12月24日,腾讯云正式宣布其数据库品牌TDSQL的全新战略升级计划及未来发展战略。未来,腾讯云原有的TDSQL、TBase、CynosDB三大产品线将统一升级为“腾讯云企业级分布式数据库TDSQL”。全新升级后的腾讯云TDSQL将涵盖分布式、分析型、云原生等多引擎融合的完整数据库产品体系。
腾讯副总裁、腾讯云总裁邱跃鹏表示,作为国内数据库行业先行者,腾讯云深耕数据库领域十余年,服务客户数已经超过50万。未来,腾讯云还会在数据库的赛道上持续加码,并整合腾讯在QQ、微信等服务十几亿C端用户的能力、经验、资源,为B端客户持续提供好用、易用、安全的数据库产品。
腾讯副总裁、腾讯云总裁邱跃鹏
从上云到云原生,云技术普惠加速企业上云进程
随着云计算的迅速发展和广泛应用,数据库正朝着“云+数据库”的方向演进。随着开发者使用习惯的变化以及传统行业的行业云构建的趋势,未来的数据库模式将逐渐云化。这个过程中,传统数据库越来越不能适应云在扩展性、可靠性和规模化的优势,“云原生”数据库应运而生。
“云数据库的发展,目前正在经历从第一阶段‘数据库上云’,即从数据库到云数据库,到第二阶段‘从云数据库到云原生数据库’的变革,”腾讯云副总裁李纲指出,“云原生”正是腾讯云数据库重要的架构体系。腾讯云原生数据库具有高性能和高度兼容的优势,敏捷、灵活的部署能力,可以让企业像使用水、电、煤一样使用云数据库。从而降低企业上云门槛、提升上云进程,更好的应对智慧时代复杂的业务场景,将腾讯云原生技术普惠用户。
腾讯云副总裁李纲
融合、自治、效用是腾讯云原生数据库的三大特点,它具有数据库引擎加云存储的计算与存储分离架构,能对数据库进行全生命周期智能自治管理的优化与调优,以及实现按真实使用量计费的商业模式。据透露,今年发布的TDSQL Serverless,是国内首个Serverless架构数据库引擎,能为腾讯云上超过100万的企业和开发者提供一站式云数据库服务。
超融合成大势所趋,打通多数据库引擎兼并需求
近年来,新基建、产业互联网快速发展,加速了跨技术边界的超融合发展速度。2021年,中国超融合市场的增长率将达到25%。
李纲表示,为应对海量复杂的场景数据服务在性能、成本、服务等方面的需求,数据库同样呈现出“超融合”的趋势:底层多模多引擎的融合,开发者接口的融合,软硬一体交付以及全链路生态的融合。
在整体云原生架构的基础之上,腾讯云也构建了数据库的超融合体系。目前,腾讯云数据库TDSQL下已经具有金融级分布式产品序列TDSQL,单体实例可支撑百T百万QPS的云原生序列TDSQL-C,可应用于百P级复杂场景的分析型 序列TDSQL-A等可兼顾各方面需求、实现极致的性能与通用性兼得的产品能力族;能够融合公有云与私有云,连接传统IDC与云数据库的数据库SaaS工具DBBridge;TDSQL一体机实现软硬一体的融合等。
与此同时,超融合技术体系还将解决多引擎共存下对云数据库的开发与应用选择带来的挑战。腾讯云TDSQL将通过AI智能调度,以及Serverless等方案,来彻底实现多引擎的统一标准化服务,让客户能够快速实现研发及服务的全链路打通,而无需关心技术细节。
覆盖全行业应用,更适配本土需求
今年11月发布的Gartner数据库魔力象限报告中,中国数据库厂商占据三席,标志着国内数据库进入全新发展阶段。随着国内云厂商技术能力不断提升,数据库等核心技术的国产化也取得重大突破,对本土客户的需求将会有更好的适应和匹配,数据库国产化成为行业发展的必然。
李纲认为,国产数据库已经进入快速发展时期。此次升级后的“腾讯云企业级分布式数据库TDSQL”家族产品不仅符合国产化要求,还积极融入国产生态系统,可适配上下游一系列国产软硬件。
“国产数据库的发展一般会经过互联网企业、民生政务、传统行业应用、金融核心业务这几个阶段的打磨,其中金融行业对数据库要求最为苛刻,不仅数据容错度低,而且还要符合信息安全等级规范。”李纲介绍,目前腾讯云数据库已在金融行业大规模落地应用,包括平安银行信用卡A+新核心系统国产化、人保财险系统的数据库国产化、张家港农商行的核心系统数据库国产化落地等典型案例。此外,腾讯云数据库还支撑了2020年全国第七次人口普查、数字广东等项目,后续将在各行业逐步落地,实现对全行业的应用覆盖。
会上,腾讯云还重磅发布了“国产数据库加速器产业联盟计划”,以及同步成立了数据库合作生态扶持基金,致力于与合作伙伴协力建设全面开放的国产数据库生态体系。腾讯云副总裁王峰表示,腾讯云将以开放、中立、合作、共赢的数据库发展策略,联合合作伙伴共建生态,共筑产业未来。
腾讯云副总裁王峰
目前,腾讯数据库已有20多款产品,每年有超过1000次产品升级迭代,服务1000多家政府客户和2000多家金融客户。未来,腾讯云也将持续加大在数据库领域的投入,携手上下游生态合作伙伴与客户,为更多企业数字化转型提供底层基础。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。