在22日至23日隆重举行的华为中国生态伙伴大会2018上,主题为“大服务,助力行业数字化转型”服务峰会隆重召开,华为重磅推送行业云使能服务。面向政务、金融、公共安全等行业客户的云化转型需求,华为利用云计算、大数据和SDN等新技术,携手生态伙伴打造合作共赢、高效开放的行业云服务生态,为客户提供全服务生命周期的行业云使能服务,加速行业数字化转型。
华为发布行业云使能服务
云化转型是必由之路,但问题多多
进入21世纪第二个10年,行业数字化进入了落地阶段。作为数字化转型的推动者—云计算—也越来越被认可和接受。根据美国国家标准技术研究院(NIST)的定义,云计算有5个本质特征:按需自我服务、广泛的网络访问、资源池、快速的弹性能力和可度量的服务。基于这些特征,云计算可以为企业创造诸如节省成本、缩短产品上市时间和减少硬件规模等价值。
尽管如此,客户业务上云并不能一蹴而就。各种调研机构也总结了各种类型的上云障碍。比如CSOonline.com的报告就显示企业上云的四大障碍:合规和安全、运维的成本和复杂度、与现有IT基础架构的兼容性、不符合业务目标而产生的额外成本。此外,云的落地实施和迁移也对上云能否成功起到至关重要的作用。结合云化转型的需求简单来讲就是“建好云”,“用好云”和“管好云”。
以国内某省政务IT系统云化转型为例,它所面临着重复建设成本高、资源利用率低、资源分散、管理困难、设备老化严重和故障频发等问题。另外,如何打通原有政务资源壁垒,实现数据融合,乃至数据共享?如何实现数据价值,带动业务创新?各行各业看到云的诸多好处而决定做云化转型,但在此过程中,不可避免的遇到了上述问题与挑战。
云化转型应从“建、用、管”入手
“建好云”,要根据业务需求通盘考虑,比如上云的战略,应用的云化,基础设施的云化和后续云服务管理等都要做提前规划;同时,应用上云要有一定的演进路径或者提前的评估规划,实现上云的价值最大化和减少上云的风险。IT是要为业务服务的,云更加要贴合这个目标;根据业务目标制定云的规划设计,最终呈现业务需要的云服务种类,实现云对业务支撑的效率并且降低成本。由于云的集中特性,安全和合规是建云时要考虑的重中之重;从广义的安全来讲,云的灾备也是必须考虑的一环。
“用好云”,则要考虑使云价值最大化。根据一定的评判方法制定上云路线图,并结合云迁移实现应用和业务上云,降低上云风险的同时实现云价值最大化。客户的数据安全至关重要,同时各行各业的合规要求层出不穷,云安全面临重大的挑战。
“管好云”,则面临着新的挑战如底层IT设施的传统管理理念和云资源的灵活管理理念的冲突,也就是如今业界提出的“双态”运维。这要求运维人员的技术水平和管理理念同时得到提升。而安全是一个持续的概念,要在运维中得到充分的贯彻。
华为行业云使能服务,加速行业数字化转型
华为行业云使能服务,从 “建、用、管”三个阶段出发,应对行业客户的云化转型挑战。华为EBG企业技术服务部云使能服务部部长周义林谈到:“华为行业云使能服务,紧贴客户云转型不同阶段需求,覆盖全服务生命周期:云咨询规划、云化评估、云规划设计与实施、云迁移、云安全、云灾备、云运维、大数据规划设计、大数据开发支持和大数据管理。为了帮助客户成功实施落地方案,华为联合业界2200+生态合作伙伴,开发了集50+专业服务工具平台,帮助客户云化转型,目前工具平台已经能够兼容多达260种硬件设施和400种软件型号。”
华为EBG企业技术服务部云使能服务部部长周义林
解读华为行业云使能服务
上文提到的某省政务IT系统,在华为云使能服务的帮助下成功实现云化转型。它实现了多数据中心统一管理、双活云数据中心架构、云平台全方位安全保护、政府各委办局大数据资源的融会贯通与创新利用。目前服务模式按实际业务需求付费,降低冗余建设开销,成本节省约30%;IT系统形成统一资源池,资源的利用率提升到60%;运维自动化程度提升至80% ;政府部门聚焦自身业务,服务社会的水平和能力都有很大的提高,提升政务服务满意度50%。
“云的中心从基础设施向行业应用转移,企业要实现技术到业务的全面数字化,端到端的行业云使能服务是关键。”周义林补充到。数字化转型可以帮助客户适应快速发展的市场并挖掘更多商机,华为全服务生命周期云使能服务必能加速云转型成功!
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。