ZD至顶网软件频道消息: 近日,中国联通首个完全服务化、分布式,全面采用互联网云化企业架构的cBSS2.0集中号卡系统完成了在广西、内蒙古、黑龙江三省的快速上线。这是中国电信行业第一个核心业务系统云化改造的重点工程,也是云计算分布式技术在电信核心系统的首次大规模应用。
作为“中国联通集团新一代云化业务支撑系统”的第一个试点,cBSS2.0集中号卡系统将推广覆盖至全国,形成惠及全国3亿用户的“卡号云”,用于管理用户的SIM卡、手机号信息。
该项目背后,中国联通用了三年时间、前后共历经3轮POC(Proof of Concept)严苛验证,从多个维度进行考量,最终,深圳天源迪科作为项目集成方,联合阿里云中标。三方联合创新,80天完成了底层手机卡号业务支撑系统的重塑。
4万笔/秒并发业务——这是全面云化升级后,cBSS2.0集中号卡系统的“云速度”。中国联通要求,此次系统试点需要做到在几十万人选号时,每秒可以完成4万笔业务。同时,系统还需要做到可弹性拓展,以应对营销活动发生时突然出现的大量需求。
系统完成云化升级后,各渠道、营业厅选号难、状态不一致、成功率低等问题将成为过去式,取而代之的是“快”、“准”的选号体验。中国联通则以“卡号云”平台为基础,结束了31个省市自治区IT系统“分而治之”的局面,实现内部IT系统的打通和云化升级。
资料显示,三大电信运营商一直在尝试小步快跑的使用云计算代替传统的IT架构,此次中联通核心系统云化可谓“动真格”。通过这一项目,中国联通成为引入三层云化架构的先行者,无论是在架构、技术、研发和运营的创新上都是一次大胆的尝试和突破。
在整体项目中,天源迪科主要负责与联通研究院联合开发SaaS服务、开发垂直应用,阿里云负责打造PaaS技术平台,类似操作系统。阿里云向中国联通输出的专有云底层技术与公共云一致,可为政企客户实现在自有的数据中心内构建完整的专属式云计算服务,打造安全、可靠、弹性的云计算工作环境。
天源迪科方面表示,之所以选择阿里云作为项目的合作伙伴,是因为阿里云平台拥有成熟稳定与安全可控的特质,也是国内唯一经过天猫双11大规模并发实践的平台,与联通的号卡资源管理系统诉求一致。而云化架构解决了传统IT硬件架构的容量天花板,业务可线性扩展,实现面向互联网的“小快灵”支撑。
参与该项目的阿里云资深架构师厚坤介绍,阿里云此次为中国联通提供了“去中心化”的分布式应用服务架构平台EDAS。这是一个为互联网应用场景度身定做、且在业务逻辑层具备足够线性扩展能力的服务框架,可处理2000-3000亿次调用服务,2万亿条业务调用链,管理4000次线性扩容和缩容。
“我们从多轮实际验证结果看,阿里云的分布式技术确实做到了亿级用户的秒级线性扩展,能够稳定支撑中国联通业务的创新。”中国联通软件研究院院长耿向东说。
据悉,这也是去年11月12日,中国联通与阿里巴巴集团在杭州签署战略合作框架协议后,双方合作落地的又一个重点项目。阿里云依托成熟的云计算技术实力,成为阿里巴巴集团与各行业巨头合作后的着力点。
除中国联通之外,阿里云还与12306、中石化、中化工、华能集团等大型央企达成了信息化建设方面的合作。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。