中国上海,2021年8月16日——随着数字化转型不断深入,企业对成本、安全性和灵活性等诸多因素的考量使得多云和混合云架构已成为上云的主要模式,数据安全和治理成为转型过程中的关键要素。
近日,万国数据与数篷科技签署合作协议,通过整合双方在数据中心、云网资源与服务,以及云安全领域的专业优势,共同打造SASE解决方案DACS AnyCloud®,为企业提供跨云跨地域的IT基础设施平台与安全服务。
万国数据以高性能数据中心为坚实IT底座,搭建全新的数字化基础设施管理平台,携手算力、存储、网络、安全等垂直领域合作伙伴不断完善服务生态,以SaaS模式帮助客户更敏捷、更弹性地部署资源和连接,实现IT架构的敏捷交付和统一管理。
目前,基于布局多地域的数据中心资源、卓越的运营纪录、强大的网络连接能力以及可信赖的服务支持,万国数据作为平台型数据中心服务商和数字底座的价值与作用,被越来越多的SaaS科技公司、互联网企业、云服务提供商以及企业级客户认可。
此次万国数据与数篷科技联合发布的DACS AnyCloud® 一体化地解决了云网连接及数据安全问题,满足了企业在任意地点安全、快速访问业务数据的多样化需求。目前,DACS AnyCloud®已在万国数据数字化基础设施管理平台上架,用户可按需在线订购。
在合作方案中,万国数据提供高性能数据中心、网络连接、云管理服务等基础资源,为企业实现低时延的网络动态连接提供支撑。方案结合丰富的近云资源及云连接产品,可实现各大公有云服务商之间、线下环境与云上环境的高速互联;通过整合数据中心、核心骨干网网络资源、DCI及SD-WAN技术,可确保跨地域及国际间的连通性,保障边缘云上业务与中心云上业务的高速稳定连接,实现一点接入、多云互联。
数篷科技是领先的安全技术创新公司,基于轻量可信计算和零信任理念,为企业提供下一代软件定义的网络安全基础架构解决方案。DACS AnyCloud®结合数篷科技HyperCloak®零信任安全框架,帮助企业业务安全上云,动态优化多云布局中的访问网络,加速数据安全流动。
万国数据未来将继续扩大高性能数据中心的覆盖,携手更多优质合作伙伴,融合数字底座与SaaS模式的平台化能力,持续打造行业新生态,助力企业加速数字化转型。
关于万国数据服务有限公司
万国数据服务有限公司(纳斯达克股票代码:GDS;港交所股票代码:9698)是中国领先的高性能数据中心运营商和服务商。我们的数据中心分布于对高性能数据中心需求广泛的中国核心经济枢纽地区。为了满足客户更广泛的需求,我们还根据客户的选择在非一线城市地区建设和运营数据中心。我们的数据中心规模大,电力供应充沛、密度高且高效,所有关键系统均具备多重冗余。我们中立于运营商及云服务提供商,客户可自由选择与主要电信运营商连接,以及接入托管于我们数据中心的多家云服务提供商。万国数据可为客户提供托管和管理服务,包括独特创新的混合云管理服务平台。我们拥有20年安全可靠的数据中心托管及管理服务经验,成功满足国内大型客户对于外包数据中心服务的高标准要求,目前所服务的客户主要包括超大规模云服务供应商、大型互联网公司、金融机构、电信与IT服务提供商,以及国内大型企业和跨国公司。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。