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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。