科技行者 7月24日 北京消息:7月23日下午,“鲲鹏凌云,开启多元新架构”论坛在北京召开,来自全国大中型企业的客户代表、云服务生态伙伴、行业专家以及开发者代表参加,对云计算架构的现状和未来发展方向展开深入探讨。
华为公司副总裁、华为云业务总裁郑叶来在论坛以《鲲鹏凌云,开启多元新架构》为题发表了主题演讲,并与25家伙伴、华为云中国区总裁洪方明共同发布“华为云鲲鹏凌云伙伴计划”。
郑叶来指出,Cloud2.0时代,是“云+AI+5G”时代,企业需要多元化云服务架构。随着5G技术的应用和普及,海量智能终端数据的应用需要一个新的云架构生态系统支撑,ARM架构能很好地支持应用移动化和终端化的需求。华为云基于华为鲲鹏处理器打造了鲲鹏云服务和解决方案,开启云上的多元新架构。华为具备从芯片到服务器到平台的全栈自主创新能力,软硬件深度协同使我们的鲲鹏云服务具备极致性能,更好地帮助客户实现业务安全可靠和产业智能化升级。
鲲鹏云服务的发展离不开伙伴的支持,需要ISV、咨询、迁移服务等各类伙伴共同参与,携手合作,共同奋斗,才能建设欣欣向荣的鲲鹏云服务生态。华为云计划首批投入1亿元生态资金,为合作伙伴提供培训、技术、营销、市场等全面支持,帮助100家伙伴完成基于鲲鹏云服务的开发、应用移植,让伙伴通过华为云市场实现5亿元以上销售收入。
鲲鹏凌云伙伴计划具备“更领先、更迅捷、更开放”三大特点。首先,鲲鹏凌云伙伴计划首批投入1亿生态资金,这也使得华为云成为全国首家战略投入鲲鹏云生态建设的云服务厂商,并为开发者及行业ISV提供最领先的技术服务支持;其次,华为云将在云市场开辟鲲鹏专区,优先推荐伙伴的应用上架到华为云市场;同时,华为云具备云边端协同的优势,为伙伴提供开放的生态支持。
云计算领域的生态伙伴积极参与鲲鹏生态,目前已经有超过80家伙伴的应用在往鲲鹏云服务移植,其中25家已率先完成华为云鲲鹏云服务兼容性测试的认证。
对于解决方案、应用移植,中软国际互联网ITS集团副总裁高巍介绍道,通过方案设计,相关应用的组建测试、验证等一系列环节,中软国际实现了将金融、政府、制造解决方案,以及企业平台和云自主产品成功移植到鲲鹏云服务。他表示,高性能、更安全的鲲鹏全栈云服务让政府、金融等客户的系统能够更加安全可靠、自主可控。
同样,上海思普信息技术有限公司总经理应思红也表示,华为云鲲鹏云服务具备高安全、高效益、易迁移等优势。在未来,思普也将继续携手华为云,共建鲲鹏新产业。
此次大会,郑叶来也介绍道,成为鲲鹏凌云伙伴具有一定的标准:首先需要是华为云解决方案伙伴计划的成员,并且要加入到华为云云市场计划中,同时还要具备X86异构系统移植或开发的硬实力。在加入鲲鹏凌云伙伴计划后,合作伙伴将享受优质的培训支持、全面的技术支持、市场营销支持、业务支持等四大支持福利。
首批加入华为云鲲鹏凌云伙伴计划的企业名单如下:
北京并行科技股份有限公司
北京博海迪信息科技有限公司
北京超图软件股份有限公司
北京东方通科技股份有限公司
北京金山办公软件股份有限公司
北京迁徙科技股份有限公司
北京三体云联科技有限公司
北京致远互联软件股份有限公司
北明软件有限公司
达孜帆软软件有限公司
广东盈世计算机科技有限公司
杭州登虹科技有限公司
杭州中威电子股份有限公司
江苏国泰新点软件有限公司
软通智慧科技有限公司
厦门卡伦特科技有限公司
上海思普信息技术有限公司
上海英方软件股份有限公司
深圳市奥思网络科技有限公司
深圳市智物联网络有限公司
西安盈谷网络科技有限公司
用友网络科技股份有限公司
云和恩墨(北京)信息技术有限公司
中科软科技股份有限公司
中软国际科技服务有限公司
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。