至顶网软件频道消息:11月22日,在2017云栖大会·广东分会上,阿里云宣布新一轮的降价行动,以更低的价格更先进的生产力来支持企业和创业者的发展。阿里云表示,云计算是这个时代最好的普惠科技。
这一轮降价行动包括了ECS企业级实例、RDS实例以及CDN和安全服务——游戏盾。
据悉,所有调整已在22日生效,用户可在官网查询并以新价应用。
国内最大CDN服务体连番降价推动互联网行业爆发
阿里云宣布,CDN价格下调。CDN整体降幅为25%,降价后的带宽单价最低只需16.2元/Mbps/月,再创国内最低价。
据了解,2006年,阿里巴巴开始自建CDN,2014年,阿里云CDN业务正式对外服务。目前,有20万余客户的阿里云是中国体量最大的CDN服务体,全球节点超1200个,带宽能力超80TB,业务覆盖面将包括视频、金融、电商、医疗、直播等各领域。
在刚刚结束的2017年天猫双11当日,阿里云CDN顺利保障200多个国家和地区的剁手党无时差地交易1682亿人民币。
作为互联网基础服务,更低价的CDN直接降低了互联网创业门槛,并推动了包括音视频、直播等行业的“风口爆发”。中国互联网络信息中心发布的《中国互联网络发展状况统计》显示,网络直播服务的用户规模已超过3.25亿人,占当时网民使用率的45.8%。也就是说,近半数的网络使用者,都曾看过体育直播、真人聊天秀直播、游戏直播和演唱会直播。这与CDN的连番降价有着直接关联。
VPC环境下的ECS、RDS持续优惠
对长期使用云计算的企业来说,在VPC环境下的云服务器ECS和云数据库RDS折扣幅度调整相当给力。以阿里云ECS企业级实例,最高优惠40%。另有5年长期购买的优惠价格为3折。
目前,阿里云云服务器ECS企业级产品家族已推出21款实例。该系列适合在复杂的企业计算环境下,满足对于高性能、高可靠的计算,分别适用于包括AI、医疗、视频直播、金融、电商、IoT在内的200多个应用场景。
阿里云有全球覆盖最全面的云数据库家族,产品在内核研发、运维集成和服务专业度上具有突出优势。VPC环境下的云数据库RDS单机实例官网优惠近15%,另有3年长期购买优惠至4.5折。
游戏盾降价63% 开启游戏安全新时代
在安全领域,阿里云协助企业对抗黑产攻击者。游戏盾针对中小创业者降低门槛,降价63%,以更低的防护成本来助力游戏行业的新发展。
在此前的成都云栖大会上,阿里云已经推出产业安全扶助计划(https://security.aliyun.com/grow)。该计划是一个面向初创企业的公益项目,计划为每家入选企业免费提供含主机安全、网络安全和抗DDoS在内的全套云安全防护,协助其抵御网络黑灰产业,让企业专注业务的高速发展,无需再因安全问题“拖后腿”。
云计算成为这个时代最好的普惠科技
对于持续降价行为,阿里云表示:“对企业最好的支持就是持续降价、持续提供更低成本的先进生产力。”
而科技进步和规模效应是产品价格得以快速下降的原因,阿里云在过去一段时间里不断加大科技投入。
据Gartner统计,目前阿里云已经成为全球第三大云计算服务商。在产品层面新推出ECS企业级实例、神龙服务器、麒麟液冷服务器、IoT方案、POLARDB数据库、专有云3.0、MaxCompute全新版本等新产品。并在前沿技术投资上不断加码,宣布未来3年投入1000亿建设“达摩院以推进基础科学和颠覆式技术创新,持续投入量子计算研究等等。在全球一张网方面则新增了马来西亚大区,使得用户可在32个可用区部署全球业务。
“云计算的普适性与易用性使其成为当下助推企业发展的普惠科技。”阿里云方面表示。
好文章,需要你的鼓励
Indeed通过云原生和数据驱动的数字化转型,为AI时代做好了准备。公司CIO Anthony Moisant表示,他们不仅在采用AI,更在构建一个智能代理公司,将人类智慧与机器智能相结合。公司已完成从本地服务器向AWS的迁移,建立了统一的数据湖架构,并基于Apache Iceberg构建数据湖仓。目前已有4个Salesforce代理投入生产,6个内部智能产品上线,另有20多个代理正在开发中。
微软研究院团队开发的BitNet v2技术实现了AI大语言模型的重大突破,通过创新的H-BitLinear模块和哈达玛变换技术,成功将模型激活精度从8位降低到4位,同时保持了几乎相同的性能表现。这项技术显著提高了模型的计算效率和硬件利用率,为AI模型在边缘设备和批量推理场景中的部署开辟了新道路,有望推动AI技术的更广泛普及应用。
AI第四代生成式AI标志着技术范式转变,正在用户体验、应用自动化和平台三个层面为企业带来重大价值和颠覆。企业应关注商业价值而非技术本身,需要从业务问题出发量化价值。未来五年将在认知任务处理上取得巨大进展,但需要创新思维应对劳动力转型。六大颠覆性支柱包括下一代AI能力、数据平台、机器人技术、量子计算、企业用户体验和云架构等。
伊利诺伊大学香槟分校研究团队提出ToolRL方法,通过精细的奖励机制训练大语言模型正确使用工具。该方法突破传统监督微调局限,采用格式奖励和正确性奖励相结合的评估体系,在多个基准测试中相比基础模型提升17%,相比传统方法提升15%,显著改善了模型的工具使用能力和泛化性能。