ZD至顶网软件频道消息: 1月22日,国内领先的轻量级PaaS平台服务商数人云宣布获得五千万A+轮融资,此次融资是2017年国内PaaS领域的首笔融资,UCloud作为投资方之一参与其中。
同属云计算服务领域,数人云主要依托容器技术打造轻量级PaaS平台,而UCloud旨在为各行业企业提供全面的基础云计算服务,并着力构建开放共赢的云计算生态。2015年,数人云作为首批企业入驻UCloud生态平台——U市场。此次投资,UCloud实现了自身战略版图的扩展,同时进一步加深了双方的合作关系。
自2013年开始,Docker容器技术凭借快速启停、资源占用小等特点掀起了“Docker热潮”,受到众多行业热捧。美国的Capital One、中国的招商银行等企业都是容器技术的热衷者。随后,国内也相继出现一批以容器技术为基础的云服务商,推进容器技术在实际生产环境应用的深入探索。这些基于容器技术的创新企业也都相继获得资本市场青睐,带来了一波风口,巨头也逐渐进场。
UCloud自2015年开始着手推进在容器技术应用层面的研发。
从可用性和资源利用率方面来讲,容器技术相比传统的虚拟化技术更轻量、更容易实现动态迁移和设置,因此在混合云部署中具有先天优势。UCloud在传统行业及大型互联网平台领域拥有大量的客户和服务经验积累,而这些领域的企业级服务使用者对于混合云都有着相对共性的需求,这也是UCloud看重容器技术的原因之一。
在深入研发容器技术的同时,UCloud也将容器相关生态战略部署提上日程。
PaaS是Docker的主要应用之一。数人云所提供的部署在私有云或混合云之上的轻量级PaaS平台,其系统采用了主流的Docker容器技术,基于成熟稳定的Mesos集群调度工具,能轻松管理和调度大规模容器集群,帮助用户快速整合不同环境下的主机资源,部署Docker容器应用。
与传统PaaS相比,数人云DM/OS数据中心操作系统原生支持微服务架构的集群管理,具有企业级混合容器集群管理、支持节点规模过万、支持大数据和机器学习能力以及混合云部署能力大优势。目前,数人云已经服务国内大型公共事业央企、大型股份制银行、城商行、以及快消等众多企业级客户。
基于数人云在容器技术和服务企业级客户方面的成功经验,以及双方在 “用定制化的解决方案,将用户体验做到极致”理念上的共通点,UCloud决定投资数人云,实现在容器技术应用上的战略布局,扩充自身服务生态,并进一步满足客户的当下以及未来潜在的多样化服务需求。UCloud将于数人云一起,共同在金融、能源、广电、快消等行业实现突破。
“Build once,Run anywhere;Configure once,Run anything”,更轻量化地部署,更便捷地迁移,更低地成本消耗……尽管容器技术距离成熟和更广泛的应用还有一段距离,但不能否认的是,容器技术能够在短时间内吸引到产业上下游的极大兴趣,其发展前景有着相当诱人的想象空间。UCloud相信创新技术将给企业级服务带来积极长远的影响。
作为以客户需求为先的企业,UCloud将积极拥抱创新技术,通过不断提升的研发水平,将更多前沿技术整合到服务当中,帮助降低企业成本消耗,推进企业高速发展。
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。