如今的中国公有云版图,正处于百家争鸣时代,大大小小的几十家国内外云服务提供商如百舸争流般乘风远航,用一句时髦的话说,云正处于“风口”。最近,UCloud借到了一股东风,C轮融资获得近亿美元,刷新国内IaaS领域单笔最大融资额。
获得资本市场青睐,说明云计算特别是公有云市场潜力巨大,用Gartner的观点来说,云现在还处于低谷,属于一触即发的时间点。
UCloud副总裁黄健斌
在众多的公用云提供商中,UCloud有其鲜明的特点,UCloud副总裁黄健斌将UCloud视为公有云里的“星巴克”,他在接受ZDNet采访时说,“在某个领域里做到专注是打动客户的关键,以咖啡举例,不像麦当劳标准化式咖啡的千篇一律,而是用专注做出符合消费体验的口味,这就是星巴克的价值。”
在投资人眼里,UCloud创始人季昕华及其所带领的团队就一直践行着将专注进行到底,在UCloud成立以来,已为超过20000家企业用户提供云计算服务,成为一股不可忽视的云力量。
专注,做公有云里的“星巴克”
UCloud获得了客户及业内的认可,因为专注,在最近的工信部可信云工作组(数据中心联盟)公布的第三批通过可信云认证云计算服务的结果中,UCloud在7项评测中有5项均占据领先优势,而参与评测的均为国内一线云计算厂商。这些评测的内容包括了云主机服务、对象存储服务、云数据库服务、全局负载均衡服务等,在技术的领先性上,UCloud已站在了高点。
从《刀塔传奇》推动同城三灾备开始,现在UCloud的很多云数据中心都变成了同城三灾备,“在三大运营里面,通过裸光纤的方式将三个运营商的资源全部互通,在一个城市形成整体一朵云,无论电信、移动还是联通,数据丢包可以在另外一个网络恢复出来。”黄健斌说。
另外,UCloud将在全国三大中心做异地的方案,黄健斌介绍说,北京、上海、广州今年年底将会上线,三大核心节点将会做互通,解决整个中国大部分地区网络覆盖的云端需求。
UCloud做到了多项业内领先的技术,我们知道游戏不能中断,热补丁的技术解决了业务连续性的问题,这项技术是UCloud在业内率先推出的。这样,打补丁不影响重启,而摒弃了过去业务先切到备份中心,补丁打完后再切回来的复杂过程。
开放API也是UCloud像“星巴克”一样重视用户体验的一大特色,“开放用户端和我们业务的对接,包括合作伙伴的对接,让他们调用UCloud的API接口嵌入自己的产品,提供产品开发便利。”
拉勾网就是这个过程的受益者,利用UCloud的底层基础,通过开放API可以调用相关数据,从而丰富产品业务。
黄健斌指出,“大的云公司不开放,就可能导致代码不兼容,甚至物理底层的数据库和用户的数据库不一致,导致便利性和数据迁移复杂度高。”
向金融、政府等行业纵深拓展
UCloud做游戏用户起家,也正是因为游戏对技术要求的高标准,进一步锤炼了UCloud的技术进化,现在UCloud正向金融、在线教育、电子政务拓展,取得的成绩超出预期。
黄健斌说,有两家银行正在签约中,金融行业对云的应用是比较谨慎的,并对云服务方有一定的要求标准,包括机房的建设方、运营方、设备是否中资产品、代码是否受监管机构监管等,在银监会对UCloud机房的考察中,做出了认可。
据介绍,UCloud正在有计划的推出金融云产品,并引入专业的职业经理人,招募服务过四大行的专业人士进行金融云产品的规划。并接入银行的不同合作伙伴,黄健斌期待,除了核心业务,在允许对外招标的银行灾备中心,对UCloud是一个巨大机会。
同样,在政府用户中,包括北京海淀区政府、贵州省政府等已进入UCloud案例库,对于拓展其他地区有更好的帮助。
做中立的云服务商
其实赢得众多客户的信赖,还有一个重要的原因是UCloud的中立性,UCloud的定位也是做中立性的云供应商。之所以这么说,是因为现在很多云服务商是属于或依附于BAT,腾讯云的游戏、阿里云的电商,很多的选择是强制性的。
黄健斌甚至说到,“刀塔传奇之所以是一个传奇,排名和收入均列第一,很大的原因是因为没有放到腾讯云。”
UCloud签约的一家浙江地方银行,为什么没有选择阿里云,是因为阿里要做金融,黄健斌说。
现状是,中国中立的数据中心越来越少,从而需要品牌、资本的助力,从行业的低谷往上走。
出海
除了在行业上进行拓展,从区域上,UCloud也在加速布局全球业务。近日,UCloud宣布与NTT com Asia达成合作,增设香港Tier4数据中心。
其实,UCloud已于2013年底在香港设立亚太数据中心,并于2014年10月成为国内首个落户北美的云服务商。通过和NTT的合作,将进一步完善亚太地区资源。
黄健斌指出,UCloud积极出海一方面为游戏、金融等客户平滑使用海外节点,拓展海外战略提供助力,另一方面也为500强企业落户中国提供便利。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
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。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
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。