日前,企业级云服务商青云QingCloud宣布通过三项可信云认证,分别为混合云解决方案-私有云部分、云计算超融合架构和对象存储服务。此前,QingCloud已经通过云主机服务的可信云认证,并获得可信云“网络类SDN技术创新奖”。凭借卓越的技术理念、安全稳定的技术架构和优质的服务能力,QingCloud再次通过可信云严格的认证流程,代表中立权威的第三方机构对QingCloud的认可和期待。
可信云服务认证是由100多家会员单位组成的数据中心联盟组织,及中国信息通信研究院(工信部电信研究院)测试评估的面向云计算服务的评估认证,拥有领先的评估方法,从16+2个维度,严格测试评审。参与评审的企业,必须历过200余项资料审查、40余项运维能力审查、20项技术测评、以及现场答辩,得到数十位国内一流专家一致认可,才能通过最终评审通过。通过评审企业的云服务项目将列入工信部监控并加入监测清单,只有监测数据达标,才能通过年检。
可信云认证的核心目标是建立云服务的评估体系,让用户得以选择可信、安全的云服务,并由此促进中国云计算市场的健康发展。通过这三项认证表明了青云QingCloud在混合云、超融合、对象存储领域能够满足企业用户对云计算的需求,并且符合可信云对其解决方案质量、服务指标的完备性和规范性等内容的要求。
青云QingCloud的公有云和私有云采用一致的云平台技术架构,为用户提供融合度极高的混合云解决方案,帮助有私有部署需求的客户快速构建混合部署架构。QingCloud混合云支持和QingCloud私有云、托管云、第三方私有云、公有云等多种混合云部署模式,整合了QingCloud优质服务伙伴的网络资源,构建混合云网络的高速专线/裸纤对接。QingCloud混合云不仅满足了企业数据合规性的要求,对于企业构建云端或者本地灾备系统,都有着极大的帮助。通过可信云认证,证明QingCloud混合云解决方案在基本功能、运维系统功能、可靠性、可管理性、业务迁移性、计量准确性、网络接入性能等解决方案质量,以及产品周期、运维服务、权益保障等服务指标的完备性和规范性方面均达到《可信云·混合云解决方案评估方法第2部分:面向私有云服务商》的相关要求。
青云QingCloud的云平台交付除了软件交付,还有超融合一体化交付。QingCloud超融合一体机遵循开放架构标准,充分发挥QingCloud在硬件自动化、分布式存储和软件定义网络等技术上的领先优势,结合软件机器人社区自动运维、软件机器人任务智能调度,助力企业云平台快速上线,上线周期可从数月缩减到数天,同时支持灵活扩展, 大幅提升运营效率, 降低运维成本。此次,QingCloud通过可信云认证的超融合一体机包括青立方超融合企业版和易捷版,它们在企业基本信息、业务基本信息,单集群最大节点规模、单节点融合计算和存储能力、自动化快速部署能力、交付方式、虚拟化平台支撑能力、迁移能力、虚拟机最大vBPU能力、虚拟机最大内存能力等共34项指标,均满足云计算超融合架构可信评估要求。
青云QingCloud在2016年9月13日正式商用QingStor对象存储,完美地解决了非结构化数据的海量存储问题。QingStor对象存储是一款可以兼顾公有云需求和私有云需求的企业级存储解决方案,具有企业级的高可靠及高可用等特性,可支撑丰富的业务应用和大数据分析系统。此次通过可信云服务认证,QingStor对象存储服务在数据存储的持久性、数据可销毁性、数据可迁移性、数据私密性、数据知情权、服务可审查性、服务功能、服务可用性、服务资源调配能力、故障恢复能力、网络接入性能、服务计量准确性、服务变更、终止条款、服务赔偿条款、用户约束条款、服务商免责条款16项指标均达到要求。
青云QingCloud始终将目光锁定在企业级市场,帮助企业实现平稳上云。除了公有云多年积累的优势之外,QingCloud还在不断加大私有云市场的投入,发布多款重量级产品,提供全模云架构满足企业对敏态、稳态及混合态的IT需求,服务于金融、零售、政府、能源、医疗、教育等行业。未来,QingCloud将在技术和服务层面不断拓展,以持续推动企业级云计算市场的健康发展。
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。