在青云QingCloud聯(lián)合創(chuàng)始人兼CEO黃允松看來,云計算的源起是來自個人消費者和小微型企業(yè),或者叫做創(chuàng)新性企業(yè)的推動,跟傳統(tǒng)的大中型企業(yè)、傳統(tǒng)的大型IT公司關(guān)系不大。傳統(tǒng)企業(yè)對云計算是被迫跟進心態(tài),而不是主動的擁抱云計算。正是因為新的IT群體和消費觀的出現(xiàn),個人消費者和小微型企業(yè)的投入和熱情,使得全世界的IT消費觀念發(fā)生深刻變化。
在黃允松接觸的客戶中,他們一般最愿意問兩個問題:一是安全,二是費用。在黃允松看來,通過技術(shù)的合理使用,這些問題其實都應(yīng)該會被消除掉。
十年前,人們對網(wǎng)絡(luò)沒有信任,但是今天,大多數(shù)人都在網(wǎng)上買過東西、用過網(wǎng)銀行;而企業(yè)呢,越來越多的生意來源渠道是網(wǎng)絡(luò),企業(yè)的IT架構(gòu)對公司的運作非常關(guān)鍵。
以前信息不對稱的時候很多行業(yè)是暴利行業(yè),而現(xiàn)在呢,企業(yè)的利潤空間越來越小,這種情況下對成本控制非常嚴格,一定要在技術(shù)層面上尋求解決問題的方法。因為你沒有辦法繼續(xù)壓縮工廠的利潤,也沒有辦法繼續(xù)壓縮軟件,你也沒有辦法繼續(xù)進一步壓縮系統(tǒng)集成商的空間,因為大家的空間都很薄,所以我們需要新的技術(shù)去解決這些問題。
很多朋友在問黃允松,在做應(yīng)用架構(gòu)設(shè)計的時候,是不是真的要完全拋棄現(xiàn)在的一切,全面去擁抱云。在他看來實際上不是這樣的,他更加推薦的方案是從傳統(tǒng)的IT過渡到新型的IT方案。據(jù)了解,QingCloud開始于2012年,去年3月26日云服務(wù)上線,去年7月12日對外開放,目前青云的客戶中,超過95%的請求全部透過API。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。
同濟大學(xué)團隊開發(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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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。