有人说2017年互联网的风口是短视频,这句话并没有错,可能不是全部,但至少是互联网风口之一,从大量的资金开始向这一领域聚集的现象可以印证。从社交网络到在线视频、直播、AR/VR,在互联网的发展史中,信息流经济发展亘古不变。多个市场研究机构均有同样的预测,处于前端的终端流量不断爆发、后端的云的流量也呈剧增态势。
未来的几年发展中,数据量的增长速度可能比什么都要快,甚至可能出现信息过载。伴随数据流量的爆发,有一个领域也呈现炙手可热,那就是CDN(内容分发网络)。CDN天生为解决流量而生,它是互联网企业最喜欢的优化网络方案。
近日,工信部发布第四批CDN企业牌照,至此国内已有11家企业拥有CDN业务牌照,如此多的玩家可见这个领域蕴含着的市场潜力。有机构预测,2018年专业CDN市场或接近200亿规模。
“好饭不怕晚”北京供销大数据集团以后发优势切入CDN市场
近日,第十六届中国互联网大会在北京召开,北京供销大数据集团(以下简称“SinoBBD”)亮相此次大会并介绍其一体化战略布局,CDN业务被重点突出。虽然2016年SinoBBD CDN业务上线,但发展却极为迅速。
北京供销大数据集团CDN事业部副总裁曹杰认为,CDN处于市场活跃期,随着宽带中国战略的推进,基础网络升级并不会根本解决流量与带宽间的潜在矛盾,而是带动流量的爆发,因此推动CDN市场的扩张。
北京供销大数据集团CDN事业部副总裁曹杰
其实CDN技术已经经过十几年发展,SinoBBD的切入点又在哪?曹杰给出的关键词是“开放融合”。“持续开放融合的CDN战略,是北京供销大数据集团所坚持的一贯思路。”他指出,技术上的融合开放,满足了多厂商CDN混合接入要求,这包含了云CDN和传统CDN平台,通过统一调度系统,基于性能、可用性、成本等策略,将业务自动化调度到各能力平台,实现多厂商混合接入。此外,SinoBBD自主开发的CDN平台,则是融合CDN平台的加固和补充,不仅可以更好地满足用户定制化的需求,而且通过技术创新抢占未来CDN产业的高地。
一体化融合CDN为用户提供可控、可管的网络服务
和传统CDN厂商和以云为代表的CDN厂商提供的服务不同,SinoBBD的CDN方案有些不一样。曹杰强调,SinoBBD的一体化融合CDN服务,在开放式CDN平台上实现了可控、可管的目标。首先,一体化融合CDN服务可为客户提供高性能、高可用、跨厂商冗余的网页加速、下载加速、流媒体点播直播加速、安全等全业务CDN加速服务。其次,行业领先的智能调度系统,全面覆盖各种宽带线路,实现了对CDN有控制能力的整合,以及全面的监控与分析。企业一次接入,即可实现智能CDN线路切换,无缝流量过渡,SinoBBD的一体化融合CDN服务为客户提供了最优质、稳定、安全的加速服务。
SinoBBD CDN服务支撑了十分丰富的用户使用场景,包括视频云点直播服务、页面加速、下载加速、动态加速服务、CDN+P2P、以及海外业务加速服务等。曹杰表示,SinoBBD的CDN+P2P服务已经为一些视频行业客户提供了较长时间的稳定服务,此方案对于客户的成本节省和客户体验的提升都是非常明显的,得到了客户的高度认可。
“3+10+X”战略助推SinoBBD CDN布局
CDN市场蕴含的市场机会大,但参与者也在快速增加,无疑将逐步产生变局。前段时间,CDN厂商围绕价格展开竞争,短期内看,客户受益,厂商竞争激烈,未来不排除会有一部分厂商被淘汰出局。
在此环境下,曹杰对SinoBBD CDN业务却信心十足。为什么?他表示,SinoBBD提出开放融和CDN战略,结合集团“3+10+X”战略,集团现已在承德及贵阳建立大型数据产业园区,未来集团将在北上广三地及二三线城市建立更多的数据中心,将融合CDN和自建CDN有效结合,形成全球范围内的CDN节点布局。并以专业的服务实现网络和业务质量的可视化,并提供基于多级策略的智能调度响应功能, 一体化CDN服务,在开放式CDN平台上实现了可控、可管的目标。
SinoBBD作为国内CDN服务的推动者,正逐步落实“IDC/EDC+CDN+云计算+大数据管理平台”一体化产品及服务格局。作为国内CDN行业服务的领导企业之一,曹杰相信,SinoBBD凭借雄厚国资实力,必定会通过不懈努力和创新服务,为更多互联网、政府、金融、教育、科技、制造等企业提供优质和安全的服务保障,推动整个CDN行业向前发展。
此外,随着技术的发展,CDN也在悄然发生变化,CDN市场正从一个专业细分行业转而成为融合化、进一步成为云计算的一项服务,云服务能力成为这个市场的关键。在北京供销大数据集团看来,在超宽带时代的CDN网络市场将向以下三方面演进:与SDN等网络构架结合的融合CDN;向云存储、云计算方向的业务拓展;CDN节点的不断下沉,为解决最后一公里问题,提升用户体验。
市场在变,CDN服务也要变,SinoBBD正在以技术创新满足用户不断变化中的网络需求。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。