CNET科技資訊網(wǎng) 9月18日 上海消息(文/周雅):今日,在華為第五屆云計算大會上(HCC2015),華為輪值CEO徐直軍表示,華為的目標是成為ICT領(lǐng)域的領(lǐng)先者,但“但能力有限”,所以要聚焦。不同于以往只聚焦硬件平臺,2015年華為將構(gòu)建云生態(tài)。
徐直軍表示:“未來幾年里,我們將充分發(fā)揮華為的技術(shù)優(yōu)勢和合作伙伴的優(yōu)勢,構(gòu)建出領(lǐng)先的云操作系統(tǒng)、大數(shù)據(jù)平臺、PaaS平臺,構(gòu)建出如同亞馬遜河一樣的生機勃勃的開放云生態(tài)。”
華為輪值CEO徐直軍
2015年構(gòu)建云生態(tài) 與運營商合作最理想
在企業(yè)云服務(wù)生態(tài)建設(shè)方面,與電信運營商企業(yè)云服務(wù)是最理想的選擇,運營商的機房、網(wǎng)絡(luò)、企業(yè)客戶資源和優(yōu)勢,和華為解決方案是一個非常好的合作。面向未來,在不同區(qū)域、不同國家,華為愿意和運營商合作,共同提供云服務(wù)。
2013年,華為大力度布局IT,是因為云計算的理念和技術(shù)可以促進IT業(yè)快速發(fā)展。2014年,華為定位成為IT公司,要建設(shè)三個硬件平臺(服務(wù)器、存儲、網(wǎng)絡(luò)連接)、三個軟件平臺(fusionsphere、fusionstage以及fusioninsight),搭建基于PAAS、IAAS、APPS三個解決方案,踐行被集成、被應用。
“我們在2014年強調(diào)做好產(chǎn)品的提供商,但是只是做產(chǎn)品滿足不了客戶的要求,所以華為開始提供云生態(tài),幫助產(chǎn)業(yè)界共同向云計算轉(zhuǎn)型。”徐直軍說道。
云生態(tài)主要包括聚焦IT、軟硬平臺以及應用。徐直軍介紹,華為已擁有領(lǐng)先的FusionSphere云操作系統(tǒng)、OceanStor企業(yè)級存儲、FusionServer服務(wù)器、軟件定義網(wǎng)絡(luò)、安全等技術(shù)和解決方案,具備構(gòu)建企業(yè)級云服務(wù)所需的端到端能力。
徐直軍表示,目前,華為在中國已經(jīng)有了幾十萬家合作伙伴,既有線上業(yè)務(wù)也有線下業(yè)務(wù),過去與合作伙伴,華為更多是銷售和交付,未來,則更多是基于企業(yè)云服務(wù)直接面向客戶。
公有云是一個全新的增量市場,目前尚處于初級階段,未來是一個多玩家并存的市場,有廣闊的發(fā)展空間。互聯(lián)網(wǎng)公司是當前公有云市場最大的玩家,華為和運營商在該領(lǐng)域尚處于探索階段。未來華為將堅持開放,以商業(yè)合作為核心,以技術(shù)合作和人才培養(yǎng)為支撐,打造云生態(tài)圈,使能合作伙伴,做大產(chǎn)業(yè),實現(xiàn)共贏。
建7個Open Lab 3年培養(yǎng)1萬人
在投入方面,徐直軍此前表示,華為平均每年投資IT業(yè)務(wù)不低于5億美金,IT業(yè)務(wù)營收今年將超20億美元,預計2020年收入將超過100億美元,成為華為重點業(yè)務(wù)組成部分。
為了幫助合作伙伴商業(yè)成功,華為還將在未來加強人才培養(yǎng),預計3年培養(yǎng)1萬名華為認證的專業(yè)人才。在能力傳遞,華為在成都、蘇州、深圳、北京、歐洲、中東、東南亞建設(shè)了7個OpenLab,支撐云生態(tài)伙伴開發(fā)和驗證。
徐直軍表示:“未來幾年里,我們將充分發(fā)揮華為的技術(shù)優(yōu)勢和合作伙伴的優(yōu)勢,構(gòu)建出領(lǐng)先的云操作系統(tǒng)、大數(shù)據(jù)平臺、PaaS平臺,構(gòu)建出如同亞馬遜河一樣的生機勃勃的開放云生態(tài)。”
截至2015年6月,華為云計算合作伙伴達500余家,服務(wù)于全球84個國家和地區(qū)超過1000家客戶,覆蓋政府及公共事業(yè)、電信、能源、金融等行業(yè)。華為在全球已部署超過660個數(shù)據(jù)中心,云數(shù)據(jù)中心255個。在全球部署云計算虛擬機超過70萬個。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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練效率,已在多個任務(wù)上驗證有效性。