CNET科技資訊網(wǎng) 1月20日 上海消息: 隨著技術(shù)不斷拓展商業(yè)邊界,阿里云整個生態(tài)也隨之生長,迎來了越來越多不同領(lǐng)域的合作伙伴。
1月20日,在2016云棲大會上海峰會上,國內(nèi)領(lǐng)先的專業(yè)OpenStack服務(wù)商九州云(99Cloud)與阿里云達成戰(zhàn)略合作,將共同研發(fā)企業(yè)級混合云平臺,向用戶提供彈性、敏捷及安全可控的混合云解決方案。這也是阿里云生態(tài)的又一次開放融合,通過像九州云這樣的合作伙伴,OpenStack等不同領(lǐng)域的用戶也能快速獲取公共云服務(wù)能力。
在雙方的合作中,阿里云將公共云具備的彈性伸縮、海量擴展的優(yōu)勢延伸至專有云,打造無縫連接、可彈性擴展升級的混合云部署方案。九州云將通過針對性的專用插件開發(fā),實現(xiàn)在阿里云平臺上OpenStack產(chǎn)品的深度集成,從而為企業(yè)客戶提供一站式的混合云管理服務(wù)。未來,九州云還將結(jié)合阿里云便捷高效的網(wǎng)絡(luò)服務(wù)——高速通道,讓企業(yè)內(nèi)部的專有云、線下數(shù)據(jù)中心,能夠就近接入公共云,組建混合云架構(gòu),實現(xiàn)企業(yè)內(nèi)部資源與混合云資源的打通與統(tǒng)一管理。
云棲大會現(xiàn)場,九州云不光展示了在OpenStack系統(tǒng)上對阿里云全球資源的調(diào)度,也展示了“一鍵備份專有云硬盤到阿里云對象存儲OSS”、“上載專有云鏡像在公共云平臺上發(fā)布”的功能,未來還將整合前端業(yè)務(wù)的持續(xù)集成(CI)和持續(xù)發(fā)布(CD),做到業(yè)務(wù)發(fā)布的混合云無縫對接。
針對此次合作,九州云董事長兼首席執(zhí)行官張淳表示:“混合云與專有云就像租賃汽車與私家車一樣,全方位滿足用戶在不同場景下的出行需求。此次九州云與阿里云的戰(zhàn)略合作正是基于雙方對市場發(fā)展的共識,強強聯(lián)合能夠更好地將九州云在OpenStack技術(shù)、專有云解決方案和行業(yè)用戶市場開拓方面的資源、管理優(yōu)勢以及阿里云在云計算與大數(shù)據(jù)領(lǐng)域的優(yōu)勢帶到企業(yè)級市場,更好地滿足企業(yè)需求,增強企業(yè)在云平臺應(yīng)用中面臨的現(xiàn)有資源優(yōu)化利用、安全可控性和靈活敏捷性等方面的需求,進一步降低IT成本。”
阿里云資深總監(jiān)李津認(rèn)為:“技術(shù)沒有門派,服務(wù)沒有邊界,任何技術(shù)的誕生都是源于最終用戶的需求。阿里云希望通過跟九州云等生態(tài)伙伴的合作,讓所有用戶能夠分享到生態(tài)伙伴的服務(wù)能力,讓公共云的海量計算能力更便捷的去觸達他們。這才是今天阿里云整個生態(tài)的價值,這也是云計算帶給我們聯(lián)結(jié)在一起的價值。”
2015年的天貓雙11,是全球最大規(guī)模的混合云彈性架構(gòu)實踐?,F(xiàn)在,這一技術(shù)能力將通過阿里云與九州云、萬國數(shù)據(jù)等生態(tài)伙伴的合作,加速向全球用戶開放。
市場研究機構(gòu)IDC預(yù)計,到2016年,將有65%的亞太區(qū)域企業(yè)轉(zhuǎn)向混合云架構(gòu),因為云計算正在成為企業(yè)數(shù)字化轉(zhuǎn)向的核心。
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(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。