至顶网服务器频道 08月31日 新闻消息:
近日,2017开放数据中心峰会(ODCC)在北京国际会议中心隆重召开,阿里巴巴基础设施事业群总经理周明发表主题演讲,与参会者分享了阿里巴巴在基础设施领域里面所面临的机遇和挑战,并提出白盒化、技术架构一体化和数据中心智慧化三大应对策略。
在演讲伊始,周明表示,阿里巴巴的基础设施承载支持了以淘宝、天猫为基础的电商集团、以蚂蚁金服、支付宝为核心的金融集团,以及以菜鸟网络为核心的物流板块,面对上述集团业务的大规模服务需求,如何在保证技术竞争力的同时,降低成本并实现稳定运营,是整个阿里巴巴基础设施团队所面临的压力与挑战,同时也伴随着无限的机遇。
基于上述挑战,周明总结了三个方面的原则和手段:白盒化、技术架构一体化和数据中心智慧化。并围绕数据中心本身的风火水电、服务器和网络这三个层面加以阐述。
阿里巴巴在数据中心建设上白盒化的思想由来已久,从租用,到定制,到共有再到自建,逐步将IDC建设做到自主可控。通过自主可控和技术创新来降低PUE和提高能效,比如千岛湖数据中心的深层湖水水冷和张北数据中心的全自然风冷技术。在服务器和存储上,从最开始购买整机服务器,到整机柜定制,再到部件和芯片定制;在网络基础设施上,从最底层的传输,到模块的自研,到上层交换机,再到基础的软件及平台,阿里巴巴在服务器与网络上都在朝白盒化的方向努力。
同时,“事实证明白盒化其实是不够的,光白盒化只是解决了一部分问题”,周明强调,“我们的目的是架构一体化, 逐步从白盒化到架构一体化,这才是我们的核心,也最能体现我们的技术竞争力。”只有通过自主定制硬件,结合上层基础软件优化及业务场景特点,做到一体化的架构设计,才能最终实现整个系统性能的极致化。
最后谈到数据中心的智慧化,周明认为“不是设备运行起来、软件做好就好了”,还要面临数据中心大规模部署问题;同时,数据中心在7×24小时的运行过程中必然会发生故障,快速定位和修复故障也是难题。阿里巴巴数据中心运营目前已经实现信息化和自动化,正着眼未来,提升能效,朝无人值守和故障自动恢复方向努力,真正实现数据中心智慧化。
作为中国数据中心产业最具影响力的行业会议, 在本次ODCC2017峰会的专场技术分享环节,来自阿里巴巴基础设施事业群战略和架构部总监高山渊、服务器研发高级产品经理刘礼寅和资深网络专家杨志华等嘉宾也做了精彩发言和交流。
阿里巴巴基础设施事业群,作为阿里巴巴生态系统的技术基石和发动机,正在技术拓展商业边界的道路上奋进。2017年以来,先是发布互联网行业全球首个浸没液冷服务器集群,实现PUE逼近理论极限值1.0;随后又在量子信息科学领域发布两项世界级成果,均展示出在科技领域的强大实力。目前包括量子通信、液冷服务器、自研服务器和网络设备、企业级互联网架构(Aliware)和自研金融级关系型数据库OceanBase等拥有自主知识产权的强大软硬件基础设施,正承载电商、云计算、金融、物流等数十项业务,每天服务全球数亿用户。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。