6月24-26日,云原生领域顶级大会KubeCon + CloudNativeCon在上海召开,作为云原生技术与应用的领先企业,阿里云全面展示了云原生产品家族,同时发布边缘容器(ACK@Edge)和云原生应用管理与交付体系,为企业数字化转型提供全方位的技术支撑。
云原生是IT基础技术以及应用的新趋势。Gartner报告指出,到2022年有75%的全球化企业将在生产中使用容器化应用。
阿里巴巴是国内最早大规模布局云原生技术体系的公司。早在2011年,阿里巴巴就率先在全集团规模部署容器化基础架构,开启了中国公司将云原生技术体系在电商、金融、制造等领域中大规模应用的先河。
历经9年技术沉淀,阿里云已拥有国内最丰富的云原生产品家族,覆盖八大类别20余款产品,涵盖底层基础设施、数据智能、分布式应用等全栈技术能力,可以满足不同行业场景的需求。
目前,阿里云上运行着国内最大的公共云容器集群及镜像仓库,广泛服务于互联网、金融、零售、制造、政务等领域企业和机构,大幅降低了应用开发的门槛,让企业轻松享受云的优势。
奥组委通过容器服务ACK,在欧洲助力奥运OCS频道敏捷开发高效运维;西门子使用阿里云ACK,实现开放式物联网操作系统MindSphere微服务架构、DevOps以及系统的高可用;迅雷使用容器混合云方案,完成云下及云上混合部署和调度,在享受极致弹性的同时降低成本。
此次发布的边缘容器可实现云、边、端一体化的应用分发,支持不同系统架构和网络状况下,应用的分发和生命周期管理。该产品采用了自研高性能Terway网络插件,将弹性网卡ENI分配给容器实例,使容器实例和计算资源使用同一个网络平面,性能较传统的overlay容器网络高出20%。
大会同时发布了云原生应用管理与交付体系,涵盖国内首个开放云原生应用中心Cloud Native App Hub、云原生应用自动化引擎OpenKruise等服务。
其中,OpenKruise 开源项目源自于阿里巴巴经济体过去多年的大规模应用部署、发布与管理的最佳实践,同时解决了 Kubernetes 之上应用的自动化管理问题。OpenKruise后续会继续覆盖部署、升级、弹性扩缩容、QoS 调节、健康检查,迁移修复等更多K8s 自动化能力。
阿里云智能容器平台负责人丁宇表示:“云原生正在重塑整个软件生命周期,容器、Kuberentes、云原生成为云时代的三个重要标准。阿里云将继续加大云原生技术栈产品体系的研发,并持续回馈开源社区,与生态合作伙伴一起,共同推动云原生标准制定以及应用的落地。”
阿里云是国内在云原生领域的开源贡献最全面的科技公司,涵盖编排调度、作业管理、无服务器框架等,主导维护etcd、containerd、dragonfly等多个CNCF明星项目的发展,已有超过10个项目进入CNCF landscape。今年1月,阿里云资深技术专家李响成为首个入选全球顶级开源社区CNCF技术监督委员会的中国工程师,致力于推动云原生技术的落地。
得益于全面的技术投入和大规模应用实践,阿里云成为国内唯一进入2019 Gartner《公有云容器服务竞争格局》报告的企业。今年3月,阿里云智能总裁张建锋表示,未来1-2年内,阿里巴巴要实现100%的业务跑在公共云之上,并且继续大力投入云原生技术的研发。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。