在2018年6月8日华云数据集团产品及生态战略发布会上,华云数据正式宣布云计算、大数据专家、工业互联网专家谭瑞忠(Ray Z Tan)加盟华云数据集团,就任执行副总裁兼首席技术官(CTO)。
会后谭瑞忠接受了媒体采访。给至顶网印象深刻的是谭瑞忠和华云数据真是一拍即合,感觉就像当年乔布斯“你是想卖一辈子糖水,还是跟着我们改变世界”一句话让百事可乐总裁加入苹果一样。
华云数据集团董事长许广彬告诉谭瑞忠“Ray,对于技术,你更专业、更精深;我的专长在于把握市场和企业运营,但我需要专家帮助我把国际领先的云计算、大数据技术落地。”一句话击中谭瑞忠,谭瑞忠在采访中透露其最大的愿景是能够将自己多年在全球领先的云计算、大数据应用理念落地中国。
在加入华云数据之前,谭瑞忠(Ray Z Tan)就任通用电气数字集团,担任副总裁、首席技术官(CTO)兼GE通用电气数字创新坊总经理。他带领团队帮助GE通用电气向以软件和服务为核心的数字化工业公司转型。打造集工业客户、高校、合作伙伴以及创新创业的开发人员为核心的生态系统;他直接帮助包括发电能源、油气、航空、制造和医疗等工业企业充分利用以开源开放为核心的云计算、大数据、物联网、互联网等技术,提高企业生产效率,增强中国工业企业的国际竞争力。
而这之前谭瑞忠(Ray Z Tan)先生曾出任IBM中国Tivoli研发部总经理、IBM大中华云计算研发总经理、IBM全球云计算及基础设施业务首席技术官(CTO)等职务。他还担任了中国惠普云计算首席技术官(CTO),负责领导云计算集团的首席云计算技术专家部、技术售前部、解决方案市场部和云计算解决方案中心。
在采访中谭瑞忠阐述了自己在华云数据的工作和目标。
第一,大力招募人才。谭瑞忠谈到他工作当中的重中之重就是招募人才。虽然华云数据有很多很多优秀的技术人才,但是随着企业的快速发展,需要引入更多的高端人才。2018年开始,华云数据集团制定了高端人才引进计划。对于需要什么样人才,谭瑞忠表示今天华云数据已经有一个清晰的愿景,就是华云数据要做中国私有云领导者、混合云实践者,推动中国企业全面上云。以最新兴的先进IT技术和产品为核心,助力企业转型,推动经济发展,实现中华民族伟大复兴的中国梦。
所以华云数据需不断地进行规范化管理,需要这几类人才,第一懂得怎样管理团队,管理比较大型的大规模的研发团队的经验人才,第二产品管理的人才,这个在中国整个市场里面比较弱的环节。第三技术型人才。当然这些人才都需要是比较灵活,喜欢学习的人。
第二,优化产品研发流程管理。谭瑞忠过去二十多年的职业生涯都是在国际上先进的企业中从事云计算和大数据技术、产品研发、团队管理等。谭瑞忠希望帮助华云数据在研发流程上进行梳理,与国际一流企业的研发流程接轨。
第三,技术和产品方向。为了加快用户的云计算部署,除了已有的私有云、混合云、大数据服务、公有云、IDC转云等“传统”云计算产品和解决方案,华云数据企业级超融合产品于今年4月份正式上市。华云数据推出了“双技术栈”的企业级超融合产品线,包含了三条产品线:华云数据拥有自主知识产权的华云企业级超融合产品H2CI™;华云数据基于战略合作伙伴VMware的企业级产品vSAN打造的超融合产品线VMware-vSAN ReadyNodeTM企业级超融合架构以及企业用户混合云场景下的VMware Cloud Foundation™企业级混合云超融合架构产品解决方案。
第四,行业拓展。华云数据在教育、金融、医疗、制造业等十余个行业都有成熟落地的解决方案,如今积极布局混合云、大数据领域,进军超融合市场,助力中国企业全面上云。谭瑞忠表示通过过去在工业互联网领域的经验,帮助华云数据在一个一个的细分行业,通过数据来产生价值和行业的壁垒,来增加华云技术的一些竞争力。实现华云数据继续助力企业踏上自主、安全、可控的上云之路。
可以说是谭瑞忠先生过去二十多年的职业生涯中与云计算、大数据有着不解之缘,而其对云计算技术架构、行业互联网的思考,对中国云计算市场的认知都相当深刻。作为2018年,华云数据集团高端人才引进计划的重要人才之一,相信他的加盟将带给华云数据更为先进的云计算、大数据应用理念,将通过创新技术实现对现有产品和解决方案的全面升级,为用户带来更大价值。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。