企业级全栈云ICT服务商青云QingCloud日前宣布再次入选Gartner《Market Guide for Cloud Infrastructure as a Service, China》报告(以下简称“Gartner MG报告”)。连续两年入选Gartner MG报告,充分展现了QingCloud的产品服务能力、市场表现和持续成长的能力获得国际权威分析机构的认可。自2012年成立以来,QingCloud陆续推出公有云、私有云、混合云和托管云服务,打造“全模云”能力,支撑企业“敏态”、“稳态”和“混合态”业务。在云平台产品线以外,QingCloud还已推出青立方超融合系统、QingStor软件定义存储产品线、容器平台、统一云管理平台、桌面云、云应用管理平台、基础设施与骨干网服务等企业级云模式ICT产品线,实现全栈云ICT服务能力布局,持续发力企业级市场。
Gartner MG报告是全球最具权威的IT研究与顾问咨询公司之一——Gartner针对云计算IaaS市场的指导性报告。该报告在业界具有广泛的影响力,是基础设施及运营主管选择云基础设施厂商时的重要参考。本次共有10家国内云服务商入选报告。
Gartner认为,中国的大型云基础设施提供商都在全面扩张他们的云版图,覆盖客户四类上云诉求,即Cloud-Enabling、Cloud-Inspired、Pure Cloud、Cloud-Enhanced(云实现、云使能、云服务和云加强)。未来的几年间,中国IaaS领域的市场局面可能会面临颠覆,甚至到2020年排名将会出现大的变动。
此外,Gartner认为,行业云逐步兴起。在政府相关的采购项目,以及金融等强监管行业的云项目中,可以看到用户对行业云的热衷。行业云将成为传统行业上云的重要推动力,在满足对云计算的高效、弹性、敏捷及低使用成本需求的同时,兼顾用户对自主可控、行业监管、行业合规及特色应用的需求。
青云QingCloud作为一家技术领先,并拥有全栈云ICT能力的云服务商,继去年首次入选MG报告后,今年再度入选。QingCloud认为,Gartner对于云计算的价值能力定位不仅应该体现在产品交付层面,更应该深入到产品线架构、服务矩阵、行业布局等多个层面。无论是通过6年打造的完善的云模式ICT产品线布局,还是行业云的构建,都是QingCloud技术实力和未来发展的潜力的体现。QingCloud全栈云ICT能力主要体现在:
与此同时,青云QingCloud的业务实践充分印证了Gartner等分析机构对行业云/社区云的发展趋势的预测。作为可靠的云平台合作伙伴,凭借稳定、可靠和完整的云平台能力,尤其是AppCenter应用管理和运营平台,帮助各类企业、政府部门和集团公司实现行业云、社区云、行业应用云和集团云的建设和运营服务能力的打造。一方面,多家IDC、传统IT渠道商借助QingCloud云平台快速具备云服务运营能力,实现业务转型升级;另一方面,QingCloud深入多个行业云建设项目,其中以金融云为全栈行业云的典型代表,而在制造业则通过快速赋能合作伙伴建设和运营行业应用云,推动制造业的云端转型;此外,QingCloud还通过成熟的运营方法论帮助多家大型企业集团构建集团云,完成IT集中统一的服务运营模式改造,实现IT体系从成本中心向利润中心的转型。
青云QingCloud作为拥有全栈云ICT能力的云服务商,以一套技术架构同时支持公有云、私有云、托管云、混合云全维度业务形态。凭借领先的技术实力和中立的运营理念,QingCloud从金融业扎根,延伸到更加广阔的行业领域,为行业数字化转型赋能,将最佳实践落地到能源、交通、零售、医疗、教育、航空、制造等各个行业。未来,QingCloud将通过更多实践进化和更加完整的云服务能力的构建,助力更多行业用户完成业务转型,进入云端的智能时代。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。