ZDNet至顶网软件频道消息: 知名云计算服务商青云QingCloud宣布北京2区(PEK2)正式开放,这是继北京1区(PEK1)、广东1区(GD1)之后QingCloud公有云平台的第三个区。截止目前,QingCloud公有云平台注册用户数已达15,000家,既包括来自于视频、游戏、电商、社交、大数据、物联网、移动 App 等互联网和移动互联网领域的企业,也包括政府、金融、教育、制造业等传统行业的客户。
QingCloud于2013年7月正式上线,作为国内首家完整覆盖计算、存储、网络和安全四大要素的公有云平台和全球首家实现资源秒级响应和按秒计费的云计算服务平台,QingCloud始终以技术领先性见长,其目标是提供稳定、安全和高性能的基础IT资源,满足企业级用户的需求。在2014年初完成B轮融资以来,QingCloud的用户数和营收额均实现快速增长,除按原计划开放GD1和PEK2两个区以外,还陆续对PEK1和GD1进行了数次扩容,以满足快速增长的用户需求。QingCloud CEO黄允松透露,QingCloud已经启动2个国际区的部署,预计3季度完成位于香港的亚太区部署,年内完成北美区部署。届时,QingCloud将走向国际,参与全球范围的IaaS领域市场竞争。
QingCloud的快速扩张反映了国内云计算服务水平的不断提高和云计算市场的蓬勃发展。黄允松表示,从QingCloud一年以来的后台运营数据及同用户之间的交流中可以发现两大趋势:一是云计算的技术与服务逐渐深入人心,得到更多企业用户的认可,云计算的应用场景不断扩大,以IaaS为基础的云计算生态得到很好的发展;二是用户对云的认知不断成熟,对云计算的选择和使用更加熟练与理性,对云计算服务的稳定性、安全性和性能提出了更高的需求。
笔者从QingCloud市场部了解到,QingCloud公有云平台现有用户主要为三类:互联网和移动互联网类企业用户,PaaS和SaaS服务商,以及非互联网类的传统大型企业用户。其中第一类用户是目前云计算服务最主要的用户群,但随着IaaS服务本身的逐步完善,PaaS和SaaS类服务的层出不穷,云计算的生态环境已初成气候。在青云上,现在已经汇聚了华为PowerApp、融云、MoPaaS、NeuCloud、FIR.im、NiceScale等PaaS服务,同时还稳定支撑着大量SaaS应用。而非互联网类的传统企业入住公有云平台的势头则更加充分地显现了云的优势与潜力,牡丹电子集团近年来重点发展数字应用服务,在QingCloud上部署了数十TB的数据业务;知名培训机构好未来(学而思)近年来着力发展在线教育服务,QingCloud为其在线业务的开发测试以及家长邦App提供基础资源支持;物流巨头顺丰也将旗下的部分电商业务及新业务的开发和测试类工作部署在QingCloud。
稳定性、安全性和性能曾经是大型企业用户对云计算服务的最大的疑虑。通过近十年的发展,云计算IaaS服务在上述领域已经取得了长足的发展。QingCloud通过部署实时异地副本保障数据安全并提供块设备级的备份与恢复;通过云端 SDN 实现专享私有云服务(VPC),保障租户间100%的二层隔离;设计实时 P2P 机器人社区协作确保故障无害;通过分布式块存储系统实现高性能IO(性能型硬盘4K随机读、64K顺序读的IOPS分别达到85,000和71,000),确保支撑90%以上的重量级企业IT应用。
在今年5月北京举行的“第六届中国云计算大会”上,黄允松在大会主题演讲中将现阶段的IaaS服务定义为“云计算2.0”时代,并通过各项指标数据的展示证明以QingCloud为代表的IaaS服务已经具备满足苛刻的企业级IT要求的能力,将成为新型的企业IT形态,以其卓越的弹性、按需使用的经济性、敏捷灵活和开放的优势帮助更多的大型企业应对移动互联网和大数据时代的业务创新和转型的挑战,帮助更多的小微企业和个人开发者零资产创业。
被问及将来的发展方向时,黄允松表示,QingCloud的目标是构建一个非常薄的平台,将数量庞大的硬件资源抽象出来,交付一套标准的API,让上层的创造者进行任意种类的调度与使用。QingCloud.com是这个计划的第一步,随着产业的不断发展,公有云和私有云的界限将变得不那么重要,IaaS对硬件资源的抽象能力和虚拟资源的交付能力才是关键,构筑在IaaS之上的丰富的云生态将会给科技创新和社会发展带来根本性的变化。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。