10月26日,以“万象智算”为主题的2022全球分布式云大会在上海站成功举办。大会集结了分布式云计算及细分领域的领袖企业和专家大咖,共同助推云计算向智能计算升级,促进数网协同、数云协同、云边协同、绿色智能的多层次算力设施体系建设。
九州云高级技术总监黄舒泉受邀出席论坛发表题为《5G MEC边缘计算发展的现状、挑战和未来》的精彩演讲,并在圆桌环节与多位技术大咖、嘉宾一起围绕边缘侧应用部署的全新探索和未来展望展开讨论和交流。
黄舒泉从三大边缘交付模式分析出发,深度剖析边缘网关、5G MEC边缘云和CDN云边缘的优势和挑战,并通过对比三种模式的能力和场景,提出了三种模式各自的问题和解决方案,每一种边缘计算的模式都适用于不同的场景,因此在选择边缘计算时,要将应用场景、计算的位置以及侧重点结合进行选择。同时分析了5G MEC边缘云和CDN云边缘国内外发展趋势和两者之间相互渗透发展的博弈,指出CDN云边缘和5G MEC边缘云厂商之间的攻守格局,有相互延伸、交错竞争的趋势。发展的核心在于运营商“5G带边(MEC)”抓手的拒守和自身拓展,和互联网厂商 “5G入边(CDN)”的渴求。
黄舒泉认为,对于边缘云的应用,国外厂商提供的体验与国内如阿里云或运营商等不太相同:国外只提供一些实例,没有提供非常丰富的界面,因为国外IT动手能力较强,可以提供丰富的SDK进行访问;而国内提供的更多是图形化操作,而在操作和功能上会更加受限,若要更丰富的操作,仍需要所有生态一同努力,开放更多接口来满足国内日益丰富的应用开发。此外,像国外的公有云厂商已开始通过开发自己的应用切入5G MEC的边缘,如亚马逊宣布以预览版的形式推出“AWS Private 5G”,国内虽也有相关研究,但相比之下,国外公有云进行得更为激进。
最后,黄舒泉阐述了5G MEC边缘云产业链合围和行业融合,并以OpenV2X开源项目为例分享了九州云在车路协同领域的探索和创新。黄舒泉介绍道,在5G终端模组不断成熟、不断降价的情况下,无人驾驶已逐步走向落地。九州云同运营商一起积极探索5G MEC在无人驾驶行业的融合,并发起OpenV2X开源项目,希望通过OpenV2X开源项目为车路协同技术的发展带来更多可能,加速推进车路协同的落地。
目前OpenV2X开源项目更多关注路侧数据的整合,项目范围涵盖路侧数据的数据融合,路侧数据的识别和预警算法,RSU发送的结构化数据处理,路侧摄像头、雷达设备的原始信息处理,5G MEC模式下的云边协同等,实现路侧边缘云的车路协同应用。
随着边缘云能力得到普遍认可,越来越多的应用开始在边缘部署,从基本加速、安全,到算网融合、视频云、边缘云未来也将在深度数字化进程中发挥更加重要的作用。作为中国最早一批从事“开放云边基础架构技术开发和服务”的专业公司,九州云早在2017年就开始在边缘计算领域展开相关布局,建立了完整的“云+边”生态体系和解决方案。未来,九州云将依托自身开放的技术体系、深厚的技术实力以及成熟的解决方案,一如既往地与生态合作伙伴紧密合作,积极推动边缘技术的发展,加速5G MEC在行业的落地,为行业算力水平持续、显著提升贡献力量。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。