当前,世界正在进入以新一代信息技术为主导的高速发展时期,技术的快速迭代引爆了发展新机遇,云计算、大数据、人工智能、物联网新兴技术为各行各业提供了新的增长空间,赋予了新的活力,同时也带来了信息安全方面的新挑战。
9月14日,在中国电信天翼云举办的“天翼云安全云 护航数字中国建设”为主题的安全生态论坛上,中国电信云计算分公司副总经理徐守峰出席并发表《云聚智能,预见未来》主题演讲。提出四化一体,云聚智能,以中国电信天翼云护航数字中国建设。
预见智能未来
徐守峰在演讲中指出,未来社会的发展是建立在数字化、网络化、云化以及智能化四大步骤上的,这“四化”作为开启智能时代的四步曲,中国电信十分重视。“感知一个世界最核心的要素就是让世界能够数字化”,在信息转换方面,数字化可以实现模拟信息的数字化转换;在数据采集方面,可以通过智能终端、数据采集器采集声音、位置、图像、红外、温度、湿度、味觉信息。
而智能时代的另一个先决条件就是网络。徐守峰将智能时代对网络的要求总结为三个方面:泛在、高速和随云而动,中国电信也确实做到了:建立最大的NB-IoT网络,陆空天一体,具有唯一的卫星牌照;主推千兆光纤,确立了Hello 5G战略;骨干网随云布局优化调整,入云专线+云间高速可实现分钟级开通。
徐守峰表示,要做更懂云的网。其实,近年来天翼云一直加码数据中心和属地云资源池建设,现有的内蒙古、贵州两大低成本云数据中心和分布在31省的属地资源池实现了本地存储与集中存储的平衡。
预见未来,天翼云在云网融合方面将会更进一步,实现全网覆盖和毫秒级延迟。徐守峰介绍,现阶段天翼云采取的是网随云动的方式,根据广东省的实际数据,省内入云专线时延不超过2ms,现有记录的访问时延最长未超过20ms,带宽专享定制可达最高100Gbps
“算力革命+算法突破+数据训练=智能“,徐守峰最后以简洁的公式形式表达出对智能化的见解。天翼云构建的包括超级CPU实例、裸金属、GPU实例、FPGA实例在内的多种计算服务,为智能时代提供了强大的算力支持,将加速推进智能社会的发展
光改到云改护航数字中国
中国电信作为全球首家提出“云改”概念的运营商,在其内部也正在通过“业务上云”、“IT系统上云”、“网络上云”等措施,积极推动云改,。云和大数据是中国电信“2+5”战略领域的重要构成与基础承载,将成为未来中国电信最重要的新兴基础业务。
伴随着数字经济的蓬勃兴起,以云计算为代表的新一代信息技术创新和产业调整步伐不断加快,发展空间广阔。根据《云计算发展三年行动计划(2017-2019)》,到2019年,我国的云计算产业规模将从2015年的1500亿元扩大至4300亿元。中国电信天翼云作为云服务的“国家队”,必将在未来的云计算浪潮中担起重任。
从网络上看,中国电信已经建成了全球最大的光缆网络;在IDC的资源方面,中国电信具有国内最大规模的IDC资源布局;在政务云市场方面,中国电信也积极推动各地政务云的建设。
在具体实践方面,徐守峰也提到,天翼云曾为某证券交易所提供全球首例、国内最大的基于云资源池和云间高速能力的证券行情及委托交易云,天翼云为其定制的云服务实现了超低时延保证、金融私有云级别安全、多节点组播通信以及可定制化混合云管理;天翼云还实现了业内首家央企私有云与公有云的异构双活灾备中心实践;并且,天翼云还为有“中国天眼”之称的FAST搭建了“超级计算大脑“的超计算中心,使得高并发量的太空数据和计算单元得到充分整合,海量的价值数据得到了充分利用。
当然,这只是天翼云客户服务的一个缩影,在国内,像这样为客户排忧解难的天翼云“标杆案例”不在少数。为了更从容地服务客户,天翼云今年已经陆续上线了云主机备份、弹性文件服务、分布式消息队列等14款产品,涵盖IaaS、PaaS、安全、管理、服务等多领域,还有21款产品或服务即将推出。
最后徐守峰强调,迎接智能新时代要更广、更快、更高、更安全、更便捷,从光改到云改,中国电信智能化转型在提速。虽然护航数字中国建设并非一朝一夕就能做到,但中国电信会在信息化建设中一直发挥主力军和排头兵的作用,践行其央企的责任和使命。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。