捷的连接私有云、公有云或裸金属主机结构,使应用迁移和转换都非常方便。
成本更加低廉
·对于开发者而言,借助Kubernetes等集群编排引擎,可以形成强大的编排和调度实力,降低研发及运维成本;
·对于软件服务商而言,部署方式从使用安装包人为部署变成集群自动化部署,降低部署和维护成本;
·对于企业用户而言,可完成多基础设施的整合和统一调度,实现跨地域异构基础设施的融合和服务提供,使资源得以更充分的利用。
目前,东网科技作为东北地区最大的云服务商提出“云+容器”的新云战略,并提供API。作为Cloud Provider,Neunn Cloud把Kubernetes的规范跟自己的平台做整合,在云端提供一致的Kubernetes服务。
与此同时,东网科技打造了Neunn HOR超融合平台可以帮助企业自身打造“云+容器”的新云,不仅可以实现对容器管理,还可以对原有的虚拟化资源池进行升级改造,将为企业用户上云提供更大的便利和帮助。
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。