ZDNet至顶网软件频道消息:上周,青云QingCloud下调公有云平台广东1区和北京2区部分资源价格,最高降幅达25%,同时还推出大额充值优惠政策。考虑到IaaS市场如火如荼的价格战,QingCloud此举不免有参战之嫌,然而,青云副总裁钟宏表示,QingCloud对价格战不感冒,不会采用价格战手段进行市场渗透。那么,这个不依赖低价竞争的云计算初创公司是为何降价的呢?答案很简单,那就是QingCloud业务规模的扩张带来的运营成本下降,QingCloud顺水推舟,把自身的成本优势转变为用户的价格福利。
对于市场和用户来说,价格战都是有好处的,它可以帮助市场迅速成长起来,也可以大大降低用户的使用成本。然而,在选择云时,只通过价格高低去评判是远远不够的,钟宏指出,”价格只是企业选择云的一个要素,但不是决定性因素。企业需要在云上进行测试和评估。”云的评估是一个多层次的问题,需要对供应商的产品性能、技术堆栈、服务级别协议与可靠性、开放API、生态系统、安全性和法规遵从等一系列因素进行全面考虑。
谈到如何界定合理定价时,钟宏表示,“首先,我们不能亏钱卖,因为QingCloud需要从IDC买资源,这部分是硬成本,同时还需要安装软件,进行大量的开发,这些成本都是无法忽略的。然而,随着规模不断扩大,基础设施单位成本逐步下降,QingCloud有望在保持技术和产品性能领先的同时具备最大的价格优势。”
随着云市场和用户的逐渐成熟,IaaS服务价格的下降是必然趋势。然而,考虑到当下国内云服务市场的成熟度,还远未达到价格战时代,现阶段的竞争更多地体现在技术层面。
初创伊始,QingCloud便以满足苛刻的企业级IT需求为目标,着力进行技术创新。QingCloud是全球唯一的资源秒级响应、按秒计费的基础云服务商,技术优势包括:通过分布式块存储系统实现超高性能IO、支持多种VPN和隧道协议通过简单配置搭建混合云、块设备级的在线备份与恢复、实时P2P机器人社区协作确保故障无害等。
企业都针对公有云提供商建立了各种各样的用例,但是并不打算放弃自己现有的基础架构。基于这样的现实,现在的游戏就是发展合作伙伴关系,并且成为数据中心生态系统之中的一员。QingCloud支持多种VPN和隧道协议,帮助企业设计及实现混合云,便捷地将现有IT环境同云端资源协调成一个整体的IT环境。
我们知道,IaaS服务的运维水平直接影响到服务质量和客户体验,运维的人工投入也是运营成本的重要构成。“0干预”的自动运维已成为QingCloud在服务品质保障和成本控制方面的法宝。
自2013年7月正式上线以来,QingCloud注册用户数将近16000家,活跃用户有2000多家。在QingCloud的用户中互联网企业用户占了很大比例。QingCloud提供的是一种普适的云服务,没有具体的行业云。钟宏指出,“QingCloud未来不会选择偏向某个行业,因为我们在各个行业中都有发展,面向的是所有需求云计算的企业。但是QingCloud会针对不同行业,提供相应的解决方案。”
QingCloud锁定的是IaaS服务。在QingCloud看来,只有把底层的IaaS层面做得非常开放,SaaS和PaaS服务才能迎来更好的发展。至于未来是否会涉及SaaS和PaaS服务,QingCloud还不确定,但即使涉及PaaS领域,QingCloud也只会做纯技术的工作,也就是底层的技术层面支撑。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。