本周关于华为公有云的更多细节公布了——就像是一个九头蛇,有着很多头的生物。
华为将基于自己的能力以及与合作伙伴一道构建全球云网络。在海外,华为正在与德国电信、奥兰治和西班牙电信等公司合作,他们将向那些使用华为基础设施的本地企业售卖云服务。
这个基础设施(也就是云数据中心)将被华为公有云联盟合作伙伴所拥有、贴牌以及运营,但仍由华为构建的。
实际上,华为正在他们所在的地区提供白牌公有云。华为表示,它希望成为五大公有云提供商,这意味着华为的公有云——包括华为自己的云以及白牌的合作伙伴云——将能够与前四大云提供商相竞争。
华为轮值CEO郭平表示:“云是智能世界的基石。整个社会在数字技术开发的过程中正在经历马太效应。再加上投资的规模效益,全球云计算将开始融合——越来越集中化。未来,我们预测全球将会有五个主要的云。华为将与我们的合作伙伴一起,致力于构建其中之一的云,我们拥有实现这一目标的技术和知识。”
我们的理解是,这五大云是中国的阿里巴巴、Amazon、Google和微软,再加上华为,其他则是一些规模较小的、专有的公有云,其中可能包括IBM和Oracle。
为了避免厂商锁定的质疑,华为提供的混合云解决方案能够集成第三方公有云平台,包括Amazon和微软。
混合云
华为认为,链接和沟通私有云是混合云的思想,这意味着,内部IT和公有云之间将进行数据和服务的转移,本地IT基础设施的配置和操作将会云化。
公有云可用作近线存储和冷存储层,热数据在本地部署的环境中保存和处理。备份、归档、测试和开发数据被发送到公有云也就是成本更低的存储中。
华为坚信云的业务可能性,所以最近将云部门的级别提升,高出公司其他部门。
客户
华为表示,自2017年3月创建云部门以来,用户群增长了238%,发布了40项新的云服务,包括一个数据仓库、高级DDoS保护和内容交付网络。到目前为止,华为已经发布了85项云服务。
有十几家汽车公司(包括大众汽车、梅赛德斯奔驰)、商业机构,飞利浦,中国工商银行以及多个政府服务平台正在使用华为云计算,以及其合作伙伴的服务。
欧洲核研究组织(CERN)一直在华为和德国电信共同开发的公有云上运行自己的工作负载。欧洲核研究组织有数千个华为的高性能计算节点,已经将大型强子对撞机(LHC)的整体维护成本降低了67%,并将在线周期从90天缩短到15天。
企业智能和人工智能应用及服务
华为正在为自己的公有云开发应用,其中就包括企业智能(EI)云服务,也就是人工智能。
华为表示,AI应用基本上是一次性使用的,但是AI需要更加通用化。华为IT产品线总裁郑叶来表示:“AI需要为企业创造更多价值。为了实现这一目标,我们必须整合单点技术,在复杂的企业场景中结合起来运用这些技术。我们将华为云定位为智能世界的推动者,它提供了AI、物联网、计算、和存储能力,为企业提供更多创新的、智能的云服务。”
这项EI服务具备:
华为自己也在使用EI服务,从供应预测到物流,从仓储到清关、过境和签收货物,把EI服务打包成可对每个容器进行3D视图,将容器整体效率提升6%,6%听起来可能不是很多,但是分散到数十万个容器的话,就是非常可观的了。
在仓储方面,EI可帮助设计出更好的放置货物和分类货物的方式,并优化路径以选择货物和储存空间,这将使仓储效率提高10%。
评论
与Amazon和Google不同的是,华为正在自己的云上开发应用平台服务,不仅仅是客户必须整合到数据中心级应用服务中的基本计算、存储和数据库组件产品。Amazon和Google提供相当于裸机的公有云,而华为及其合作伙伴提供的是企业数据中心类型的平台服务。
假设你希望从AWS那里租一辆汽车。你需要租赁的是基本的组件——发动机、变速箱、客舱、燃油、车轮等等——然后你自己把这些组装成一辆汽车。你有很大的灵活性,但是组装和定价是十分令人头疼的问题。
华为及其合作伙伴正在为客户提供类似定制租赁汽车的云产品。华为向堆栈的上层移动,策略与Amazon和Google不同,拥有Office 365的微软则向堆栈更高层移动,但是还没有达到华为及其合作伙伴的高度。
华为的策略是否奏效?如果我们看到企业从Amazon、Google和微软云转向采用来自华为+合作伙伴生态系统的云,那么我们就会知道华为的云联盟是具有吸引力的。未来几年让我们拭目以待。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。