中国北京,2018年1月17日,技术领先的企业级容器云PaaS平台和解决方案提供商时速云宣布完成近亿元B轮融资,目前资金已经全部到账。本轮融资由泰达科技投资领投,原投资方朗玛峰创投、九合创投、众海投资继续跟进。据悉,时速云是国内容器云领域最早完成B轮融资的企业之一。
时速云TenxCloud成立于2014年10月,是新一代容器云计算领域的领军企业,业务涵盖容器云PaaS、微服务治理、DevOps、自动化运维、AIOps等领域。时速云核心团队由来自IBM、VMWare、Oracle、BAT等知名企业的高管和技术专家组成,产品被企业级客户等广泛采用。时速云总部位于中国北京,并设立了上海、广州、武汉等分支机构。
随着容器云市场的深入发展,容器云、PaaS、微服务、Kubernetes、DevOps等迅速火热 。自2015年起,以Docker为代表的容器技术生态主要经历了三大阶段:
时速云的产品主要包括容器云PaaS平台和微服务治理平台。前者是国内首款基于Kuberenetes打造的容器云PaaS平台,涵盖应用管理、交付中心、CI/CD、DevOps、集群管理等功能,帮助客户快速构建云原生应用、支持微服务架构、通过持续集成和持续部署,加速应用迭代。微服务治理平台为微服务框架应用的开发、部署、运行、运维提供支撑能力,提供包括服务注册、API网关(限流、路由策略等)、服务调用链追踪、配置管理、熔断、异常处理等微服务治理能力。
在刚过去的第四季度,时速云实现了千万级的销售业绩。这主要得益于以下两点:
重视产品体验
时速云是全球云原生应用CNCF基金会银牌会员,也是Linux基金会会员。以及开源容器编排技术Kubernetes、容器引擎Docker、分布式存储Ceph等的贡献者。2017年3月,时速云成功加入中国开源云联盟组织以及超融合联盟。 公司拥有多名Kubernetes、Docker等开源技术的源码贡献者,是国内第一家从事Kubernetes研发与应用的公司。时速云基于Kubernetes的PaaS产品在业内拥有良好的口碑效应,团队十分重视用户体验与产品细节。
与行业的深入融合
时速云最早是提供公有云容器服务,在A轮融资完成后,率先推出私有云PaaS产品,并深入金融、能源、运营商等行业,了解客户需求,针对性的给出行业解决方案。由于要实现一套完整的容器云PaaS产品,除了要精通容器技术本身包括Docker、Kubernetes等,还需要熟悉一系列的技术解决方案,包括容器网络、存储、日志监控、安全、微服务等等。其中不是简单的各种技术框架的应用,而是在这些底层系统出现问题的时候,团队能进行源代码级别的分析和解决。而能熟练开发和运维好这样一个平台至少需要几十名研发人员。在企业数字化的转型过程中,时速云PaaS平台针对性的帮助行业客户解决了企业IT面临的困难,赋能企业并创造价值。
时速云主要提高基于Kubernetes的私有云PaaS服务,目前正在积极打造“PaaS+”战略,未来将以PaaS为核心,打造包含微服务、大数据、人工智能、IoT等体系化产品矩阵。时速云将同广大应用服务开发商、SaaS厂商等合作伙伴进行广泛的合作,通过PaaS的快速部署、敏捷运维、弹性扩展的能力,汇聚优质的企业应用,为客户提供更多的价值。
目前时速云的客户主要集中在金融、能源、运营商、制造、教育等领域,标杆客户包括:国家电网、新奥集团、戴姆勒奔驰、链家、慧科集团、铂涛集团等。
本轮融资完成后,时速云将加大研发投入,完善和丰富产品体系,同时扩大市场销售团队,提高销售的区域覆盖能力。未来,时速云将携手广大合作伙伴,为企业数字化转型赋能,并提供优质的PaaS云产品和解决方案。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。