昨日,在2018华为分析师大会(HAS2018)期间,华为云BU总裁郑叶来在云专场发布《华为区块链白皮书》。该白皮书系统的介绍了区块链的兴起、核心技术及原理机制、国内外产业发展现状和典型应用场景,总结了华为历年来在区块链上的研究成果,对华为云区块链服务BCS进行了详细介绍。《华为区块链白皮书》的发布,对加快区块链技术的快速落地,推动行业数字化转型,有着积极的助力作用。
华为云BU总裁郑叶来
提早布局“超级账本” 积极贡献技术推广落地
其实,华为在区块链领域早有布局,早在2016年,华为就开始积极参与Linux基金会下的Hyperledger(又称“超级账本”)项目,该项目是区块链技术领域最具影响力的开源项目,并在两个热度最高的子项目Fabric和STL中持续做出技术和代码贡献,同时被社区授予Maintainer职位,也是两个项目中唯一来自亚洲的Maintainer。
在Hyperledger的Fabric项目中,华为对Chaincode升级等多项功能特性进行了开发和修改,获得社区一致认可并予以采纳。Hyperledger成立中国区技术工作组,华为获得工作组主席职位,并帮助促进全球Hyperledger社区与中国本地技术团队之间的合作,为区块链开源社区在中国的发展和技术推广做出积极贡献。
专注行业数字化转型,推动构建产业生态
区块链具有技术去中心化、不可篡改和可追溯的特点,让参与者与主体之间建立更强的信任。这种特点与企业应用、行业场景相结合才能真正产生价值,是一种技术生态。白皮书指出,华为云区块链服务可用于数据应用、IoT、金融等领域,具体场景如:数据交易、身份认证、房产/学历等信息证明、远程医疗、食品溯源、车联网、IoT设备管理、精准扶贫、供应链金融等,可以很好的跟行业场景相结合,助力构建技术生态与行业数字化转型。
目前,华为云区块链服务主要专注4大类9小类应用场景,包括数据资产、IoT、运营商和金融领域等,如:身份认证、数据存证/交易,新能源、公益捐赠、普惠金融等。
华为云BCS助力企业5分钟完成区块链部署
目前,行业企业都在对区块链技术进行积极探索。然而,企业在云环境下部署区块链并非易事,需要开发者对于区块链技术有深度认知,并且部署费工耗时。
华为云已上线的区块链服务BCS(Blockchain Service),是基于开源区块链技术和华为在分布式并行计算、数据管理、安全加密等核心技术领域的多年积累基础上,推出的企业级区块链云服务产品,是一种开放易用、灵活高效的通用型基础服务。BCS聚焦于区块链云技术平台建设,帮助行业企业在华为云上快速、高效的搭建企业级区块链行业方案和应用,帮助企业快人一步推出新型解决方案,推动区块链应用场景快速落地。
华为云BCS基于华为云领先的云原生技术(如容器等)搭建,可最快5分钟完成区块链部署,同时提供多种安全、高效共识算法,性能高达2000TPS- 10KTPS。基于华为云全栈安全能力,BCS服务通过分层加密、国密支持、同态加密和零知识证明等安全技术,全面保护区块链系统的账户、节点、账本和数据,确保用户和交易信息安全。
聚焦典型应用 构建“三位一体”区块链架构
华为聚焦典型应用领域,以华为云区块链服务BCS为核心,联合网络和终端(含芯片),打造“云服务+网络+芯片/终端”,三位一体的区块链框架,实现软件+硬件结合提供更快、更安全的区块链端到端的解决方案,为构建端到端的可信社会体系而服务。
华为云专注做链圈的使能者,致力于通过区块链技术,帮助企业解决数据流转过程中的可信性难题,携手企业共建可信社会。白皮书同时指出,华为云不会参与任何虚拟货币的相关服务。
华为云区块链白皮书下载链接: https://static.huaweicloud.com/upload/files/pdf/20180411/20180411144924_27164.pdf
华为云区块链服务BCS现在免费开放公测中,欢迎体验:https://www.huaweicloud.com/product/bcs.html
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。