ZD至顶网软件频道消息: “云计算”的概念近几年渐渐被人熟知,云存储、云办公、云备份,似乎人人生活中都会或多或少的接触到各项“云”产品。然而,“云计算”这个最早被提出的概念却依然高冷无比,而“云游戏”这个脱胎于云计算的新概念,更是让人觉得难以触及。
行到水穷处 坐看云起时
张鹤翔指出,云游戏是一个彻底的云计算方式,由强大的云端、视频流和弱终端三部分组成。游戏本身运行在强大的云端服务器上,服务器下发的是高清视频流,而终端的计算能力接近于0,只需要能够解码视频和接收输入信号即可;在这样的技术方案下,相比传统游戏而言,云游戏具备了即点即玩、跨越操作系统、摆脱硬件限制等三大优点。
对于未来云游戏的规划,张鹤翔是这么理解的:
对于用户而言,张鹤翔表示未来可以彻底摆脱传统模式下的游戏方式,不必再去购买昂贵的硬件并为之不断升级,而是像现在随时随地的使用任意设备看电影一样,随时随地的使用任意设备玩游戏。
对于游戏厂商而言,坑死人不偿命的硬件兼容性,让人掉眼泪的低端硬件性能,费用高昂的跨终端移植或者干脆回炉重做,这些问题也都不复存在。一次开发,到处运行,不能更美了。
带着对美好未来的憧憬,以及对于技术引领潮流的信心,很多公司都已经在云游戏领域展开布局,甚至早已参与深度的挖掘。
在所难免,唯有一往无前
张鹤翔在对云游戏面临的挑战时说,任何新的事物,特别是互联网产品,都是一路荆棘趟过来的,于是张鹤翔对面临的挑战进行了如下的阐述:
为了应对云游戏的网络需求,张鹤翔是表示应对需求需要做足准备:
大数据时代 为玩家精准画像
对于拥有十年大数据从业经验的张鹤翔来说,此次参加2016 CGDC也公开了格来云游戏从用户年龄分布、网络状况、区域以及游戏类型四部分数据。
一句话,很年轻。90%的玩家是95后,学生是主体。为什么这么年轻呢?基于我们提供的游戏内容,我们认为是新生代游戏玩家对于游戏品质的要求明显提升了,粗制滥造或者深度不够的游戏已经吸引不了他们。补充一点,95%的玩家是男性,中重度游戏的玩家群体本来就是男同学占主导地位。
再来看看用户的网络状况,约50%的用户带宽已达8Mb,和前面提到的报告一致。那些低于5Mb的用户,目前的情况是会自然流失掉。这里面的一个影响因素是我们在全国部署的25的节点还不足以完美的覆盖全国,比如东北和西北的用户我们统计的带宽肯定不准确。网络延迟方面,70%的用户延迟在60ms以内,仅30%的用户延迟在30ms以内。这同样和我们的节点部署相关,我们的部署目标是让80%的用户延迟在30ms以内。
地域方面,集中在广东、江浙等沿海省份。19%的玩家来自北上广深,36%的用户来自省会,11%的用户来自地级市,33%的用户来自县城、乡镇和农村。和人口的分布差不多。
60%的用户的游戏年龄是2年,可见新一代玩家对于内容的渴求,手游是满足不了他们的对游戏的需求。动作、RPG是他们最喜欢的游戏类型,和我国玩家的习惯一致,国外最流行的“枪车球”在国内不吃香。68%的用户使用手机、平板,26%的用户使用电视,5%的用户使用PC。原因我们分析了一下,手机人人都有,最便捷,而且云游戏和手机游戏的质量落差比较大。电视用户,只有云游戏可玩,基本上是唯一选择,但是需要手柄,门槛略高。PC用户呢,好歹PC还是能跑点游戏的,内容的比较优势不够大。
最后的环节还是技术向的,就是如何分析每次云游戏过程的用户体验。游戏开始之前,我们可以看到用户所在的省份和运营商,他这次选择的游戏是哪个,连接的是哪个机房,选择了什么分辨率和码率。省份、运营商和机房决定了用户的基础网络带宽究竟怎么样,选择的码率和分辨率是否和这个带宽匹配。在大面上决定了用户接下来的游戏体验。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。