科技行者 12月6日 北京消息(文/孫封蕾): 今年5月,工信部發(fā)布了推進互聯(lián)網(wǎng)協(xié)議第六版(IPv6)規(guī)模部署行動計劃,5個月過去了,阿里巴巴旗下的優(yōu)酷、淘寶、天貓以及高德地圖等多個用戶量過億的應(yīng)用已經(jīng)實現(xiàn)了IPv6的落地。
阿里巴巴希望通過自己的先行一步,為業(yè)界帶來示范效應(yīng)。
談及阿里巴巴IPv6改造的過程,阿里巴巴網(wǎng)絡(luò)總架構(gòu)師蔡德忠表示,IPv6的改造,不僅僅是一個網(wǎng)絡(luò)協(xié)議的升級,而是整個生態(tài)的升級,對于互聯(lián)網(wǎng)公司來說是一個浩大的工程。所以改造之前一定要有戰(zhàn)略規(guī)劃,要有布局、有節(jié)奏進行。
這個改造大致要分三個步驟來進行。首先,阿里巴巴要作為生態(tài)當(dāng)中的關(guān)鍵環(huán)節(jié),幫助整個社會把這個生態(tài)建立起來,要支持互聯(lián)網(wǎng)應(yīng)用,所以阿里巴巴改造的時候要把幾大互聯(lián)網(wǎng)應(yīng)用改造,把量升上去,把生態(tài)一環(huán)解決掉。其次,我們的改造技術(shù)有很多核心技術(shù),把技術(shù)通過云輸出給全社會,來幫助中小企業(yè),因為中小企業(yè)可能并沒有技術(shù)實力改造基礎(chǔ)設(shè)施,通過云的方式來完成IPv6的改造。最后,才是內(nèi)部改造,因為有一百多個機房,十幾萬的網(wǎng)絡(luò)設(shè)備,上百萬的服務(wù)器設(shè)備,有些設(shè)備三四年或四五年之前已經(jīng)部署了,有些設(shè)備本身就不支持這樣的改造需要升級,這塊的改造是一個相對比較漫長的過程,估計要花三到五年才能完全改造。
蔡德忠介紹,根據(jù)國外部署的經(jīng)驗,大型互聯(lián)網(wǎng)從09年開始做IPv6的改造,但是現(xiàn)在并沒有完全結(jié)束。改造的最后一步純粹是內(nèi)部系統(tǒng)的提升,跟生態(tài)關(guān)系已經(jīng)不是特別大了,阿里巴巴對IPv6生態(tài)的貢獻,已經(jīng)基本完成。
過去5個月,阿里云DNS的IPv6日查詢量增長了600倍,目前,核心產(chǎn)品已全面支持。
“我們希望通過阿里云向客戶、合作伙伴分享向IPv6遷移的技術(shù)與經(jīng)驗,共同構(gòu)建中國的IPv6生態(tài),推動中國互聯(lián)網(wǎng)加速邁向下一代互聯(lián)網(wǎng)。” 阿里巴巴集團CTO、阿里云智能總裁張建鋒表示。
圖:阿里巴巴集團CTO、阿里云智能總裁張建鋒
IPv6的改造是一項龐大的系統(tǒng)工程,如果用傳統(tǒng)方式,需要對服務(wù)器、網(wǎng)絡(luò)以及應(yīng)用進行全方位的升級,不僅技術(shù)挑戰(zhàn)大,而且周期長。阿里云提供了國內(nèi)最完整的IPv6解決方案,可幫助企業(yè)最短幾分鐘完成業(yè)務(wù)系統(tǒng)的升級,同時保障業(yè)務(wù)的連續(xù)性。
據(jù)了解,阿里云IPv6全棧解決方案已服務(wù)超過200個行業(yè)場景,涵蓋零售、金融、制造、廣電傳媒等行業(yè)。新浪微博通過阿里云完成了IPv6公網(wǎng)訪問業(yè)務(wù)的升級改造,未來將通過無NAT的IPv6源地址更精準(zhǔn)地描繪用戶畫像,為用戶提供千人千面的定制化服務(wù);長江電力基于IPv6網(wǎng)站解決方案,實現(xiàn)了互聯(lián)網(wǎng)網(wǎng)站和應(yīng)用系統(tǒng)的雙棧訪問,為終端用戶提供了更流暢的網(wǎng)絡(luò)體驗。
阿里云智能研發(fā)總經(jīng)理蔣江偉(花名:小邪)表示,“阿里云將與運營商、設(shè)備商、應(yīng)用軟件廠商深入合作,共同構(gòu)建IPv6生態(tài),加速推進中國IPv6的規(guī)模部署。”
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。