“云计算与各类新型技术融合,从一个狭义的IT组成部分,到今天IT已经变成云的一部分。”这是阿里云智能总裁张建锋在2021云栖大会上,阐释的一个全新的云上世界。

图:阿里云智能总裁张建锋
今天,动辄百万计的计算规模已经成为一个互联网企业的计算规模,这在过去是根本不可能的事情,用廉价的电脑组成平台系统,成为今天的日常。张建锋指出,一个以云为核心的新型计算体系结构正在形成,随着云网端技术进一步融合,未来无论企业或个人,计算将进一步向云上迁移。
“倚天”直达基础设施底层
回顾科技发展的历程,张建锋表示,云计算与各类新型技术融合,从一个狭义的IT组成部分,到今天IT已经变成云的一部分。
这背后,云计算首先突破了云操作系统“飞天”这样的核心技术,让管理上百万台服务器成为可能。而后,“盘古”存储系统创新性的进行了存算分离,将所有硬盘资源池化,提升数据可靠性。
更进一步,云向下定义硬件。“神龙”架构是阿里云“软硬一体”技术的重要一步,通过对硬件moc芯片的重构,用硬件来做虚拟化,实现了虚拟化0损耗,与行业拉开了代际的领先优势。
最终,云对硬件的定义走到了最核心部件——芯片。在现场,张建锋展示了阿里第一颗为云而生的CPU芯片倚天710,这颗芯片采用业界最先进的5nm工艺,单芯片容纳高达600亿晶体管,是业界性能最强的ARM服务器芯片。
张建锋表示,倚天710是阿里云推进“一云多芯”策略的重要一步,正如云上用户不需关心服务器运维一样,他们也不再需要关心芯片。这是基于云的新型计算体系的一个重要特点,背后逻辑正是要强调基于云的特点来构建整套硬件的技术体系。
开源引领数字时代的创新
一个全新的体系正在三个层次演进:首先,在基础设施层,云向下定义硬件,自研芯片、服务器、操作系统等底层技术,建设云为核心的硬件体系;其次,核心软件基于云来重构,开源社区成为创新中心,并催生低代码等新的开发方式,让云更易用;最后在应用层,未来随着5G网络发展,计算和数据加速向云上迁移,催生云电脑、元宇宙、自动驾驶等新物种。
在云基础设施之上,云原生技术取代了传统IT软件,并在开源社区蓬勃发展。传统IT软件被云原生技术取代,张建锋认为,在传统IT时代,开源软件只是大型商业软件的补充,但云计算出现之后,开源变得标准化。近年来云原生技术的创新大多来自开源社区,例如容器改变了传统的应用架构,并成为行业标准。他表示,阿里巴巴是开源的受益者,也是贡献者,开源项目数超过2700个,是中国开源项目最多的企业。
在此之上,基于云的软件开发方式发生了根本变化。张建锋认为,大型软件向系统软件转变,应用软件让企业自己开发。大型商业软件不仅意味着高昂的成本、还面临漫长的咨询和实施周期,但低代码不一样,任何业务人员、哪怕不懂代码,也可以搭建自己的应用,加快创新速度。
基于钉钉的低代码开发是一种新的开源模式。钉钉上的低代码开发应用8个月增长了86万。如此“大爆发”正是因为打破了应用开发的封闭环境,让开发者从企业专业的IT人员逐步走向个人,开发成本不到原来的十分之一。
张建锋表示,就阿里巴巴自身而言,已经落地了全球最大规模的云原生实践。目前,阿里巴巴业务100%跑在公共云上,并且实现应用100%云原生化。
云上新世界:新物种大爆发
未来,随着5G等通信技术发展,计算和数据加速向云上迁移,从而催生更多云上新物种。张建锋表示,就像最早有了电,后来有了电网,这样的基础设施建设完成之后,出现了丰富的电器,改变了我们的生活和生产方式。
云经历了第一和第二阶段,类比就像出现了电和电网,传统IT被云取代,但真正的改变还没到来。他认为,未来将出现无数的云上新物种,这样的技术爆发已经有了很坚实的基础,我们完成了基础设施的建设,即将看到“电器”爆发一样的时代机遇。
他举例说,云、网、端的深度融合,已经催生出云电脑、元宇宙、自动驾驶等新物种。例如阿里巴巴发布的“无影”,它仅有名片大小,适配所有屏幕,连上阿里云就是一台超级电脑。工程师们已经在使用无影进行编程,因为数据都在云端,不在本地电脑存储,工程师不用再担心核心代码的泄露,也不用再购置高配硬件,就能随时随地使用无限算力,处理各种复杂计算需求。
张建锋认为,“未来所有数据都将在云上,不管你用什么样的设备、有多少设备,每个人、每个企业在云上有一个专属空间,所有的计算负载可能都在云上发生。未来,端的形态将变得更轻薄、更友好,以满足随时随地的创新。”
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。