CNET科技資訊網(wǎng) 5月23日 北京消息:5月18日,第八屆中國云計算大會在北京國家會議中心召開。作為領先的云計算創(chuàng)新技術實踐者,數(shù)人云CEO王璞博士應邀出席并在全體大會上進行主題為“中美容器之融合與變革”的分享。王璞指出,企業(yè)力求以一種高效、標準化、可重復的方式,讓應用程序和工作負載更易于移植和分發(fā),在過去的三年中,以Docker為代表的容器技術取得了令人矚目的成功,它的輕量化、快速和可移植性使其廣受關注。Docker的火爆絕非偶然,它正在成為企業(yè)應用交付的標準。
對最終用戶來說,底層基礎設施到底是怎樣的并不是最重要的,直接與用戶相關聯(lián)的是具體的業(yè)務應用。所以,抓住企業(yè)IT變革的關鍵在于抓住企業(yè)應用形態(tài)的變化,而這也正是Docker在今天如此火爆的原因。
容器技術本身并不是新生的技術,經(jīng)典Unix系統(tǒng)Free BSD上的Jail就屬于容器技術的一種,但是Docker帶來了之前容器技術所沒有的幾個新特點。Docker面向應用,將應用及其依賴進行封裝,對企業(yè)的異構環(huán)境進行了良好的屏蔽,在降低DevOps工作流復雜性的同時,保持企業(yè)基礎設施不變。簡單的講,Docker能讓更多數(shù)量的應用程序在同一硬件上運行,讓開發(fā)人員易于快速構建可隨時運行的容器化應用程序,并大大簡化管理和部署應用程序的任務。
數(shù)人云CEO王璞
王璞在主題演講中回顧了容器技術的發(fā)展演化歷程,并介紹了Docker技術本身,以及由Docker技術催生的新一代PaaS。Docker為PaaS平臺和企業(yè)業(yè)務應用之間定義了清晰的邊界,簡化了PaaS平臺的復雜度?;贒ocker打造新一代PaaS平臺,可以幫助客戶快速構建云原生應用,實現(xiàn)持續(xù)集成和交付,加快應用迭代周期。
王璞認為,中美在新一代PaaS發(fā)展和落地方面幾乎齊頭并進。使用基于Docker的新一代PaaS應用的公司,在美國不僅有Twitter、Airbnb和eBay這些互聯(lián)網(wǎng)公司,也有Intel、Microsoft和RedHat這樣的IT巨頭,以及AT&T這樣的傳統(tǒng)電信運營商;與之相比,國內的互聯(lián)網(wǎng)公司愛奇藝、去哪兒網(wǎng),IT巨頭華為,以及浙江移動、平安科技等等這樣的企業(yè)級客戶也已經(jīng)開始積極部署實踐這項新技術。
作為新一代輕量級PaaS,數(shù)人云基于開源技術領域的最佳實踐,采用以Docker為代表的容器技術對應用進行封裝,具有彈性擴縮,灰度發(fā)布,監(jiān)控報警和日志,應用編排,持續(xù)集成等特性,可部署在公有云、私有云以及混合云之上,幫助用戶在云端快速建立并穩(wěn)定運行一個高性能生產(chǎn)環(huán)境,將應用彈性做到極致,實現(xiàn)一站式的微服務架構集群系統(tǒng)。
關于數(shù)人云
數(shù)人云創(chuàng)始團隊來自谷歌、紅帽和惠普,在今年3月初公司完成A輪融資,由云啟創(chuàng)投領投,思科、策源以及唯獵跟投。作為領先的云計算創(chuàng)新技術實踐者,數(shù)人云致力于打造最輕量化的PaaS平臺,將應用彈性做到極致?;贒ocker+ Mesos,數(shù)人云實現(xiàn)一站式的微服務架構集群系統(tǒng),最大化地幫助客戶實現(xiàn)應用業(yè)務在云端的快速部署,解決從客戶到云資源的最后一公里。
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技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(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,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的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等頂尖機構聯(lián)合提出SparseLoRA技術,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,已在多個任務上驗證有效性。