至顶网CIO与应用频道 07月27日 人物访谈(文/王聪彬):随着云计算市场的逐渐成熟,企业对于云计算的接受度也逐渐提高,企业或多或少都开始了自己的云计算之旅。根据发展需求的不同,私有云、公有云、混合云多种模式企业都在进行尝试。
平台化对企业在云计算上的使用带来了重要的改变,这也是我们常说的行业云。不同于Gartner提出针对一组有限的组织或个人的社区云,行业云是具有中国特色的名词,是一种新型的社区云。行业云中租户工作负载以行业位依据进行组织和划分,并且云服务基础设施基于垂直行业监管机构合规要求进行建设和共享。
行业云大多是云服务商向某一特定行业提供云服务,而青云正在打造B2B2B新模式,青云服务的企业级客户正在借由青云的平台构建行业云服务自身客户,从而形成新的服务体系。
启发市场构建行业云
青云CEO黄允松曾在2016年提出“QingCloud Inside”一词,即在云中客户可以有自己的界面和平台,青云只是提供底层的服务。
基于这一理念,青云借助B2B2B的模式启发和引导市场构建行业云和集团云。青云QingCloud解决方案与架构部总经理沈鸥表示,除了标准的云服务,中间的B就是我们所说的行业属性。
行业云可以输出综合性的行业能力,涉及多重运营内容。所以在行业云的建设和运营上也存在诸多挑战。第一、完整交付能力,行业云提供的能力应该约等于公有云的所有服务能力,包括:网络、安全、应用交付等服务;第二、提供规模化运行的技术支持,需要具备向上扩展和衍生能力;第三、提供对行业应用上云的支持,需要行业经验和最佳实践;第四、技术和成本的平衡,使行业云持续发展。
“行业云应该具备核心技术、自动化运维能力、产品与交付能力,以及技术商业的平衡。”沈鸥认为,行业云并非是单纯的软件平台,而是一套完整的、被验证过的、可落地的技术方案和运营经验。
在基础架构层,行业间的需求差异相对较小,而越往上差异将会越大,主要集中在应用层。通过青云提供的标准架构在之上可以嫁接相应的服务能力、分析方法。
青云的创新点在于用一套标准的架构适合各种类型的集群应用环境,并且让应用可以很快速的使用底层被封装好的能力,而且整个行业云平台的运营也逐渐SaaS化。
行业云的四个维度
青云将集团云和行业云分为集团云、行业全栈云、行业应用云、品牌定制云四个维度。
集团云=让集团总部IT成为公有云运营商:集团云会成为企业内部的公有云运营商,为集团内的分子公司提供IT能力,实现集团的统一管控,并将成本中心转化为利润中心。
华润创业联合青云打造华创联和云,提供包括ERP、OA、电子支付等集团标准服务。同时在PaaS和SaaS应用上提供服务,甚至与第三方服务商一起提供服务,这种内部的共享服务为集团带来了良好的经济效益。
行业全栈云=同业能力+青云能力:行业全栈云是青云云平台能力加上行业能力构建一整套行业云。
招银云创从2015年开始做行业云,作为独立云服务商,其承载着招商银行内部和外部银行、互联网金融等平台。而且还将区块链作为统一标准服务加入到青云应用市场中,跨行业提供服务,实现业务的拓展。
行业应用云=行业专属AppCenter:借由青云AppCenter的成功模式,让行业应用轻松上云,并且对整个行业提供最简单的使用模式。
特定的行业只需要行业全栈云中的一部分服务,行业应用希望聚焦在行业特定场景、特定业务模式,输出行业的核心能力,打造行业生态。行业应用云的关键是快速将应用云化并做相关运营及支撑。青云AppCenter已被打造成公共服务,在青云之外,行业客户、合作伙伴、行业云供应商都可以用AppCenter构建自己的行业生态或者特定应用场景。
思科与广州市政府合作在番禺区建立智能制造基地,希望把智能制造相关能力提供给客户。借助青云的平台、AppCenter构建了智能制造平台,提供行业特定应用,包括:设备检测、远程智能运维等,从去年10月份上线至今已经有超过十几个应用上线使用。
品牌定制云=独立品牌+青云能力:品牌定制云是2013年青云公有云上线后,很多客户需要从传统的IDC转型,成为特定区域、特定领域、特定行业的云服务供应商。
安畅网络原来是一家传统IDC供应商,通过两年的的建设,使用青云的平台构建整个云服务,以拓展更多云服务管理工作,但看不到任何青云的字样,青云主要提供底层服务能力,帮助安畅网络的业务发展。
未来,青云将会支持行业云与集团云的最快就绪,沈鸥指出在这个过程中青云具备六大优势,第一、青云是充分验证云计算产品和服务;第二、在平台调度、整合、应用中心集成能力方面提供了足够的开放能力;第三、灵活的实现和部署;第四、运营服务可交付;第五、良好的运维;第六、符合监管要求。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。