
CNET科技资讯网 1月8日 特别报道(文/周雅):每年一月份的“赌城”拉斯维加斯可以用“people mountain people sea”来形容,CES国际消费电子展在这里,坐拥观众的脚步和目光。不过看似是全球科技圈的大party,实则参展商国际化的第一站,参展商老将追求屹立不倒,参展商新兵渴望后来居上。今年,中国品牌越来越多。
作为CES的香饽饽,拉斯维加斯当地最大的展馆Las Vegas Convention Center的中央馆,肩负着承载每年LVCC观展中最大人流量的工作,放眼望去,英特尔、高通、爱立信这些老面孔当中,阿里巴巴的身影既鲜艳又新鲜。
Alibaba Group阿里巴巴集团展台毗邻LG展台,全身标准的橙色涂装,一种“橙色预警”的风格显得独树一帜,整个区域选用了黑色面板做背景,再加上多个显示屏,看上去有一种未来科技感。
细看阿里整个展台分为Alihome (阿里家居)、Alicity(阿里城市)和Aliworld(阿里世界)三部分,展出了阿里巴巴互联网服务和生态系统的生态圈。
在这三部分当中,Aliworld包含了Alibaba Cloud(阿里云)和Alibaba.com两块——阿里云展示了系列云产品,包括阿里云云服务器、CDN(内容分发网络)服务及配备专用网络连接的高速通道;Alibaba.com则展示了如何通过数据应用为全球贸易卖家提供智能采购服务。Aliworld圆形环球的展台设计别样精致,似乎映射着阿里巴巴全球化之路。
阿里云加速全球布局
云技术正成为国际趋势,在国外有像亚马逊AWS、谷歌云等等占据了半壁江山的,自然也有像阿里云这样的“新血液”不断涌入。
“今年是阿里云第一次登陆CES,2016年Q3阿里云取得了同期增长130%的成绩。”到访阿里巴巴展台的人数还不少,现场穿着橙色工作服的工作人员热情向观众介绍展台情况。
尽管进入美国市场才1年多的时间,但阿里云这个新兵一点都没有稚嫩感。
阿里云成立的初衷是为阿里集团旗下各大商城提供IT运维支持,随着将近7年的业务发展,阿里云成为了卖家、第三方客户以及阿里旗下业务参与商的云计算和数据管理平台,目前在中国所处理的网站流量总额占40%以上。
“双11”全球买家能愉快的购物狂欢,功劳就在于阿里云,它有个超级计算引擎Apsara,专门为买家和卖家服务,在不可预知峰值的高峰流量期间,让阿里云在无事故的情况下促成了一项达到每秒17.5万订单的破纪录事件。
国际化是阿里云必然要走的路
为了给国际业务打地基,阿里云在全球13个地方建立了数据中心,包括中国大陆、香港、新加坡、日本、澳大利亚、中东、欧洲和美国(东部和西部海岸)等地。这些大数据背后,底下是阿里云在支撑业务。
据阿里巴巴美国工作人员现场介绍,阿里云在国外目前主要为两类人群提供服务,第一是想在中国提供服务的企业,第二是美国华人的初创企业,第三类是美国本土的中小型企业。也就是说,在这些企业中,国际云服务提供商是有市场的。
自2015年6月8日阿里推出“全球合作伙伴计划”(Marketplace Alliance Program)以来,阿里云的交际圈已经往全球扩展开,其搭伙人包括英特尔、新加坡电信公司Singtel、迪拜控股公司Meraas Holdings、法国网站托管和云服务提供商LINKBYNET、致力于ICT业务的韩国公司SK Holdings C&C、香港电信和信息技术公司电讯盈科(PCCW)以及香港燃气公司港华燃气(Towngas)等等。
2016年8月,阿里云宣布为其技术合作伙伴推出全球云市场(Global Marketplace)和AliLaunch项目。该项目为其技术合作伙伴铺平了道路,例如SAP,通过与阿里云合作来进一步扩大其云计算分布。
种种迹象不难看出,阿里云的一脚已经踏进了国际云服务市场。阿里云负责人现场表示,为了更好的帮助中国企业出海,阿里云已经与美国本土的中国企业组织建立了很好的关系,特别是硅谷地区。除了全球数据中心的加速部署,阿里云同时更加看重在生态方面,为中国企业出海,完成“基础设施”的全面建设。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。