在以“预见·数字自由”为主题的青云科技CIC 2021云计算峰会(以下简称“CIC 2021”)上,青云科技发布高性能计算服务EHPC集群、云端业务连续性服务,并重构控制台,升级主机创建流程,推出全新一代e3主机及裸金属服务器;新发布大数据工作台、TiDB数据库、音视频服务、云市场等等。
青云科技平台&服务高级总监陈海泉告诉记者,云平台对用户来说最重要的需求包括三个方面:使用体验是否便捷、流畅?能否始终稳定运行?功能是否丰富,能满足用户所有的需求?QingCloud云平台升级换新,以“更便捷、更稳定、更丰富”为导向做出多项升级。
更便捷:优化体验的控制台
QingCloud新版本管理控制台新增工作台,对常用信息做出分类显示,同时重构了功能组织框架,以平台化、服务化、业务化为导向,全面优化操作体验,为用户提供更加专业且沉浸的使用流程,以及强大且灵活的服务保障,最大程度降低用户使用门槛,从而释放生产力专注于构造云端业务。
另外,QingCloud新版本管理控制台对云服务器创建界面做了重新设计,减少使用中的跳转步骤,能够在一个页面完成新建云服务器的所有操作,让用户的操作更流畅。
陈海泉说,云平台越来越强大,产品越来越丰富,但操作应该越来越简单;云服务需要越来越专业,同时也需要更加贴心关注每个细节体验。
更稳定:灾备方案确保业务连续性
为应对大规模故障的潜在风险、保障业务连续性,QingCloud管理控制台还推出了完整的灾备方案,帮助用户在可用区整体故障时建立完整的应对策略。
QingCloud业务连续性管理平台是计算机容灾技术的升华概念。致力于缩短或者消除业务资源宕机时间,保证用户业务资源的持续可用性。包含三个领域:业务状态数据的备份和复制、业务处理能力的冗余和切换、外部接口冗余和切换。
在方案使用过程中,用户在创建灾备组、定义灾备策略之后,数据即可自动同步到灾备中心;用户还可以随时发起灾难演练,以验证灾备切换的效果;当灾难发生时,方案能够自动在备用中心恢复业务;在灾难结束后,方案则发起反相同步,让业务在原可用区恢复。
完整的业务连续性方案包含同城多活、同城基于定时备份的灾备、同城基于云盘跨可用区副本的灾备、以及异地基于存储异步复制的灾备4个使用场景,这些场景可以覆盖到QingCloud管理控制台多种部署方式,按不同的RTO需求实现灾备。
陈海泉表示,一般云厂商的灾备服务是第三方提供,而QingCloud的灾备方案是自主研发,与青云的产品集成度更高,实现无缝的整合。
更丰富:e3、EHPC、大数据工作台、云市场等
作为业界首批搭载第三代英特尔至强处理器(代号:Ice Lake)的新一代企业级云服务器e3在计算性能、网络和存储能力方面均有大幅提升,可广泛应用于对计算与网络有着更高性能要求的Web服务器、高性能数据库以及各类企业级计算密集型应用开发测试等场景。
与e3同硬件平台的裸金属服务器,除了具备更强劲的性能,还通过使用DPU芯片实现了更灵活的功能,实现秒级硬件故障恢复;还在存储方面使用增强型云盘,采用了RDMA技术,实现弹性扩容、定时备份和恢复;在网络方面实现挂载弹性公网IP和安全组,达到与虚拟机同等的使用体验。
陈海泉表示,随着用户对于性能需求有更高的要求,原来需要CPU参与的管理功能比如网络和存储需要交给DPU,这样就可以让CPU的性能发挥到最大,减少对CPU的资源占用,实现业务的稳定高效。“借助DPU,用户在性能和成本方面的好处是显而易见的,未来DPU会成为云主机的主流。”
为更好服务于科研、超算等用户场景,青云联合国家超级计算济南中心合作研发的弹性高性能计算服务——EHPC,也即将在QingCloud公有云平台开放。
陈海泉特别指出,EHPC利用虚拟化技术对不同租户的超算业务做了隔离,大幅提高了数据安全性,实现了集群管理、作业管理、全流程可视化分析等功能,让海量计算资源获取、业务使用流程更便捷。
EHPC针对不同的应用场景提供不同的业务应用软件,覆盖分子生物学、材料学、大气海洋环境、天体地球物理等多个学科领域,使用户能够快速使用云上高性能计算。
针对实时计算场景,QingCloud云平台新增大数据工作台。大数据工作台旨在连接各种数据源与中间件,打通彼此之间数据层面的联系,同时利用云平台的对象存储、数仓、API网关提供数据服务,为IoT终端实时数据、用户日志分析、实时运营数据、风控数据等场景提供了一站式解决方案。
此外,QingCloud 管理控制台还即将上线多项新服务功能,如 QingCloud联合安全厂商合作开发的公有云安全服务——云防火墙、面向私有云场景的安全资源池产品,以及即将在公有云推出TiDB服务、上线公有云一站式音视频服务等等。
为实现用户更便捷获取多样化应用,QingCloud应用中心升级为“云市场”,在基础软件、开发者工具、网站建设、企业应用、安全、大数据服务、人工智能、物联网、行业应用、专业服务等多个领域都提供了更丰富的应用和服务,真正做到一站式企业服务。
“我们会继续提高用户体验,让产品使用更便捷;持续提高产品性能,明确各项指标,让产品能够始终保持稳定运行,用起来更放心;同时还会更开放,提供丰富的产品和服务,满足新的需求。”陈海泉最后说。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。