今天下午2:00-3:00,我主持了世紀(jì)互聯(lián)總裁孟樸關(guān)于云計算服務(wù)的實時在線訪談,在1個小時時間里,累積訪談人次為3.1244萬人次,他回答了來自全國21個地區(qū)的50個問題,現(xiàn)將訪問要點整理如下:
圖:世紀(jì)互聯(lián)總裁孟樸與CBSi中國媒體總編劉克麗
1、 世紀(jì)互聯(lián)與微軟的云服務(wù)合作重視于標(biāo)準(zhǔn)化的公有云對企業(yè)和社會大眾服務(wù);
2、 微軟的win Azure和0ffice365服務(wù)已有1.5萬個帳號,世紀(jì)互聯(lián)每天平均有300名員工在與微軟總部日常業(yè)務(wù)溝通;
3、 IBM的SCE+主要定位在高附加值的企業(yè)應(yīng)用,有90個客戶如可口可樂、人人網(wǎng)在beta測試,今年第三季度會全面向用戶開放、使用;
4、 微軟在北京和上海的兩個數(shù)據(jù)中心的邏輯關(guān)系是并行的;
5、 關(guān)于云計算的中心的設(shè)立費(fèi)用問題一定要綜合考慮,不能只從省電費(fèi)考慮,有時電費(fèi)省了,但網(wǎng)絡(luò)設(shè)備會增多,如香港電費(fèi)貴,可云計算中心最多;
6、 關(guān)于備份,一般用戶的數(shù)據(jù)備份應(yīng)該考慮在1000公里的半徑內(nèi)外,世紀(jì)互聯(lián)為了用戶數(shù)據(jù)安全,對用戶數(shù)據(jù)有6個備份,沒有額外收費(fèi);
7、 孟樸認(rèn)為更多的外商云計算進(jìn)入中國,才可能有服務(wù)競爭;
8、 同樣的云計算服務(wù)產(chǎn)品,世紀(jì)互聯(lián)只選一家合作;
9、 關(guān)于誰會先采用公有云計算服務(wù)?看光腳不怕穿鞋的,越小的企業(yè)越會優(yōu)先考慮云計算,看個體戶、自由職業(yè)者采用公有云計算最沒有升級成本包袱;
10、關(guān)于路徑問題,孟樸指出不只是路徑遠(yuǎn)近問題,這就和開車一樣,遠(yuǎn)點不堵車比近了堵車強(qiáng),信息高速公路已成熟,但信息高速路的入口、出口、鄉(xiāng)村公路還要抓緊平衡性的建設(shè);
11、關(guān)于數(shù)據(jù)中心環(huán)保應(yīng)用創(chuàng)新非常復(fù)雜,因為這關(guān)系到制冷、清潔能源的使用,世紀(jì)互聯(lián)和華為已有合作;
12、關(guān)于哪家云計算好用,這就和買衣服買鞋子一樣,看用戶不要考慮到是用國內(nèi)的,還是用國外的,是看上去前衛(wèi)的,還是感覺上落后的,關(guān)鍵是要考慮的是否適合自己的,是否是接地氣的服務(wù);
13、關(guān)于外商與世紀(jì)互聯(lián)合作的優(yōu)勢是否因為世紀(jì)互聯(lián)有牌照,這倒未必,因為政府對任何企業(yè)、事業(yè)單位監(jiān)管都是有必要的,都是一樣的,就像對運(yùn)營商的監(jiān)管一樣必要,也是業(yè)務(wù)性質(zhì)的需要,我們賣的只是服務(wù);
14、關(guān)于世紀(jì)互聯(lián)是否考慮開拓海外市場,這方面有兩個層面的動作,一個層面在于是企業(yè)本著開放、平等、共享的原則,參與海外項目投資,另一層面,世紀(jì)互聯(lián)2000多個企業(yè)客戶他們的最終目標(biāo)是要走向海外市場,他們走出去了,世紀(jì)互聯(lián)的服務(wù)也應(yīng)該跟出去;
15、關(guān)于民營企業(yè)是否平臺太小,不適合我?孟樸不這樣認(rèn)為,正因為小,所以才能做大;
16、在民營企業(yè)的好處是,晚上不用和美國開電話會議了,晚飯后還可以遛狗、散步。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。