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
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。