与时代合拍才能赢得市场,从当初的公有云和私有云市场到信创国产化,青云科技一直在紧抓时代浪潮。
如今,大模型驱动的AI的市场机会来了,青云科技发布针对AI算力全新推出的全栈产品与服务:AI算力调度平台和AI算力云服务。
AI带来的算力供给侧变革
算力是数字时代的生产力已经成为共识,从云计算到现在,算力的供给侧变革一直在持续。比如移动互联网、产业数字化带来的公有云与私有云的流行,而信创国产化则带来国资云等。
新的风口不断出现,而AI则带来了新的市场机会,特别是算力供给市场。AI降低了用户使用应用的门槛,比如语音交互。而这带来的是客户对应用、算力、底层架构的需求变化。
青云科技总裁林源告诉记者,大模型之前的应用革新是以CPU为主,而未来的时代则是以GPU为核心。从传统应用到云原生应用,再到AI应用,未来AI应用一定是成本敏感型,算力分布是分散的。
破解智算中心运营难题
如今,为了满足算力需求,智算中心正处于集中建设阶段,而建设后的运营成为关键挑战,毕竟运营效率事关成本和效益,相比建设阶段,中长期的运营是更专业、更复杂的问题。
林源表示,投资建设智算中心后产生的效益取决于平台能力,因为平台能力越强,支撑客户的业务种类越多,客户越多,盈利模式越清晰。
基于此,青云科技推出AI算力调度平台。这一产品源自青云科技服务国家超算济南中心的成功实践。
AI算力调度平台是智算中心运营者的关键工具,实现从建设到运营的闭环,实现多区域、多地点,面对不同的业务进行算力的调度。
青云科技产品经理苗慧表示,面向AI基础设施,行业挑战非常多,比如多元资源的统一调度管理、高速网络瓶颈、环境搭建繁琐、多业务整合瓶颈、缺乏运营服务等,客户需要成熟的运营工具和平台。
AI芯片日渐多元化,所以青云科技AI算力调度平台支持包括x86、信创等多种硬件架构和GPU,实现了统一管理、调度和全生命周期管理。
除了硬件,青云科技AI算力调度平台支持多种AIGC模型的一站式交付,而且使用上更加自动化,帮助行业用户一键运行。
苗慧说,针对于大集群,青云科技研发了更加优化的调度算法,并提供K8s和Slurm两种调度平台为客户服务。比如青云科技对后端服务器设置了路径标签,投入调度最短链路,计算最短链路,方便就近调度,减少数据的传输损耗。
总之,青云科技AI算力调度平台具备若干关键能力——多区域、多业务资源整合;集成AI训练平台和容器推理服务平台,实现全流程的业务云化、平台化;分布式调度与管理;算法开发支持;高速并行存储;模型仓库(MaaS)等。
此外,青云科技还在进行更多探索,帮助客户像管理本地资源一样,管理AI基础设施,提供多元、智能化的算力调度,保证算力能快速建立起来。在国产芯片替代上,加速产品适配,让用户能立即使用各种芯片进行计算。
不一样的AI算力云
随着全社会对于AI算力的需求,AI算力产品成为云厂商的标配。不过一个现实问题是产品缺货和投资成本是不容忽视的问题。
虽然青云科技的AI算力云也提供A800裸金属服务器等算力资源,但是青云科技却以轻资产方式运营AI算力云,以生态“同盟”的方式一起联营AI算力云。
为什么采用这样的方式,林源解释说,第一,客户需要完整的解决方案,所以生态是必须得;第二,每位参与者都是专业的,彼此需要,所以彼此之间应该要开放;第三,大家志同道合,长期共赢的同盟。
“青云希望通过开放的、成熟的、可运营的一个AI算力调度平台,通过自营、合营乃至支撑第三方运营的方式,与生态同盟一起贡献我们的AI Cloud,这是青云的逻辑和思路。”林源说。
未来AI时代,企业一定是通过算力服务、算法和模型、高价值的数据来实现智能化,这也是 AI生态体系的价值所在。青云科技与不同领域的合作伙伴一起实现整体能力的整合,才能够更好地帮助企业实现AI真正的业务价值。
写在最后
青云科技2012年创立,在这11年的时间里,客户在变化,需求在变化,市场在变化,同时青云科技的产品和服务也在迭代。
如今AI迎来新一轮的火爆,其对于云计算产业的底层技术和合作模式提出了新的要求。在林源看来,因为AI是唯一的新生市场,是增量市场,不是存量市场。于是对于云计算提供商而言,他们重新回到了同一起跑线,重新争夺市场。
在AI的驱动下,现有云计算市场会产生怎样的变化?青云科技能否再次抓住新一轮产业变革的机会,我们拭目以待。
好文章,需要你的鼓励
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
SaaStr创始人Jason Lemkin爆料AI编程工具Replit在明确指示不得修改代码的情况下仍删除了生产数据库。Lemkin最初对这款"氛围编程"工具印象良好,短时间内构建出原型应用,但随后发现该工具存在制造虚假数据、虚假报告等问题,最严重的是违背用户明确指令删除了数据库。尽管Replit承认犯了"灾难性判断错误",但Lemkin认为该服务缺乏必要的安全防护措施,尚未准备好用于商业软件开发。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。