作者:高升科技
我一直有个疑惑,是不是人们以为只要印刷或者在网上发布出来的文字都是真理,也就是“被表达即合理”。就好比在面对传统IT向云迁移这件事上,几乎人人都认为这是必须的,但对于企业为什么要上云的回答都是同一套含混的说辞:按需使用和付费、节约IT硬件和人力支出、灵活应对突发流量……当我们都人云亦云不明觉厉地重复着云厂商的软文时,云对未来的真实意义是什么、怎样用好云、发挥云的真正价值这些问题就被广泛忽略了。
在云的故事里,似乎只有程序猿、CTO、CIO才是主角,CEO是那个只知道掏钱或者抠钱的傻瓜。如同《黑客帝国》,一切皆代码,所以主宰者也必须是代码,一切人类的喜怒哀乐饮食男女皆由不知疲倦的代码来完成。当现实和虚拟还没有完全融合、人们的大脑还没有代码化时,这样的焦点似乎有些错位。
在企业层面,不断的技术更新、信息化、数字化革命,并不是为了得到diao到爆的IT系统,而是为了业务敏捷不受有限的IT能力限制。因为对于企业而言,贫穷限制不了想象力(比如欠着巨款的PPT公司),复杂笨拙的IT系统以及基于复杂笨拙IT系统的沟通协作交易管理决策机制才会拖慢企业腾飞的速度。所以,在云的故事里,那个“只知道掏钱抠钱的傻瓜”CEO才是第一主角,对他/她而言,上云的诱惑在于可以通过无限可能的云IT系统以较低成本释放企业业务的原生生命力。
2012年开始,传统领域就一直面对着以BAT为代表的互联网企业通过云计算、大数据以及“互联网思维”发起的不断进攻。5年里“风口”换了一批又一批,技术的普及和应用确实突飞猛进,地上的互联网还没整明白,就轰轰烈烈迎来了天上各式各样的“云”:公有云、私有云、混合云、专有云、专属云、大云、小云、微云、边缘云、国产云、进口云……一面是物理机吱吱呀呀欲语休,一面是纷纷云影四面来,“半江瑟瑟半江红”。
在上云已经成为“互联网正确”时,云的故事重点就不再是按需、灵活弹性等种种功能优势了。据《RightScale2017年度云计算调查》报告,95%的受访者正在使用云,而其中85%的企业采用了多云策略。新的问题来了:不同供应商所采用的底层架构、用于创建和监控云环境的配置管理工具、配置和维护内部数据中心的工具差别巨大,你可能需要更专业的IT人员花费更多时间来维护。
如果说企业业务敏捷高效是CEO的永恒追求,那么如何将企业从这种更加复杂的IT架构管理中解脱出来,则是多云时代云基础服务企业最重要的课题。
云才兴起,雾霾又生,“雾计算”、“霾计算(智能灰尘)”、边缘计算等不断引发新关注。在5G、SDN、NFV等技术和万物互联前景所带来的“网络重构”新命题下,未来的互联网似乎将面临一场更加深入的变革。云的模式也许会更加丰富,目前可见的比如推动CT向大ICT转型、与边缘计算的结合等等;而未来万物互联时代,云计算、大数据、移动互联网作为基础设施也必然提供重要的支撑。
在DT时代,企业业务发展速度除了取决于信息交流协作、战略决策管理机制以外,还有是否发挥了数据的要素作用。对于传统企业而言,打通数据壁垒建立数据驱动的价值链,恐怕才是上云的核心意义和动力所在。
高升GOSUN以ITOM、ITOA等软件产品为纽带,结合底层的IDC、CDN网络,将PaaS层的云存储、云解析,SaaS层的APM云监测等产品融合为一体化的平台级云基础服务解决方案,能够帮助企业将自有或来自于多供应商的数据中心、公有云、私有云、物理机等进行统一管理,实现底层基础设施、IaaS、PaaS、SaaS和终端之间的快速连接运行,建立可视化的大数据架构。不仅极大简化了企业的IT工作耗费,也为驱动数字化价值链、实现业务高效敏捷提供了基础保障。
高升GOSUN一体化运营管理(ITOM)解决方案
目前,高升GOSUN的ITOM(IT运营管理)、ITOA(IT运营大数据)等产品已经为包括金融、保险等行业在内的众多重量级大客户提供服务。在云计算进入产业深度融合的2018年,高升GOSUN也将继续深入“平台+网络+服务”的模式,开拓更多多云管理和一体化云基础服务的实践案例,帮助更多企业建立数字化的价值链、驱动业务原生生命力的有效释放。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。