云计算市场上,开发者一直是各巨头布局云生态圈的重点资源。然而,从今年开始,一个显著的变化出现了,云圈子里大家纷纷开始拥抱传统企业。
腾讯云从游戏起家,在2013年9月推出后,在游戏上做了较多探索,不仅提供了IaaS层面基础的服务,也提供了基于PaaS、SaaS的增值服务;另一方面,继今年4月1日亚马逊云宣布服务价格下调后,腾讯云也于5月9日起,在做出价格调整的同时,针对创业者推出一系列的扶持计划,并且整合了其社交和游戏产业链资源。
这似乎意味着云市场发展至此已到了节点。事实不然,数据表明,云计算前景广阔。腾讯公司副总裁、腾讯云负责人邱跃鹏指出,在2014年,全球云计算市场规模已经达到了1500亿美金,而整个全球IT投入3.6亿美金,云占其中不足4%份额,因此可以看到未来云计算有着非常广阔的增长空间。
在国内,2014年第一季度对比2013年,云计算增长了30%。工信部对今年企业云计算选择的调查,发现有超过四分之三的企业希望将自己的服务搬到云上。
可以预见,传统企业正渴望云计算的洗礼。
一个明显的现象就是,在2014腾讯全球合作伙伴大会腾讯云分论坛上,出现了南方航空、用友、招商局地产等传统企业的身影。
“众多的移动应用开发者为了用最短的时间争夺市场,以最稳定的服务赢得并留住用户,使用可靠的云服务让产品快速上线已经成为产品成功的要素之一。随着传统企业也纷纷移动互联网化,企业IT对云服务的需求也越来越强烈与明显。”邱跃鹏指出。
对于传统企业来说,那些借助云计算轻装上阵的互联网创业黑马不断涌现,给其带来强烈冲击。从此次腾讯云分论坛现场来看,来自航空、酒店、金融、地产、服装等传统行业的代表们表示要积极拥抱互联网,建设安全高效的云端环境。
至此,邱跃鹏披露,腾讯云未来面向传统行业的发展规划——连接百万企业:以私人订制的方式贴身扶持1千家企业;以专家培训、重点扶持的方式扶持1万家企业,以在线培训和资金扶持的方式扶持10万家企业,两年内帮助100万家企业完成云化转型。
传统行业规模较大,又是直接与现实生活紧密结合的业务,因此其对云计算的性能有着比互联网企业更高的要求,包括云计算速度、网络性能、数据处理能力等等。
传统企业互联网化的过程当中,数据、安全和性能是需要保障的基本问题。
腾讯云的目标是让用户的服务“永不掉线”。同时,在过去16年里,腾讯一直非常关注用户隐私的公司,提升对于安全数据的保护能力。例如:应用加固是腾讯云和腾讯安全部门一起提供的对于应用安全性的保证,以保证APP不被别人山寨。
此外,腾讯云还在搭建“百分服务”体系,大打服务牌。“百分服务”承诺提供包括故障百倍赔偿、5天无理由退货、免费备案、大客户一对一服务及7*24小时服务在内的补偿政策及服务,表达了腾讯云通过服务来赢得用户的决心。针对大客户,除了提供一对一的大客户经理金牌服务之外,腾讯云还特别推出保驾护航项目,承诺在客户业务关键期不做对其业务可能产生影响的版本更新。“云计算争夺战,最终靠服务决胜。我们会把客户的问题当成是自己的问题,只要用户确实需要,我们就会尽力去满足、去解决“,邱跃鹏表示。
在互联网迅速发展的今天,业内人士的眼光往往都聚集在行业巨头身上。腾讯云正是希望搭建云生态服务平台,实现与合作伙伴的价值共享,助其营收。
未来,传统企业以及互联网行业或许能通过应用、线下服务和智能硬件之间互联,形成O2M的市场体系。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。