2017年4月10日,为贯彻落实《国务院关于促进云计算创新发展培育信息产业新业态的意见》,促进云计算健康快速发展,工业和信息化部在全国范围印发《云计算发展三年行动计划(2017-2019年)》(以下简称《计划》)。该计划对我国云计算当前发展状况进行了简要概括,并对未来三年云计算的发展明确提出了原则思路、总体目标和重点任务,标志着我国云计算在经历了爆炸式的初始阶段自由成长期后,即将步入高速、稳步、规范的发展通道。
作为我国云计算从诞生到飞速发展的亲历者,曙光认为,该计划的制定是我国云计算产业发展承前启后的关键节点,将对行业标准的建立完善、产业框架的优化调整有重要意义。
前瞻布局成为中国政务云领军者
《计划》指出:“云计算是信息技术发展和服务模式创新的集中体现,是信息化发展的重大变革和必然趋势,是信息时代国际竞争的制高点和经济发展新动能的助燃剂。”根据《计划》精神,政务云将成为云计算应用的重要切入点之一,也是曙光云计算发展的重点布局领域。
在政务云领域,曙光通过建设云计算中心的数据平台,将政务数据不断汇集并打破数据孤岛与信息壁垒,让各个政府部门以往沉睡的海量数据实现横向融合,重新爆发出巨大价值。目前,曙光是国内落地城市最多的云服务商,云服务被广泛应用于教育、气象、医疗、能源、互联网及公共事业等多个领域,并且已在全国近50个城市建立部署了新一代数据中心,成为国内政务云、行业云应用领域当之无愧的佼佼者。
此外,值得一提的是,曙光创造性地提出、实践并成功运营出一个响亮的城市云计算服务品牌“城市云®”,将政务上云的服务成功升级。2009年,在中科曙光先进理念的影响下,成都市政府以购买服务的形式建成了国内第一个“城市云计算中心”。历经8年实践,成都城市云“看得见、摸得着、成规模、可复制”的信息化建设模式陆续在更多城市落地、生根,成功培育了曙光的“城市云”品牌及市场。
协同发展建设产业生态的急先锋
推动产业发展离不开产业链上下游的协同创新。《计划》中对此指出,发展云计算产业应整合资源,带动产业链上核心芯片、基础软件、应用软件、关键设备、大数据平台等关键环节的发展,打造协作共赢的产业生态,实现产业整体突破。
近年来,一向嗅觉敏感的曙光也已开始向横向行业挺进拓展,通过整合云计算产业链上下游合作伙伴,构建融合、开放、安全、共赢的产业版图。在2016年的“数据中国加速计划”发布会上,曙光与新锐人工智能芯片研发公司“寒武纪”签约,就是曙光构建产业生态的重要落子;而不久前,由曙光参与共建的“大数据分析技术国家工程实验室”,也将开展一系列的数据分析技术研发和应用实践,把大数据技术和云服务生态深度融合,满足对基于云计算的大数据基础设施、大数据分析、深度学习等应用场景的更高要求。
保障质量云安全和服务标准的先行人
新技术的应用落地,还需要统一标准的制定,从而为云计算提供发展方向和框架。因此,《计划》中也明确指出,要加快完善云计算标准体系,积极开展标准的宣贯实施和应用示范工作,在应用中检验和完善标准。
通过8年的实践,曙光已经成长为云安全和云服务技术标准的先行者。作为首批从事云计算技术研发和业务推广的领军企业,曙光积极参与国家标准的制定与实施,其中就包括参与中国首批云计算支撑性国家标准《信息安全技术云计算服务安全指南》和《云计算服务安全能力要求》(GB/T 31167-2014和GB/T 31168-2014)的制定工作,并且率先通过了网信办和工信部的云服务安全审查、云服务能力增强级认证。
《计划》发布后,未来三年,云计算行业技术健全标准有望大幅度健全,在这一过程中,中科曙光也将积极发挥自身优势,分享经验成果,为行业健康规范发展贡献力量。
相应号召一带一路战略的践行家
作为世界经济第二大主体,中国企业应该拥有全球化的眼光和目标。对于云计算企业的国际化发展,《计划》指出,要逐步建立以专业化、市场化为导向的海外市场服务体系,支持骨干云计算企业在海外进行布局。而早在几年前,曙光就适时推出了自身的国际化战略并初见成效,在欧洲、非洲、东南亚以及俄罗斯等地取得了不同层次的突破。未来几年,为配合践行国家“一带一路”战略,曙光将继续把优秀的云技术、云产品、云服务、云模式带到更多国家和地区,让技术革新惠及更加广泛的人类社会。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。