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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。