云原生是什么?围绕云原生的概念,你找十个云原生领域的专家,很有可能你会得到十个不同的答案。而不同的答案也说明云原生的深度和广度可以包罗万象。
从2010年Paul Fremantle提出云原生(Cloud Native)的概念,提出“云原生”应用应该具有的一些特性。其中包括:分布式、动态插拔、弹性、多租户、自服务、精确计量及计费、增量部署和测试。2013年,Pivotal推广了云原生的概念,今天随着云原生技术的成熟和市场需求的升级,云原生以平滑迁移、快速开发以及稳定运维等技术优势,逐渐成为企业数字化转型的基础。今天,几乎所有的云产品都会搭上“云原生”概念。
面对如此灵魂又复杂的云原生,我们可以换个角度思考,那就是用户,云原生的发展再变化万千,也逃不过客户的实际需求。逃不过企业对于数字化转型的需求,比如从“云化”到“云原生化”的进化过程中企业数字化转型需要解决传统应用单体架构厚重、烟囱式架构等带来的一系列应用层面的问题。
基于此,我们采访了包括华为、戴尔、青云等云基础设施提供商,包括开源技术公司极狐(GitLab)、Dynatrace。包括Veeam、英方等云数据保护厂商、包括F5 Networks网络安全厂商等,深入探讨云原生架构的优势,云原生环境面临的数据保护、安全等挑战。
我们采访了引领云原生应用和技术的华为云,2021年4月,由华为云与中国信通院联合发布《云原生2.0 白皮书》,在以应用为中心,助力客户打造资源无感、无极弹性、免运维的现代化应用的时候,华为云是怎样构建云原生架构的?
我们还采访了Hitachi Vantara,来看看Hitachi集团110多年的运营技术(OT)和60多年的信息技术(IT)经验、技术和行业经验完美结合如何看待云原生。
我们还采访了青云科技,了解到进入云原生深水区之后,青云如何打造云原生操作系统,无缝融合客户的业务。
我们还采访了数据保护领域的独角兽国际厂商Veeam以及国内数据保护专家英方软件。他们分享了云原生架构需要怎样的数据保护策略。
我们还采访了F5 Networks,了解到云原生应用灵活、敏捷、简化等独有的特点,对企业IT架构提出了哪些新的要求?
我们还采访了戴尔科技,了解到戴尔科技为云原生应用的开发和交付打造的新的云基础技术架构。
我们还采访了开源技术公司极狐(GitLab),来看开源技术如何进一步推动云原生的蓬勃发展,进而重塑企业的IT架构。
我们还采访了Dynatrace,了解到如何管理松散的云原生架构来加快企业数字化转型。
本期的数字化转型方略将带来精彩内容。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。