数字化转型就像是一场越野长跑,终点在哪里不知道,路上遇到什么障碍不清楚,一路上打怪升级,不断需要滋养,还有更重要的一点,那就是速度,数字化转型,数字化的需求能不能快速响应,怎么能做到开发不拖后腿。
CIO的焦虑
作为一个企业IT部门的掌门人,支撑企业的业务部门业务高效、顺利的完成,是他们责无旁贷的工作,他们的工作,最关切的问题是什么?
一直以来,在他们心中,首要问题就是稳定,稳定是所有事情的基础。没有一个很稳定的IT架构的话,其他就都不重要了。这也是很多人很容易理解的一点。
稳定解决了,那么在稳定的架构当中,速度问题就突出出来了。现在很多的需求来自于他们的业务部门,业务变化快,就要求他们能做到快速响应,需要很快把应用开发出来。
过去,过去开发一个软件,一个应用可能需要半年、一年的时间,但是,以目前业务部门的变化速度来看,这么长的开发时间,根本等不及。很多的极端情况,可能在几周之内就要开发出来,特别是移动端的应用,因为很多应用都需要手机端支持,所以手机端应用本身迭代速度快,更需要敏捷开发。
那么,这个时候怎么办?
云原生的开发速度
云原生从字面意思上来看可以分成云和原生两个部分。
云与本地相对,传统的应用必须跑在本地服务器上,现在流行的应用都跑在云端,云包含了IaaS、PaaS和SaaS。原生就是土生土长的意思,我们在开始设计应用的时候就考虑到应用将来是运行云环境里面的,要充分利用云资源的优点,比如云服务的弹性和分布式优势。
这也还不能解释为什么云原生可以解决开发高效的原因。
云原生的字面意思上,看不出它的优势,但云原生需要进一步理解为:云原生=微服务 + DevOps + 持续交付 + 容器化。微服务顾名思义,就是把服务更加颗粒化;DevOps的意思就是开发和运维结合,你中有我,我中有你;持续交付就是在不影响用户使用服务的前提下,不断更新新功能,频繁发布给用户使用;容器化就是运维的时候,不需要再关心每个服务所使用的技术栈,每个服务都被无差别地封装在容器里,可以被无差别地管理和维护。
这其中,怎么发挥出敏捷开发的优势呢?
技术是无国界的,不断的提升技术能力,吸收全球的技术开发成果,开源的开发方式,恰好是无国界的技术交流法宝。
恰好可以让我们共同携手一起能够去协助很多的企业做到数字化转型。在云原生方面,在很多技术能够从开源技术当中得到它的优势。
OpenShift是红帽的云开发平台即服务(即PaaS),也就是一个开源开发平台,提供弹性的开发支持,让很多企业用户可以在OpenShift上去做云原生开发,实现敏捷的开发速度。
云原生怎么用
云原生的最成熟应用是什么?
红帽全球副总裁兼大中华区总裁曹衡康认为,对于云原生业务应用而言,就像“一千个人心中有一千个哈姆雷特”,每一个云原生用户的需求不同,他们云原生的业务应用不同,需求都是根据他们自己的情况设计出来的。所以,用“最成熟”的描述不够准确。
图:红帽全球副总裁兼大中华区总裁曹衡康
在海信,云原生的Paas平台是基于工业互联网的思路走的。不仅仅是为海信云业务提供了很多的支撑,也融合了在工业互联网平台下,有很多的API的接口需要打通,互联互通的概念,所以不仅在OpenShift上有很多原生应用,也对周边很多很多的系统进行了连接。
同样是云原生,在兴业证券,所建设云原生的体系,就全面的推行了微服务的架构和应用。
从这两个案例来看,他们的云原生应用平台,海信也好,兴业也罢,都被认为是最适合这个行业的,可以帮助他们完成实现业务价值的云原生应用平台,都是好应用。
好文章,需要你的鼓励
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。
上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles,系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%,远低于人类93.6%的表现,揭示了当前AI在三维空间理解和多步序列推理方面的重大不足,为机器人、自动驾驶等应用发展提供重要参考。
字节跳动团队突破了AI图像生成领域的三大难题:身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略,能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案,并具备出色的兼容性,为个性化内容创作开辟了新道路。