當前,世界正在進入以新一代信息技術為主導的高速發(fā)展時期,技術的快速迭代引爆了發(fā)展新機遇,云計算、大數據、人工智能、物聯網新興技術為各行各業(yè)提供了新的增長空間,賦予了新的活力,同時也帶來了信息安全方面的新挑戰(zhàn)。
9月14日,在中國電信天翼云舉辦的“天翼云安全云 護航數字中國建設”為主題的安全生態(tài)論壇上,中國電信云計算分公司副總經理徐守峰出席并發(fā)表《云聚智能,預見未來》主題演講。提出四化一體,云聚智能,以中國電信天翼云護航數字中國建設。
預見智能未來
徐守峰在演講中指出,未來社會的發(fā)展是建立在數字化、網絡化、云化以及智能化四大步驟上的,這“四化”作為開啟智能時代的四步曲,中國電信十分重視。“感知一個世界最核心的要素就是讓世界能夠數字化”,在信息轉換方面,數字化可以實現模擬信息的數字化轉換;在數據采集方面,可以通過智能終端、數據采集器采集聲音、位置、圖像、紅外、溫度、濕度、味覺信息。
而智能時代的另一個先決條件就是網絡。徐守峰將智能時代對網絡的要求總結為三個方面:泛在、高速和隨云而動,中國電信也確實做到了:建立最大的NB-IoT網絡,陸空天一體,具有唯一的衛(wèi)星牌照;主推千兆光纖,確立了Hello 5G戰(zhàn)略;骨干網隨云布局優(yōu)化調整,入云專線+云間高速可實現分鐘級開通。
徐守峰表示,要做更懂云的網。其實,近年來天翼云一直加碼數據中心和屬地云資源池建設,現有的內蒙古、貴州兩大低成本云數據中心和分布在31省的屬地資源池實現了本地存儲與集中存儲的平衡。
預見未來,天翼云在云網融合方面將會更進一步,實現全網覆蓋和毫秒級延遲。徐守峰介紹,現階段天翼云采取的是網隨云動的方式,根據廣東省的實際數據,省內入云專線時延不超過2ms,現有記錄的訪問時延最長未超過20ms,帶寬專享定制可達最高100Gbps
“算力革命+算法突破+數據訓練=智能“,徐守峰最后以簡潔的公式形式表達出對智能化的見解。天翼云構建的包括超級CPU實例、裸金屬、GPU實例、FPGA實例在內的多種計算服務,為智能時代提供了強大的算力支持,將加速推進智能社會的發(fā)展
光改到云改護航數字中國
中國電信作為全球首家提出“云改”概念的運營商,在其內部也正在通過“業(yè)務上云”、“IT系統上云”、“網絡上云”等措施,積極推動云改,。云和大數據是中國電信“2+5”戰(zhàn)略領域的重要構成與基礎承載,將成為未來中國電信最重要的新興基礎業(yè)務。
伴隨著數字經濟的蓬勃興起,以云計算為代表的新一代信息技術創(chuàng)新和產業(yè)調整步伐不斷加快,發(fā)展空間廣闊。根據《云計算發(fā)展三年行動計劃(2017-2019)》,到2019年,我國的云計算產業(yè)規(guī)模將從2015年的1500億元擴大至4300億元。中國電信天翼云作為云服務的“國家隊”,必將在未來的云計算浪潮中擔起重任。
從網絡上看,中國電信已經建成了全球最大的光纜網絡;在IDC的資源方面,中國電信具有國內最大規(guī)模的IDC資源布局;在政務云市場方面,中國電信也積極推動各地政務云的建設。
在具體實踐方面,徐守峰也提到,天翼云曾為某證券交易所提供全球首例、國內最大的基于云資源池和云間高速能力的證券行情及委托交易云,天翼云為其定制的云服務實現了超低時延保證、金融私有云級別安全、多節(jié)點組播通信以及可定制化混合云管理;天翼云還實現了業(yè)內首家央企私有云與公有云的異構雙活災備中心實踐;并且,天翼云還為有“中國天眼”之稱的FAST搭建了“超級計算大腦“的超計算中心,使得高并發(fā)量的太空數據和計算單元得到充分整合,海量的價值數據得到了充分利用。
當然,這只是天翼云客戶服務的一個縮影,在國內,像這樣為客戶排憂解難的天翼云“標桿案例”不在少數。為了更從容地服務客戶,天翼云今年已經陸續(xù)上線了云主機備份、彈性文件服務、分布式消息隊列等14款產品,涵蓋IaaS、PaaS、安全、管理、服務等多領域,還有21款產品或服務即將推出。
最后徐守峰強調,迎接智能新時代要更廣、更快、更高、更安全、更便捷,從光改到云改,中國電信智能化轉型在提速。雖然護航數字中國建設并非一朝一夕就能做到,但中國電信會在信息化建設中一直發(fā)揮主力軍和排頭兵的作用,踐行其央企的責任和使命。
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學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,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,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,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,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現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。