2023混合云创新沙龙活动现场
基于云计算、大数据、AI等新技术、新应用催生了海量数据的产生。IDC报告显示,到2025年全球数据量将达到175ZB(相当于17.5万亿GB)。于此同时,混合云成为支撑海量数据应用创新的关键架构,如何用好云上数据,挖掘出更多的数据价值也成为企业最关心的问题。
2023年2月28日,由至顶科技主办的“加速工作负载转型,驱动混合云持续创新”为主题的2023混合云创新沙龙在广州成功举办。IBM 华南区总经理罗启明、IBM 科技事业部资深产品经理庞文峥、中联重科股份有限公司、中科云谷副总经理龙庚、IBM 科技事业部资深产品经理周立旸、阿里云存储高级产品专家李媛、IBM中国科技事业部自动化技术专家罗向军以及至顶网总编助理王聪彬等出席活动并进行了精彩分享。
此次活动亮点多多,从媒体展望到热点趋势,专家们通过报告和圆桌对话对最新的行业应用、混合云架构、智能运维等进行了深度解读。
Gartner在《中国混合云运营的三个重要经验》报告中提到,预计到2024年,我国混合云渗透率将达到70%,远高于50%的全球平均水平。至顶科技总编助理王聪彬在《展望2023年混合云技术趋势》演讲中提到,面对混合云趋势,针对企业最关注的数据孤岛、数据安全、数据价值挖掘三个核心需求,建议企业应该在2023年重点关注包括软件定义存储、闪存、数据保护以及智能运维等技术创新的混合云解决方案。
至顶网总编助理 王聪彬
IBM 科技事业部资深产品经理庞文峥分享了《高弹性闪存架构成就现代化IT架构》的主题报告。随着基于混合云架构,企业云上业务数据量的增长,对混合云环境中的存储性能、安全性、兼容性、简单运维等提出更高要求。基于IBM FlashSystem 闪存构建的高弹性混合云架构,通过集成了IBM软件定义存储套件的全部功能,为面向未来的混合云环境提供完善的数据存储管理解决方案。
IBM 科技事业部资深产品经理 庞文峥
中联重科股份有限公司、中科云谷副总经理龙庚,分享了《中联重科基于云原生的云边端与全球多云部署的混合云实践》。他表示,新的制造行业对于混合云平台的需求是既要懂重工设备的硬件智能,还要了解制造环节的软件底层技术,中联重科目前的整体运营已经与AI、大数据、IoT等技术紧密融合,基于混合云底座的工业互联网平台已经成为驱动公司新的应用场景和业务创新的重要支撑。
中联重科股份有限公司、中科云谷副总经理 龙庚
IBM 科技事业部资深产品经理分享了《AI需要高性能SDS数据湖加持》的主题报告。他表示针对传统交易型业务应用设计的传统的数据存储架构,已经无法满足目前针对云、AI、大数据分析等密集型新型应用,IBM Storage Scale是针对云、大数据分析、对象、K8S/OpenShift容器平台等的非结构化数据存储管理解决方案,通过统一数据平台,实现架构的扩展性、灵活性以及解决数据孤岛等挑战。
IBM 科技事业部资深产品经理 周立旸
阿里云存储高级产品专家李媛分享了《混合云灾备赋能企业数据管理新模式》的主题报告。她表示,基于混合云灾备方案,相对于传统物理机房的建设,实现了天级、周级就可以上线一个企业级的灾备中心,大大降低了企业的运营成本,阿里云混合云备份服务HBR,具备统一、高效、安全、可靠、自管理五大优势,帮助客户基于一款软件来实现一体化、高性价比以及多重保障等高价值的本地及云上的数据备份解决方案。
阿里云存储高级产品专家 李媛
IBM中国科技事业部自动化技术专家罗向军分享了《混合云时代,需要怎样的“运维管家”》的主题报告。混合云应用因为同时要考虑本地和云上的敏捷多变等业务特点,给企业的传统运维带来巨大挑战。他分享了混合云时代,智能运维需要“观测之眼”、“执行之手”以及“决策之脑”三驾马车来应对传统运维带来的挑战。基于IBM Cloud Pak for Watson AIOps可以快速对接和分析 IT 环境中的各类数据,动态建模并持续训练以揭示数据内在的洞察,以加速问题定位、分析和解决时间,有效提升业务可用性和客户满意度。
IBM中国科技事业部自动化技术专家 罗向军
在沙龙活动最后的《加速云创新,释放数据价值》圆桌对话环节上,中联重科股份有限公司 、中科云谷副总经理龙庚 、IBM华南区总经理罗启明以及阿里云存储高级产品专家李媛,基于制造业新的应用和场景面临的挑战以及当前混合云架构如何帮助企业更好的推出业务创新进行了深度讨论。
圆桌对话嘉宾(由左到右):至顶网总编助理 王聪彬、中联重科股份有限公司 、中科云谷副总经理 龙庚 、IBM华南区总经理 罗启明以及阿里云存储高级产品专家 李媛
可以看到,通过2023年混合云创新沙龙嘉宾的精彩分享,现场的企业IT负责人不仅对混合云的发展、趋势和应用有了深刻的了解,还对混合云中数据的管理、运维有了全面的了解,让企业更加深刻认识到基于混合云的业务创新将对企业未来的数字化转型起到关键作用。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。