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
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。