2月29日,2024阿里云战略发布会在北京召开。
在这场发布会上,阿里云智能集团资深副总裁、公共云事业部总裁刘伟光宣布了有史以来最大力度的一次降价——100余款云产品官网直降20%。

这是在3个月前阿里云明确了"AI驱动,公共云优先”战略后,面向全球市场的又一次关键战略发布。
据至顶网了解,阿里云这次的降价策略有两个最值得关注的点:
首先是降价幅度之高,在100多款产品、500多个产品规格,最高降价幅度达到了55%,在这样的价格调整后,阿里云核心产品价格直接成了“全网最低价”。
其次是受益人群之广,尤其还首次实现了新老用户同享优惠——现有客户存量订单中未履约部分也将受益于这一优惠政策。
刘伟光在发布会上指出,”云计算在中国蓬勃发展的互联网行业中的渗透率在过去十年里已经从60%增长到74%,但非互联网行业的渗透率在这期间仅仅从24%提升到了29%,这个数字背后是中国大部分传统企业并没有深度拥抱云。“

云计算在中国发展的十余年里,多数行业仍处于用云的起步阶段就成了一个云计算技术提供者无法忽视的问题。
另一个普遍存在的问题是,现在已经将云计算融入自身业务的企业,不少仍然是将公有云用作外部服务器资源池来用。
而随着云计算技术的发展,刘伟光在发布会上分享了自己的两个判断:
第一,云计算是未来企业和开发者的首选;
第二,未来技术创新优先在云上诞生。

正因如此,他认为,”深度使用云是未来企业发展的一个重要趋势,云计算已经从企业IT战略上升到了企业核心战略。“
这也是阿里云这次大规模降价的一个重要原因——用技术创新推动技术普惠。
那么,相较于自建IDC,公共云有怎样的技术优势呢?
刘伟光在发布会上将其总结为七大价值——“省、弹、进、捷、拓、智、才”:

节省企业IT总支出。企业使用公共云架构,调度效率更高。
绝大多数企业的业务场景都有业务量起伏,云计算提供的弹性能力,可以让客户根据需要采用常态化和弹性相结合的开通方式,应对不同时段的资源需求,实现平均资源持有量的明显下降。
弹性使用算力,减少资源闲置浪费。公共云支持全球多地域部署,有充足的资源保障,可以随时随地创建和释放资源。

企业IT架构升级进化。企业上云可以实现IT架构的现代化升级,让原本基于传统IT的烟囱式架构进化为高可用、多地多活 、离在线混合部署的分布式架构,更好地支撑企业的业务战略创新。
快速采用最新、最先进的技术栈。公共云不只是IT基础设施,还提供了丰富的先进产品技术栈。
快速拓展全球业务。阿里云在全球四大洲、30个公共云地域运营着89个可用区,可以帮助中国企业进行全球化业务拓展,在企业全球化过程中,极大地简化了繁琐的IT基建和合规事项。

更好地使用人工智能技术。公共云是AI的最佳拍档,企业可以使用公共云快速拉起庞大的训练和推理资源,低成本实现AI创新。

国内人工智能明星创业企业百川智能就是基于阿里云公共云完成千卡大模型训练的,据悉,在这期间实现了最长26天的无人工介入训练,起步期每月迭代一个模型。
改善企业的IT人才架构。通过使用云计算,企业可以让IT人才更加聚焦业务发展和创新。
网络效应和规模效应是公共云商业模式的两大特征,这就意味着谁拥有更大用户规模,谁就可以通过规模效应将先进技术实现更低成本的上商业化。
作为亚洲最大的云服务供应商,阿里云在历年来已经进行过多次降价,而这次降价,也将成为阿里云通过技术创新、规模效应继续释放”云上红利“的一个新起点。
好文章,需要你的鼓励
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。