4月11日,阿里云智能CTO周靖人在北京云峰会上,宣布发布ECS企业级通用算力型U实例,价格对比上一代主售实例最高可下降40%,同时推出对象存储预留空间产品,价格最多可降70%。此外,阿里云还向开发者推出“飞天免费试用计划”,开放全栈云产品体验,首批推出50多款核心产品免费试用,时长最多可达3个月。
“成本是企业上云的核心关注点之一,阿里云进一步释放技术红利,为中小企业用户提供优质算力。”周靖人在会上表示,阿里云将进一步深挖“飞天+CIPU”体系潜能,用技术和创新惠及更多中小企业和开发者,降低创新成本。
ECS企业级实例降价40% 对象存储预留空间产品最多降70%
云计算是一种高效的资源使用方式,目前国内数据中心的CPU平均利用率在10%左右,而在云计算可达传统数据中心的5到10倍。随着云计算在互联网场景,包括政府、金融、制造等行业不断普及,单位算力的使用成本将不断降低。
为了让更多的企业特别是中小企业更加充分地享受云计算红利,阿里云推出新款通用算力型ECS云服务器Universal实例(简称U实例)。U实例整合了多种云服务器规格,无需进行复杂的资源配置,售价相比上一代主售实例降幅最高可达40%,更适合Web应用及网站、企业办公类应用、离线数据分析、中小型数据库等典型应用场景,具备与其他同类产品一致的稳定性和用户体验。同时,阿里云还推出了“0元升配”活动,符合条件的用户可免费升级至第7代ECS实例。
用户还可通过预留云上存储空间和锁定购买时长,来获得更低的长期存储成本。新发布的对象存储预留空间产品OSS-RC,用户购买1TB/年、1PB/年的存储费用相比按量付费分别下降量36%和50%;若选择无地域属性预留空间,10TB/年、1PB/年的存储费用分别可下降64%和70%,更适用于互联网音视频、云相册、数据备份等多种业务场景下的数据存储与管理。
50多款云产品免费试用
除了帮助用户优化成本外,阿里云还向开发者们抛出橄榄枝,推出“飞天免费试用计划”,面向1000万云上开发者,提供包括ECS、数据库PolarDB、机器学习PAI等在内50款云产品的免费试用,时长支持1个月、3个月到长期免费,可支持开发者构建包括在线、大数据类、AI等不同类型应用,并且支持serverless的开发模式。同时还提供完备的产品文档、一键部署的技术解决方案、1000多门免费课程,让开发者“零门槛”体验云服务。
全面serverless化支撑组装式研发
为了降低云上开发门槛,阿里云广泛布局serverless、弹性容器、函数计算等产品技术,引导开发者进行组装式开发,非技术人员也可以参与到开发中来。
以高德地图为例,得益于 Serverless 的零运维特性,客户端开发人员可独立开发和发布卡片、气泡等精准服务,使用函数计算实现多变的业务逻辑。这些后端服务又能沉淀为可复用业务模块,支持独立迭代,风险大幅降低。目前,高德采用组装式开发模式构建的新平台已承载100%的生产流量,业务规模达到百万QPS。功能交付时间从天缩短至小时,整体成本降低了38%。
“以模块化、可编程、可视化、服务化为特征的组装式开发将成为未来主流的开发范式。”周靖人表示,阿里云正全面推动核心云产品Serverless 化,以此支撑组装式开发范式的应用和普及。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。