9月22日,以“再建一朵云,视界全连接”为主题的2017科达视讯混合云媒体发布会在北京召开。三十余位来自云计算、通信等领域的权威媒体和专家,共同见证这朵“视讯混合云”首次发布过程。
发布会一开始,科达品牌总监刘志强先生致辞。他对到场的各位嘉宾表示了热烈欢迎并简要介绍了科达发展历程。他表示,科达从1995年一家单纯的通信设备厂商,成长为如今专业的视讯与安防产品及解决方案提供商,背后正是对客户需求深入准确的把握和创新技术的匹配。当下,混合云已经成为企业IT战略的必备选项,借此契机,科达将推动混合云在视讯行业的深入应用和全面落地,加快用户全面上云步伐。
科达品牌总监刘志强先生致辞
随后,科达视讯产品线副总经理吴英男先生介绍了科达与云的成功经验。2011年,科达建立了国内第一家从事公有云租赁的视讯品牌——摩云,七年来的积累了大量在线用户,同时积累了雄厚的运营技术和经验。这样的技术实力使得科达有能力也有信心成为国内第一家发布视讯混合云的厂商。
科达视讯产品线副总经理吴英男先生介绍科达与云
接下来,由科达视讯产品线产品总监李扬先生全面阐述此次发布会的主角——科达视讯混合云。
科达视讯产品线产品总监李扬先生发布科达视讯混合云
今年以来,云计算市场掀起了一场混合云风暴,一贯坚持公有云战略的云计算巨头亚马逊宣布与VMware合作开拓混合云市场,另一巨头微软则发布了Azure Stack,加速推进其混合云战略,而其他云计算供应商也纷纷跟进。
视频通讯业务同样存在大量的混合云市场机会,作为同时提供视讯私有云技术、公有云服务的科达,针对中国用户需求,现正式发布科达视讯混合云。
想打造这朵可信赖的、无缝融合的“视讯混合云”,首先我们要了解它。李扬先生用“通过公私网混合,打通视讯私有云和视讯公有云”这样一句话来定义“视讯混合云”,这也是混合云领域普遍观点。同时他提到“视讯混合云”的另一个定义:软硬混合。在用户数据中心可部署云管理控制软件,并部署软件媒体处理资源处理常规视频业务,部署硬件媒体处理资源处理H.265/4K等强媒体业务。
混合云既兼顾了私有云的安全性,又兼顾了公有云部署上的灵活性,达到了经济、安全的目的。在部署应用时,用户无需购买大量硬件设备,可快速部署,降低成本。同时,公有云平台提供统一的用户体验,统一门户,统一管理、统一服务、统一体验,满足用户功能最大化的同时实现运维管理的最简化。
“视讯混合云”以会议为中心,从公/私网呼叫、即时通信、B2B互联、集成API、安全及容灾备份六个维度全面提升用户体验,其中,安全问题用户最为关心。
李扬先生介绍到,在技术层面,科达视讯混合云从云租户安全、会议信息安全、用户/设备入网认证、H.460防火墙穿越、AES/DES视频流加密多个方面采取了安全措施。
谈及云,容灾备份必然要提及。当私有云平台设备出现故障时,科达视讯公有云平台能够接管会议服务,可靠迁移会议数据。
就视讯混合云的应用情况,李扬先生向大家介绍了两种典型应用场景。
一、企业大规模的混合云部署。当用户需要确保重要会议信息、码流完全控制在内网,同时又要在互联网上部署较多的终端或移动应用,且内外经常需要互通时,视讯混合云无疑是最好的选择。如保险公司等企业。
二、B2B互联。当今时代,用户的沟通需求早已超出本企业、本单位,但到目前为止,企业视频会议网络之间的互通实现较难。视讯混合云是解决这个问题最可靠、最安全、最便捷的方案。以某一服装企业为例,科达视讯混合云可以便捷实现与上下游供应商、渠道商之间的协作沟通。
此外,科达视讯混合云能够提供私有云会议通过公有云直播的功能。对政策宣讲、业务培训等重要会议内容可进行直播、录播,支持用户通过PC、手机等多种终端形式自主选择实时观看会议直播画面,预约观看重播,不错过会议的任何一个重要瞬间。
听完李扬先生的介绍,科达合作伙伴中国电信视频中心副总经理张超峰先生分享了他与科达视讯混合云的“不解之缘”。演讲中,他对科达产品及服务给予认可,期待未来能够与科达在视频云服务领域展开更多维度的深度合作。
中国电信视频中心副总经理张超峰先生分享合作经验
发布会的最后,各媒体就混合云的客户价值、未来发展方向等问题进行了提问。
2017年,混合云巨大的市场潜力开始逐渐释放,科达视讯混合云选择在此时发布,充分显示了科达在布局视讯云领域的能力和远见,结合科达一贯以用户价值为中心的产品开发理念,使市场对科达在视讯混合云充满期待。
对于视讯混合云,科达与用户一起整装出发。
此外,为了更好的让用户和在场嘉宾真实感受云视讯带来的高效便捷的沟通体验,科达还同步发布了一款协作系列多功能网呈,并现场进行了操作演示。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。