至顶网CIO与应用频道 04月25日 人物访谈(文/王聪彬):“现在微信里多了好多朋友,而且还会时不时发个朋友圈。”京东云事业部总裁申元庆开玩笑说道,这是到我京东云后最大的变化。
2017年9月,申元庆加入京东云到现在已经7个多月,在之前他都是以外界的视角去看中国互联网,现在自己终于加入了中国互联网企业,对他来说这是一种不同的体验。
在新的阶段申元庆希望自己从职业经理人转变为事业合伙人,在这里痛并快乐的感受从没有如此的强烈过,当然无论是之前还是现在,他所从事的都是他最爱的云计算事业,所以一切的辛苦都不算什么。
就如同申元庆的华丽转身一样,4月20日京东云也完成了一次华丽转型,正式启用全新品牌形象,并发布了全新的品牌口号“预见无限可能”。
京东云事业部总裁申元庆
让云计算不再硬邦邦
京东云希望通过全新品牌发布,提升京东云的识别度、让用户对云计算有更多想象空间、开启全球化布局的第一步。申元庆强调,京东云有信心在未来实现弯道超车,稳定进入中国云计算领军行列。
此次发布的新logo酷似一个莫比乌斯环,我们知道莫比乌斯环是一个无限灵动的线条,充满着不同的变化,与无限可能相呼应。申元庆认为,这就如同云本身一样没有一个固定的形象,我们不希望大家还把云计算理解成硬邦邦的固态形象,云已经随处可得,无处不在,早已改变了我们的工作和生活。
申元庆多次提到京东云并非先来者,但京东云却是云计算时代的原住民,自身就是一个云计算的使用者,不仅拥有技术还拥有经验。从2016年4月正式开始商用,作为京东集团内部技术赋能的平台,京东云正持续将技术和解决方案带到更多企业、合作伙伴、公共事业。
云计算市场的抢夺从云计算概念提出的那一天可能就开始了,京东云这个后来者的态度就是“超级电商成就超级云服务商”。
就如同AWS一样,京东云和其拥有相同的基因。而且从设计之初就是多租户的架构,让多用户环境下使用同一套程序,且保证用户间数据隔离。最后就是京东云拥有大量的物理服务器,通过分布式技术可以实现更高的系统可靠性、可用性和扩展性。
申元庆把做云比做脏活累活,因为做云服务要赔三年才能获利。但是超级电商则带动了金融科技服务、物流服务、保险服务等等,这些电商自带的场景可以和不同行业做高度融合赋能行业。
“现在的云计算市场已经被充分教育,京东云非常清楚客户和合作伙伴的期待,大量的经验积累可以有效的避免云计算发展前期的那些坑,并且联合合作伙伴为用户提供最优质的服务。“申元庆说道。
技术和模式创新的底气
目前京东云正处于迅速升级的过程中,以“天”为单位更新或推出新服务。在品牌发布的同时,京东云也发布了容器服务、JDStack、DevOps等15款云产品,涵盖弹性计算、网络、云数据库与缓存、存储、云安全、专有云等多方面的云服务。
京东云容器服务
京东云容器服务融合了容器和虚拟机的优点,并整合存储、网络、安全等整体服务,无需管理虚拟机或集群,为用户打造安全、易用、全面的容器服务。
京东云容器服务的特色:
京东云JDStack
JDStack是京东云针对政府及大企业客户提供的可私有化部署的云平台。在与京东云公有云服务用户体验保持一致的前提下,更适合在用户本地数据中心部署使用,发挥云平台高资源利用率、高可用、易扩展、低运维成本的优势特点。
京东云DevOps
京东云为各种规模的企业提供一站式DevOps解决方案,实现企业服务全生命周期管理,提升企业运维自动化、智能化水平,帮助用户从容面对各种运维挑战,支撑企业业务快速稳定发展。京东云 DevOps 特色:实现研发、测试、运维之间的高效协同,提升整体效率;提供了从编译、部署、流量控制一整套的持续交付流程;从基础设施到服务运行状态全链路的监控服务。
申元庆也坦言,未来云计算市场每年还将达到40-60%的增长率,云计算的增速同时带动数据的增速,这又进一步驱动云计算的需求,而且随着5G的到来,未来还有更多的惊喜。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。