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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。