2017年11月23日,以“大象无形”为主题的全球互联网技术大会(GITC 2017)在北京国家会议中心盛大召开。本届大会围绕大数据应用、人工智能、智能驾驶、IOT、互联网金融、运维、基础架构、移动互联网、场景应用等多维度、多领域热点话题展开,来自全球的160余位演讲大咖,向与会嘉宾全面解析大数据时代的技术风口和最佳实践内容。本次盛会,北京供销大数据集团(以下简称“SinoBBD”)作为大数据国家队,携其“IDC+CDN+云+大数据管理平台”一体化产品技术及解决方案亮相大会,向超过千位来自全球的参会嘉宾分享了SinoBBD如何为互联网新技术的发展保障护航。
全产业链布局,打造互联网创新技术“护航”的基石
全球数据量正以惊人的速度增长,利用技术手段,企业能够用数据打通物与物、物与人、人与人、人与活动、活动与活动之间的互通渠道,因此,数据已成为国家和企业发展的战略性资源,谁拥有更多数据,谁就拥有未来。同时,随着十三五国家提出大数据战略后,数据开放度更大,大数据产业将迎来无限商机。可以预见,随着大数据的产业化发展,大数据从某种程度上已成为互联网经济的生产要素之一。但我们也要意识到,大数据产业化高速发展,数据安全上升到新的高度。
SinoBBD总裁陈静红提到:“互联网+时代下,数据以指数级速度增长,这使得互联网及其周边业态得以不断地创新和发展,催生多样的产品形态,国家和社会发展焕发出无限生机。所以,我们都在谈论大数据,而在谈论的过程当中有一点是无论如何也绕不开的,那就是数据的安全”。
陈静红强调,SinoBBD作为大数据国家队,一直担负着保护国家数据主权的重任,集团扎实推进全面布局,成功实现“IDC+CDN+云计算+大数据管理平台”一体化产品布局,结合德鸣大数据产业园和贵阳乾鸣国际信息产业园,形成强大的资源优势和业务集群,通过搭建产品及技术驱动为主的产业版图,为互联网技术提供全方位的服务。
AI大热的背后 互联网技术创新离不开“源动力”
目前,在大数据、万物互联、计算性能大幅提高的背景下,AI迎来了黄金发展期,众多厂商开始朝着AI这片蓝海扬帆起航。当然,AI当下的爆发式增长,是大数据和计算能力两方面交织发展的结果。AI的快速发展让其在语音识别、图像识别、模式识别、机器学习和深度学习等领域大显身手,毫无疑问,AI对社会经济发展和人类社会发展产生了巨大的推动作用。但我们也要看到,AI的发展离不开数据中心的支持,以AI为代表的互联网创新技术想要更快速、可靠、高效的发展一定需要数据中心这块能供其生根发芽的“土壤”。
为何说数据中心是AI发展的“土壤”呢?因为AI要依赖海量数据,利用海量的样本进行机器学习,而数据中心天生就是具有大量数据的“土壤”,能够给AI提供足够的养分支持,另外,AI需要依赖计算能力,只有高速的计算能力才能在短时间完成指定的任务,恰恰数据中心就是一座计算中心,能够给AI提供高速运算的能力。正因如此,AI和数据中心是相辅相成的关系,两者不能分开。而这也对数据中心建设发展提出了更高要求,比如,基础设施建设、供电和制冷等方面都有新问题需要去解决。针对这样的情况,陈静红指出,SinoBBD承德德鸣大数据产业园和贵阳乾鸣国际信息产业园为代表的创新型一体化数据中心,能为AI提供更加安全、可靠的防护,从供电、制冷、安防、消防等方面为像AI这样的创新技术提供防护的源动力支持,从根本上促进和加速AI的发展。
VR直播成趋势 新技术需要“加速”方能疾驰
目前,除了AI之外,另一风口行业一定是直播行业了,尤其当VR遇见直播,更是创造出一个新蓝海市场。和传统直播比较,VR直播作为一种全新的社交直播形式,给用户带来了耳目一新的全新体验。但从现状来看,类似VR直播这样的互联网创新技术面临一个非常严峻的问题,那就是如何有效解决CDN带宽成本和对网络环境的要求,如果采集端网络极不稳定,会严重影响用户观看VR直播时的质量。
SinoBBD作为获得CDN业务经营资质的企业,在本次展会上全面展示了集团在CDN领域的综合解决方案和服务产品。包括如何打破传统的服务模式,构建以客户体验为中心、一体化的CDN服务体系,为客户提供高性能、高可用、跨厂商冗余的网页加速、下载加速、流媒体点播直播加速、安全加密等全业务服务,协助用户实现“以客户体验为中心”的业务创新目标。
目前,SinoBBD在一体化数据中心建设上已经取得了巨大的成绩,以德鸣、乾鸣为代表的创新型数据中心在建设、运维、节能环保等方面都走在行业前列,在集团“3+10+X”战略目标指导下,SinoBBD未来将在数据中心及CDN领域继续探索新的发展方向和服务模式,通过完整的技术和生态系统,为国家和企业在大数据、人工智能、VR直播等互联网创新技术领域带来更多价值。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。