
CNET科技资讯网 8月10日 北京消息(文/齐丰润): 了解阿里云的都清楚,云栖大会在今年去过了上海、深圳、厦门……等很多地方,昨天,云栖大会又来到了北京,虽然不是在杭州的阿里云大本营,也并非云栖大会的最大场次。但这里确实阿里云竞争对手林立地方,阿里云在北京向用户传达的内容不敢懈怠:新Logo启用,明晰海外市场战略。
随着阿里云的客户不断成长,走出国门,跟着小伙伴们一起出海,就成了阿里云的新姿势。

阿里云副总裁喻思成告诉各位小伙伴们,可以放宽心了,阿里云今年内将新开欧洲、澳洲、日本和中东数据中心,构建全球覆盖的云计算基础设施覆盖,让互联网超越区域市场,让企业能用统一的云计算平台支持全球业务。
同时,面对微软、AWS这些海外对手,喻思成认为,阿里云在人工智能、安全和企业级互联网架构三个方面具有其他服务商没有的优势。“互联网不仅仅是一个区域市场的互联网,这是未来10年互联网的巨大机会,需要我们去建立一个全球化云计算基础设施布局。”
除了陪伴中国企业走出去,阿里云还在大会上发布了AliLaunch计划,引入全球优秀的软件服务商到国内,为中国市场带来国际前沿的技术和解决方案。喻思成表示,AliLaunch计划将在年内引入超过50家国际顶尖软件服务商入驻。
今年,阿里云一直展示其在人工智能上做出的努力。
4月,阿里云推出的人工智能机器人小Ai亮相,并大胆预测了《我是歌手4》的冠军。随后,小Ai还进驻了蚂蚁金服、阿里巴巴集团、吉利汽车,做起了接线员的工作。
在北京的亮相,小Ai选择了用ET形象,代表马云来参加此次北京峰会。
一出场,阿里云首席科学家周靖人就让ET进行了一段技能展示,除了具有小Ai的所有能力之外,ET还现场进行了看图说话、视频解说,甚至在现场模仿起了马云和周靖人聊天,不过ET只能对图片和视频进行一些简单简短的描述,想要真正做到实时的比赛视频解说,ET尚需努力。
周靖人介绍,ET的优势并非仅仅是陪人说学逗唱,更多体现在全局洞察和实时决策上。
“我们并不是要培养一个只是单纯模仿人的人工智能机器人,而是在某些方面超越人,和人的能力形成互补,在商业社会发挥作用。”
据了解,ET目前尚处于1.0阶段,已初步具备听、说、看的感知能力,并能够在交通、工业生产、健康等领域输出决策。
“也许在20年后,掌管阿里巴巴的,就会是一位商业领袖ET。”周靖人如是说。
2016啥最火,直播必然位列其中,更是有人称2016年为直播元年,巨大的市场潜力以及网红文化属性让直播迎来了大火的时代。阿里云资深总监李津认为,“这是一个人人都能成为网红、你见即我见的时代。”
在云栖大会上,阿里云正式发布了一站式视频云解决方案ApsaraVideo,提供直播、点播、媒体转码、视频画质重生等全方位的视频产品与服务。据介绍,该方案十分便捷,可以让客户像逛宜家一样,在里面找到自己需要的产品与服务,快速搭建可承载千万级并发的直播平台。
除了推出了直播解决方案之外,阿里云还在北京峰会上宣布启动AliSQL数据库开源项目,该版本性能优于社区版MySQL 70%左右,可帮助中小企业和开发者提升数据运营能力。
阿里云数据库资深专家丁奇表示,“在通用基准测试场景下,AliSQL版本比MySQL官方版本有着70%的性能提升。在秒杀场景下,性能提升100倍。”阿里云方面表示欢迎大家共同参与开源项目,在使用的同时也贡献智慧,为数据库行业带来更多进步。
本届云栖大会上,最早亮相的就是阿里云新LOGO:用了全新的“[-]”符号取代了过去使用了近六年的“云”标志,这也是阿里云自2009年成立以来第二次更换新LOGO。
全新LOGO的启用,传达了阿里云迈向海外市场的形象需求,阿里云总裁胡晓明在公开邮件中对新LOGO进行了解读,这个新logo代表阿里云从云到计算,从中国到世界,从科技到普惠,从成长到守护的寓意,希望能更形象的表达科技公司气质。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。