至顶网软件与服务频道消息: “全面上云的拐点到了!”7月25日,阿里云智能总裁张建锋在2019阿里云峰会上海站上提出,今年是从传统IT向云计算全面转移的分水岭。阿里云将以“四张王牌”——飞天云操作系统、飞天大数据平台、阿里巴巴双中台和智联网AIoT,助力政企客户走进All in Cloud时代。
张建锋回顾过去一个世纪的技术变革,从十九世纪末内燃机替代蒸汽机、二十世纪初汽车替代马车、七十年代电话替代电报,新旧技术的交替往往以拐点的形式出现,今年将是云计算全面替代传统IT的拐点。
“全面上云是时代必然,今年是一个非常重要的拐点。”张建锋表示,云计算作为一项新兴技术,经历过去10年的发展,已经在关键技术和应用规模上实现对传统IT的全面超越,云、大数据、AIoT和移动化技术引领时代。
一个重要的信号,IDC最近发布的《全球云计算IT基础设施市场预测报告》显示:2019年全球云上的IT基础设施占比超过传统数据中心,成市场主导者。
技术层面,云计算在成本、稳定性、安全和效率层面已经远超传统IT。在现场,张建锋分享了一组数字,上云后综合成本下降一半,稳定性有10倍以上提升,安全性更是提升50倍。
数据显示,过去5年间,阿里云不断释放规模红利,核心基础产品价格累计降低66%。以业内通用的TCO标准(即总拥有成本)计算,用云可比传统IT节省一半以上的成本。
知名IT杂志《连线》撰文指出,企业自建机房的服务器利用率仅为6%,维护状况堪忧。2016年北美区域传统IDC机房宕机近4000次,影响3.67亿人。越来越多的IT人才成为云上的“原住民”,未来企业将招不到传统IT开发和运维人才。
趋势嗅觉灵敏的企业不仅将网站APP等互联网业务放在云上,还将核心系统在内的全量业务上云。其中,不仅包括创业公司和互联网公司,大型企业、公共服务机构也在全面上云。
目前,已经有上万家企业全面迁移到阿里云上。例如飞利浦中国、迅雷、万科物业、百丽、Salesforce中国、居然之家、大润发、西贝莜面村、虎扑、得到、千寻位置、115科技、众安保险、网商银行、龙湖地产、振华重工、洛可可、首汽租车、优信二手车、安联救援等。
张建锋表示,政企全面上云将经过基础设施上云、大数据上云、云上中台和云上智能四个阶段。经过10年发展让阿里云具备了“四张王牌”——飞天云操作系统、飞天大数据平台、阿里巴巴双中台和智联网AIoT,帮助政企客户实现技术和商业的指数级增长。
飞天是中国唯一自主研发的云操作系统,调度全球数百万台服务器,在全球200多个国家和地区为数百万客户提供服务,包括中国80%科技公司与一半以上的上市企业。2017年获得中国电子学会16年来颁发的唯一科技进步奖特等奖。
飞天大数据平台是当前国内规模最大的计算平台,可扩展至10万台计算集群,曾创下四项海量数据排序世界纪录。在阿里巴巴经济体中支撑了全局数据存储和计算,单日数据处理量超过600PB。
数据中台和业务中台让阿里巴巴经济体多元业务互联互通,业务创新层出不穷,人机协同大量运用,数据智能开创全新的商业形态。在海外再造一个淘宝天猫,只需要两三个月时间。盒马更是仅用4周就开发上线。
在浙江,医院看病从一次就诊多次排队付款,变为看病之后再付钱。2019年,浙江省最高人民法院开始业务中台和数据中台建设,打通全省100多个系统和审判数据记录,帮助法官实现对简易流程案件的辅助判决。
智联网AIoT融合了云边端一体化的人工智能与物联网能力。具备从高性能AI芯片至云平台、AI算法、AI组件以及产业AI的立体能力。
数据显示,阿里巴巴AI服务的每日调用量高达百亿次,服务全球近15亿人。产业AI正在各个领域全面发展。在上海临港借助全球最完整的物模型构建“数字孪生”,对城市公共资源进行智能调配,为上海城市精细化治理进行先行验证。
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。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
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。
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。