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
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。