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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。