2018年12月12日,由中国电子技术标准化研究院主办、中国开源云联盟、全国信标委云计算标准工作组协办、至顶网承办的第八届中国云计算标准和应用大会在京召开。大会为期两天,分别聚焦企业上云和开源,希望通过云计算产业链相关各方的广泛参与,为我国云计算的发展献计献策。会上详细解读了国内云计算产业政策,展示了我国云计算国家标准研制工作的成果,报告了云计算标准化工作的重要进展。
在大会举行期间,英特尔软件和服务业事业部中国区总经理冯晓焰接受了至顶网的采访,冯晓焰现在带领一个开发团队聚焦开源技术创新。他表示,现在云计算市场快速发展,特别是开源云计算,英特尔积极参与开源生态建设,推动行业生态发展。
以下是采访实录(内容经至顶网编辑整理,未经允许谢绝转载):
至顶网:您认为中国云计算行业发生了哪些变化?
冯晓焰:2012年,英特尔作为创始成员,参与了中国开源云联盟的成立工作。当时国内真正做云计算的企业并不多,我们希望通过成立联盟,联合业界推进云计算的发展。联盟的成立对云计算的发展起到了很好的促进效果。后来随着联盟的壮大,英特尔不再承担联盟的主持工作,而是作为成员企业积极参与联盟的工作。
当时,虽然有很多企业逐渐参与联盟活动,但是离云计算的真正落地还有一段距离,或者说大家对云计算技术都是处在开始学习和逐渐掌握的阶段。现在形势发生了很大变化,各种各样的云公司遍地开花。每个公司有自己的特色,包括对技术的掌握、项目实施的处理等等都各有特点。另外,国内企业在公有云、私有云都有布局,在公有云甚至有比较大的巨头企业出现了,这些我觉得都是中国云计算得到巨大发展的很好的证明。
至顶网:您刚才谈到开源圈越来越壮大,我们角色是不是也在变化?
冯晓焰:英特尔参与云计算是作为云计算平台的供应者。英特尔一直以来作为平台供应商,针对各种云计算的解决方案进行优化,保证云计算解决方案都能够在我们的平台上运行得最好,比如说性能最好、功耗最低等等。
英特尔在云计算的各个层次都投入了相当多的人力进行开源软件的开发,包括性能优化,让更先进的硬件性能能够被上面的软件架构更合理地应用,让大家用性能好、消耗资源低的解决方案,服务更多的用户,能够让整个云计算的成本降低,价格自然也会降低,这样用户也更愿意用。我们从系统的底层做各种各样的优化,以实现这样的目的。
至顶网:这两天大会的一个主题是开源,我们今天谈开源,但是也看到另外一个就是闭源,您怎么评价这两个技术路线发展?
冯晓焰:我是从2001年开始就一直在做开源软件,算是国内做开源软件比较早的。开源和闭源,其实没有一个所谓好和坏之说。对于一个企业来说,开源软件更适合你的商业模式,还是闭源软件更适合。不能说是好和坏之分,而是合适不合适之分。
从英特尔来讲,我们也是非常明确,我们也不会说我们只做开源软件或者我们只做闭源软件。我前面提到,我们希望所有的解决方案不管是开源软件还是闭源软件,都能够在英特尔平台上运行最优。只不过我个人一直在开源软件这个领域,让英特尔平台成为开源软件的优选平台是我的工作内容,当然我们也有团队在做闭源软件的方向。
至顶网:您一直在软件服务方面有很多的心得,谈到英特尔,大家想到最多的可能就是芯片,请您分享一下英特尔软件的研发情况。
冯晓焰:英特尔软件聚焦系统软件,在系统软件层次进行更多研发工作。无论是针对企业用户还是个人用户,软件栈有不同层次,最上层软件是应用程序,应用程序下面可能是中间件,再往下是底层软件,直接和硬件打交道。所以英特尔软件开发主要是针对底层软件的开发,并通过对底层软件的优化,给业务层提供支持。
至顶网:现在各种云层出不穷,请您谈一谈英特尔对于混合云业务的支持。
冯晓焰:无论是公有云方案还是私有云方案,还是混合云方案,我们都会帮助云厂商进行各方面的性能优化,包括怎样更好利用硬件特性,能够提供更好的性能表现。只要这个商业模型是合理的,而且是市场包括用户所需要的,我们都会提供很好的支持。
英特尔正在从以PC为驱动的公司向以数据为驱动的公司转型。 当前,数据的产生是以指数级的增长,为了帮助用户应对数据爆炸的挑战,无论是我们的硬件还是在运行在上面的软件,包括解决方案,我们都希望能够在英特尔的平台上得到最好的支持。
至顶网:最后一个问题,在存储、网络、计算等领域,国内有很多创新型的开源初创公司,您怎么看待?
冯晓焰:英特尔积极参与开源,希望成为开源软件开发者社区里面良好的公民。我们愿意和在开源软件工作的任何一个无论是个人还是企业进行合作,让这些开源软件能够更成熟,得到更多的应用。初创公司做很多开源软件的事情是一件好事,英特尔愿意和它们合作让开源软件更强大,被更多用户所接受。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。