至顶网CIO与CTO频道 07月31日 人物访谈(文/王聪彬):从2018年开始,云原生生态就在不断壮大。云原生技术有利于企业在公有云、私有云和混合云等新型动态环境中,构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API。
目前,很多公有云服务商也在积极布局云原生,腾讯云就在IaaS服务之外,将所有的产品慢慢向云原生转型,利用云原生技术和产品结合给用户提供更高的价值。
腾讯云云原生产品矩阵分为三层,第一层、基础设施,包括Serverless产品(Serverless容器、Serverless函数)、边缘容器、DevOps产品、微服务TSF等;第二层、产品化服务,包括TCB的云开发平台、微服务网格等;第三层、应用场景,包括大数据容器方案、小程序解决方案、IoT解决方案、游戏云解决方案等。
同时在私有云上,腾讯云将IaaS、PaaS、SaaS平台完整的从公有云输出到私有云,同时推出TCS的云原生的PaaS平台,包含了云原生的三层能力。
突破云原生三大痛点
云原生的规模正在以肉眼可见的速度高速增长。腾讯云容器产品总经理邹辉表示,同比去年容器在整个腾讯云的增长率将近300%,是去年同期容器规模的3倍。腾讯云也在今年陆续推出一系列新产品,例如云原生解决方案。
云原生最常被提及的主要有三大痛点,第一、费用,Serverless模式在费用上较贵;第二、缺乏开发工具、调试工具、开源生态等;第三、Serverless特别是云函数缺乏落地案例。
腾讯云Serverless产品副总监张浩表示,微服务平均耗时在20-30毫秒之间,但是业界云函数都按照100毫秒最小颗粒度计费,腾讯云在全球率先发布1毫秒计费粒度,使用者可以真正实现按需付费,彻底消除了困扰用户的资源成本浪费难题。
同时腾讯云构建了两大生态。第一、微信生态,“小程序·云开发”产品可以大幅提升小程序的开发效率,上线一年注册账户超过23万,为超过50万开发者提供服务。第二、开源生态,通过开源协同的方式持续向Serverless framework社区贡献。该项目在GitHub上Star数超过3.5万,日下载量超过4万,其中的Serverless应用商城提供Vue、 React 、Express、Koa等前端、web端、全栈应用组件,助力开发者轻松上云。
到目前为止,腾讯云Serverless的规模已经超过了500%的增长,整个大盘的调用量已经超过了百亿级别,出现了像人人视频、新东方、bilibili等云原生标杆案例。
云原生从内到外的实践
腾讯云从年去开始就在努力,希望将内部所有业务上云,通过云的方式服务于内部。同时也希望各种业务在上云的过程中完全采用云原生的方式。
基于这两个目标腾讯云正积极进行云原生的改造,首先、要让内部理解云原生改造对于业务的价值;其次、在云原生改造上进行规划,做一些定制化的诉求,例如容器支持固定IP、容器秒级重启等。
“在云原生改造的过程中我们有妥协,但也有一些原则坚持。”邹辉说道,主要的坚持原则有三点,第一、通过镜像发布;第二、完整使用DevOps流程;第三、容器可调度。
腾讯云云开发产品副总监王倩举了一个境外支付团队的使用案例,境外游礼包在开发过程中只需要一个人,包括前后端调用形式,整个研发流程的优化,从一个页面的10人/天,降到了一个页面3人/天,研发效率上有较大的提升。
现在越来越多的业务也在开始进行云原生改造,整体帮助内部团队在降低人力,在提升交付周期的效果上取得了比较好的预期。
但是传统行业和互联网行业相比对于云原生的应用上还是存在一些差异,互联网行业整体技术成熟度很高,而传统行业场景更为复杂。邹辉表示,很难有标准的产品可以覆盖所有行业的诉求,所以腾讯云则是将云原生的底层能力与不同行业解决方案结合,满足不同行业的数字化转型。
这样企业就可以无感知的享受到云原生技术的好处。例如,工业云平台解决方案是将各地方政府和工业企业,以及上层SaaS服务商连接在一起,让三者之间能够各自联动发挥最大的价值。
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。