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
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。