OpenStack基金会的一项调查显示,主流非IT行业的用户数量增长,其中金融服务业是增长最快的行业之一。
澳大利亚联邦银行(Commonwealth Bank of Australia ,CBA)的分析和信息系统工程领导Quinton Anderson详细介绍了他在该银行的经历,开始是在某些基础的容器环境中使用OpenStack,然后逐层增加开放源代码技术。
CBA从四、五年前就开始推动OpenStack,Anderson星期一在OpenStack悉尼峰会上透露,该银行正计划在其公共云环境中采用OpenStack。
Anderson表示:“我们一开始以OpenStack为基础……随着时间的推移,我们在我们的公共云环境中使用了相同的方法,因为我们有非常多的混合云策略。
从技术角度来看,CBA主要以集群方式运行,但也有一些相当传统的数据仓库技术。Anderson表示,当这家银行开始OpenStack之旅时,它完全基于其数据中心中的物理服务器。
他解释说:“这种做法一开始是有效的,但是,正如你所能想象的那样,它存在着固有的局限,我们必须努力解决这一问题。” 他表示,“所以我们开始了一段旅程,试图找到如何让这些技术适应云计算的方法,从而大大加快我们业务的实验过程,而且成本更加低廉,也更具确定性。”
CBA首先将目光转向OpenStack,试图找到如何使新技术来实现其“增进人们、社区和企业的财务福利”愿景的方法。但是Anderson表示,银行需要一种方法来加快实验过程,同时降低成本。
他表示,“我们刚开始采用的技术堆栈并不非常独特,这相当典型。我们已经将OpenStack放在了底层,我们为它运行了Ironic。用例刚开始就使用Ironic的原因是为了大数据处理。”
“除此之外,我们运行了Ubuntu,我们使用Docker作为容器,Calico用于容器网络,先是使用Vault,然后升级使用Mesos和Marathon进行资源编排——实际上是一个PaaS API——除此之外,我们还运行着我们的大数据应用程序和我们的终端应用。”
Anderson表示这是一个典型的堆栈,因为它本质上是一个云端的容器集群。从此开始,CBA在它的整体堆栈中组合了大量的开源项目。
他补充表示:“我们觉得我们所做的一切的独特之处在于我们专注于堆栈所有层面的连续交付。我们还专注于通过编码进行版本管理,并且在堆栈的所有层面都保持不变性。”
“有了这些基础,我们已经整合了相当数量的开源项目,以获得我们的一些成果。”
“在一些基本的容器环境中,从OpenStack开始,这是一段非常有趣的旅程,并且使用一个强大的方法,首先完善基础,然后组合其余的这些开源技术。”
OpenStack除了在金融服务行业出现显著增长外,该《用户调查报告》还强调政府用户以及电信和研究部门正在越来越多的踏上了OpenStack之路。
该报告[PDF]汇总了从2017年6月1日至2017年8月21日的将近600次部署记录和1,052次调查。
此外,OpenStack表示,2017年有近1000次独立的OpenStack部署登录,同比增长了95%。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。