在当今的 IT环境中,应用无疑处在最核心的位置之一。我们可以最直观的看到,在刚刚过去的2015年“双十一”电商促销中,天猫超过900亿元人民币交易额的背后,实际就是一连串应用把买家、卖家、平台乃至银行联系在一起。在F5关于亚太区应用使用形态的调查中可知,现在一个企业或机构平均运行的应用以超过了200个。而我们每个人手机、电脑以及其他设备中正在运行的应用至少也是数以十计。是以,当我们经历了软件即服务、存储即服务、基础架构即服务……以来, 应用交付也到了从技术、解决方案向服务转型的最佳时机。
不同以往,在当今这个快速发展的IT环境,“按需部署”早已成为企业的常态需求。无论企业还是个人,都希望自己的应用可以随时可用。如果一个企业无法满足 用户的应用需求,损失用户乃至损失利润都将不可避免。另一方面,由于新技术的快速更迭,如电信、金融等等企业需要随时保持自己的基础架构始终灵活,从而能 够更快的部署应用,提升自己的核心竞争力。这就更将提升应用交付与应用管理的复杂程度。
随着需求与IT大环境“双重复杂度”的提升,CIO们已经不能从单纯的一个维度、诸如安全、SSL、接入控制等方面考虑应用环境。举例而言,我们将一位乘 客从A城市飞行到B城市比作一次应用的交付。10几年前乘客的需求只是简单的安全、尽可能快速不晚点抵达即可。而今天,乘客会考量订票流程是否顺畅、舱位 是否舒适、机上饮食是否合理、甚至机上娱乐系统是不是丰富……这也正是现在IT界在部署应用时面临的现状,环境的复杂和需求的复杂都发生了剧变。所以应用 交付也应当考虑全局,从技术向服务转型,以帮助用户应对现在的局面。
未来企业以及用户对应用的依赖性会持续上涨。对于企业而言,定制化、且符合自身商业模式的应用会更加受到企业级用户的青睐。这就意味这单一产品或解决方案 没办法从根本上满足用户的需求。而将应用交付作为一个灵活、智能、同样可定制的服务提供给用户,将是这个行业的发展大方向。甚至可以说,应用交付从技术向 服务转型的时机,已经到来。
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。