11月17日,由中国信息通信研究院(信通院)指导,云计算开源产业联盟(OSCAR)主办的“中国混合云标杆案例暨寻找2017中国混合云十大用户”评选结果揭晓。其中,ZStack获奖案例最多,包括东方明珠新媒体股份有限公司的“东方明珠混合云”、拉扎斯网络科技(上海)有限公司的“饿了么混合云”、北京农信互联科技有限公司的“农信互联混合云”。
2017年是混合云业务爆发的一年。据信通院调查统计,2016年我国企业采用混合云比例为11.8%。RightScale调查报告显示,采用混合云的企业较2015年上升了9%。据IDC预测,未来混合云将占据整个云市场份额的67%。种种迹象表明,混合云正被越来越多的企业所采纳,甚至对于大多数企业而言,混合云似乎成为最优的云战略。
信通院作为工业和信息化部直属科研事业单位,致力于为云计算、大数据、互联网行业等行业发展的重大战略、规划、政策、标准和测试认证等提供支撑。尤其是作为云计算行业可信云认证的主管单位,面对混合云市场的爆发,信通院适时启动了此次“中国混合云标杆案例暨寻找2017中国混合云十大用户”活动,有力推进了中国云计算产业的蓬勃发展。
此次活动由OSCAR主办,IT168承办。活动自9月22号启动以来,汇聚了众多用户案例。主办方本着“公平、公正、公开”的原则,以专区形式展示混合云行业重点案例,并以专家评选、行业用户和云计算产业人员共同参与投票的方式,最终评选出了“2017年度混合云10大用户及案例”。“东方明珠”以总票数10981票的成绩位居“2017年度混合云10大用户”榜首。
作为此次获奖案例最多的云服务商,ZStack致力于产品化的创新开源云计算服务,早在2017年初就在业内率先提出“无缝混合云”、“混合云连接一切IT”的创新理念。这一理念不仅贯穿在其参与的全年阿里云栖大会的所有分站活动,而且在8月份重磅召开混合云产品发布会,宣布与阿里云战略融合。值得一提的是,在云栖大会杭州站“寻找混合云生态·闪亮之星”的活动中,业内30多家云计算服务商不约而同地表达了对混合云发展趋势的认同,以及对与ZStack“无缝混合云”合作的信心和愿景。
此次“中国混合云标杆案例暨寻找2017中国混合云十大用户”活动中,ZStack联合业内伙伴共同服务的“东方明珠”、“农信互联”、“饿了么”三大用户案例经过专家审议、大众投票,分别以第一、四、七的傲人成绩荣获“2017年度混合云10大用户”的荣誉,无论获奖数量还是质量,ZStack都当仁不让。
东方明珠、农信互联、饿了么,都是业务发展极快、实力很强的综合型公司,对稳定性、扩展性、维护性等方面的要求极高,在云计算这种新技术方案的选择上他们的要求非常严格。其中:
东方明珠借助ZStack可与任何公有云混合、亲和性好、灵活性大等特性,搭建了3种公有云(亚马逊AWS/微软Azure/腾讯)和自建私有云(ZStack/Vmware)的混合云平台,承载了其直播类服务、媒资处理类服务、关键数据和内容的分发与归档等业务。
农信互联,借助“阿里云+ZStack”的混合云平台,独自探索出一条符合传统农业的“互联网+”之路。通过混合云的灾备,实现了数据的异地容灾和灾难恢复,保证了在自有机房出现意外的情况下,业务的连续性。
饿了么混合云平台,利用ZStack一键部署、全异步无锁架构、无状态服务、开源全API化等特点,快速建立自动化、标准化运维体系。同时根据订餐行业高峰时段明显的特点,采取“阿里云+ZStack”的混合云模式,使得业务在私有云和公有云ECS之间灵活切换,帮助其在高峰期快速部署服务器资源。
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。