如今基于云的开发不断增长以及对性能和可靠性的需求不断增加,在云中部署应用为开发团队和消费者带来了诸多好处,与过去的本地模型相比,开发团队可以利用云基础设施快速轻松地扩展应用,而无需花费大量资金。
因此,最终用户通过社交媒体、游戏和流媒体等应用的更低延迟和更高可用性获得更好的体验。
然而,这种转向由大型云提供商托管应用导致了对拥有大量集中数据中心区域的大型云厂商的依赖。按需提供资源的弹性,推动了工程师向现代计算模式的转变,但同时也带来了安全和性能方面的挑战。
应用性能和安全挑战
依赖大型的、集中的云架构带来的主要挑战之一,就是要确保应用的性能。当应用托管在中央数据中心时,这些应用通常是远离最终用户的,这可能会导致严重的延迟问题。
那些需要实时交互的应用特别容易受到延迟和性能问题的影响。在疫情期间,在线办公的员工依靠视频会议与同事远程联系。在需要实时技术发挥作用方面,物联网设备和人工智能处理是我们看到的一些蓬勃发展的例子。
此外,集中架构会影响可扩展性和创新。即使具有水平扩展能力的均衡式设计也只能在单一环境中进行扩展。更不用说,当发生区域性停电的时候,运营可能会立即中断,直到停电问题得到解决——而这甚至不涉及恢复的过程。
当然,网络弹性也是任何应用的首要考虑因素。集中式架构在同一环境中托管所有系统和应用,这降低了攻击者的渗透和对组织造成严重破坏的进入壁垒。集中式系统代表单一的攻击区域,如果它出现故障,整个运营就会瘫痪——这会给关键业务运营带来巨大的问题。
分布式云的前进之路
为了应对这些挑战,许多企业迫切需要一种替代方案,通常是采用分布式云环境的形式,其中应用托管在全球各地的多个服务器上,从而获得更好的性能并增强对网络攻击的抵御能力。
把应用分布在多个位置,这样组织就可以减少处理和分析集中式云中的数据,以及本地化那些不需要分布的数据所花费的时间。此外,分布式云环境还减少了攻击面和攻击者可以作为目标的数据量。
此外,不同地点的本地化云环境可以让企业更轻松地满足不同国家的数据主权和本地化要求。每个云环境都可以单独调整,以使数据更接近最终用户所在的地方。这是一个越来越令人担忧的问题,特别是对于那些必须遵守其开展业务的不同国家的不同法律和法规的跨国企业。
随着企业不断转向基于云的环境,精心管理应用所在的位置就变得越来越重要。不断发展变化的、新兴的云原则——混合云和多云、应用模块化以及云原生架构的标准化——可以充当支持分布式计算案例的构建块。
做出正确的选择并投资合适的技术,企业就可以优化他们的云环境,并确保应用获得最佳的性能和安全性。
好文章,需要你的鼓励
Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei(达里奥·阿莫代)进行了一次对话。
哈工大和360研究团队联合开发了Light-IF框架,成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式,显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩,超越了多个知名大型模型。研究团队已开源相关模型和代码,为AI助手的发展开辟了新方向。
GPT-5是OpenAI于2025年8月发布的新一代多模式大模型,兼具高效应答与深度推理能力,并在安全性、准确性和多语言表现上取得显著提升,尤其在医疗、内容安全与防越狱方面展现突破性进步。
T-Tech实验室开发出革命性的VL-DAC训练方法,让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练,避免了传统方法需要复杂参数调整的问题。实验证明,AI在导航、卡牌游戏等简化环境中训练后,在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%,为降低AI开发成本开辟了新路径。