ZD至顶网网络频道 08月26日 综合消息: 8月26日,中国CDN领域的领先者蓝汛和路由器行业的颠覆者优酷路由宝将“在一起”,共同开创中国CDN领域的全新生态。就智能终端内容下沉项目达成战略合作,共同搭建全新CDN加速生态系统,形成蓝汛ChinaCache、优酷土豆和终端用户多方共赢的战略格局。蓝汛ChinaCache 高级副总裁李华、副总裁高军、副总裁傅亮、运营商产品部总经理张先国,合一集团CTO兼云娱乐BU总裁姚键、智能硬件总经理吴懿、技术开发总监杨敬宇出席了战略合作签约仪式。
合一集团CTO兼云娱乐BU总裁姚键
蓝汛ChinaCache 高级副总裁李华
智能终端内容下沉项目打造全新的CDN商业模式,以优酷路由宝作为网络内容存储载体,通过内嵌蓝汛ChinaCache自主研发的智能分发软件实现终端用户网络内容调度、流量引导、内容分发。将CDN加速服务推送至家庭端,成为最靠近终端用户的“CDN加速节点”。该加速模式360度提升终端用户网络冲浪体验,全面提升加速文件下载,视频观看等大流量内容访问速度。
智能终端内容下沉项目全面建立设备与蓝汛节点、设备与设备,设备与源站之间的访问和返回机制,实现综合高效的内容调度。蓝汛ChinaCache将内容推送至优酷路由宝提供的存储空间,向终端用户直接返回或者通过节点调度返回内容源,将终端用户的访问及请求调度到离用户“最近”的位置,并为用户选择最优数据返回路径,实现最快访问;同时,用户访问路径形成大数据资源池,通过对用户行为分析、地域位置、浏览喜好等行为分析,预判用户消费心理及访问习惯,提前推送用户可能感兴趣的网络内容,实现最大化提升网络访问体验。
蓝汛ChinaCache 高级副总裁李华、合一集团CTO兼云娱乐BU总裁姚键签订合作协议
蓝汛ChinaCache与优酷路由宝双方代表合影留念
中国带宽资源的不平衡性和南北区域由不同运营商经营的特点,造成了中国宽带用户体验不佳的现状,而当网络视频成为用户基本信息获取渠道后,带宽资源成为了用户最强烈需要改善的方向。虽然视频网站和CDN服务提供商都在努力改善着中国用户的带宽资源,但事实上,由于CDN服务提供商的用户覆盖有限,而视频网站本身运营重点又无法集中在改善用户带宽的方向,造成了目前视频网站虽然拥有大量的高清视频,但用户很难流畅地观看大码流高清晰度的视频内容。而此次中国CDN领域的领先者蓝汛和路由器行业的颠覆者优酷路由宝的合作,有望从根本上改变中国网民在观看视频时的带宽痛点。
目前优酷月活跃用户达2.5亿左右,通过与蓝汛的合作,有望将每一个优酷用户变成一个CDN节点,一旦这一规划实现,优酷的用户将利用蓝汛的网络加速技术在中国的骨干网之上,重新构建一个拥有上亿节点的CDN虚拟网络,这将彻底改变中国网民的对带宽资源的饥渴。
事实上,对于每个优酷用户或网民而言,平时使用宽带时,其主要使用的是下行通道(下载),而其上行通道(上传)基本处理闲置状态。充分利用用户的这部分闲置资源(优酷已尝试给用户补贴),重新构建基于中国骨干网之上的CDN虚拟网络,是改善中国网民带宽现状最为经济的方式,相对于中国骨干网的建设,这一措施不仅快速有效,而且更加节约成本,绿色环保。
可以肯定,蓝汛通过优酷路由宝内置的CDN加速技术,可迅速扩大节点数量;同时优酷通过补贴的方式,可以将优酷2亿多用户迅速变成CDN节点,这对CDN行业而言未来价值不可估量。就目前的情况,全球还没有企业可以将CDN节点迅速扩展到千万级别,可以说,优酷路由宝和蓝汛的合作,不仅仅将改变优酷用户的体验,更多地将给中国CDN行业带来全新的生态。
未来,基于蓝汛ChinaCache在运营商、广电行业的合作资源,优酷路由宝将打包至客户定制化解决方案中,满足其内容加速、内容优化等诉求,蓝汛ChinaCache与优酷路由宝也将在应用下载分发、游戏加速等领域共同进行技术探索和共享。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。