
企业软件正在发生剧变。日前,普元CTO焦烈焱在专注软件架构和平台创新的“PWorld2015大会”上指出,企业IT架构正在从SOA向商业功能虚拟化(BFV)演进,而基于“微服务+微应用”模式,会实现开放IT。
焦烈焱进一步介绍道,虚拟时空的交易与现实时空交付的数字化时代已经来临,数字化时代又通过个人、组织、事件、物体的数字化连接,实现了商业功能虚拟化。在此商业模式下,“微”已经成为一种趋势,无论是微信、微博、微媒体、微电影还是小微金融,都能看出。同样为了实现该商业模式,专家预测,企业软件将在未来十年内,转型为以微服务架构为核心的微应用大平台的建设模式。
普元CTO焦烈焱
在云计算、大数据以及移动互联等前沿技术的冲击下,要实现“微服务”、“微应用”,企业软件必须先期实现云端的资源聚合、分享以及调配,具备快速、弹性、可扩展的虚拟化能力。
普元资深架构师顾伟指出,”微服务“是一种更灵活、更可靠、更开放的架构,它的特点集中在开放、轻量、松耦合、易迁移、易伸缩、容错性、自监控、语言中性等。”微服务“的“零散”特征使得企业能够快速应对服务扩容、业务开放、业务变化、服务整合等需求。“微服务”通常的解决方案会结合当下比较流行的Docker和OpenStack技术。
而支撑“微服务”的就是能够快速迭代“微应用”,在“微应用”之下是一个以各种技术标准、进行兼容和统一为基础、并提供多类型的业务平台。
然而,以”微服务“技术架构为核心的“微应用”大平台建设模式和云计算、智能运维等是都密不可分的。企业在使用”微服务“的同时,对其IT支撑管理、运维等能力的的要求也会相应提升。而IT支撑管理、运维等能力的背后,是一系列对接互联网+、工业4.0等发展趋势的基于“大平台、微应用”模式的新型企业平台产品。
因此,在本届PWorld大会上,普元启动企业软件平台实践创新成果:Primeton IaaS云计算资源管理平台、Primeton Big Data Integration新一代大数据集成平台、Primeton Mobile移动平台这三款升级产品。
·Primeton IaaS云计算资源管理平台,能够助力企业构建国内首屈一指的OpenStack私有云,通过混合云服务管理、高可靠的高可用技术、同城双活和容灾等帮助企业IT构建软件定义的数据中心;
·Primeton Big Data Intergration新一代大数据集成平台,拥有大数据全生命周期管理能力,快速(自动化)开发、部署能力,高效稳定的大数据处理能力,全方位数据质量保证体系,简单易用、保障全面,是一站式有效解决大数据领域信息孤岛、可靠传输、数据一致等问题的必选工具;
·Primeton Mobile移动平台,拥有最先进的跨平台方案,可实现包括专业用户的移动App接入、潜在用户的微信接入、内部员工的管理接入等全面的移动接入覆盖,敏捷的移动应用DevOps模式、独创的应用快速推广交付模式更能够为企业推动移动互联网化升级,提供全方位的技术支撑。
据IDC公布的最新报告显示,2014年全球云IT基础设施的支出总金额为264亿美元,较2013年增长达18.7%。在这种市场大背景下,普元希望,Primeton云计算、大数据、移动平台等解决方案依托技术趋势,能够给客户更多、更自由的创新选择,一站式综合解决企业客户当下的业务、技术、服务等各项挑战。
资料显示,仅在中国市场,普元软件平台家族全线产品已经在金融、电信、电力、军工、能源、政府、制造、物流等多个行业的数千个关键应用上得到验证。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。