2018年3月30日,紫光云战略正式启动,时隔三个月,紫光公有云近日宣布开启上线试商用。至此,公有云市场再添一实力玩家。紫光云称今年是云战略的起步阶段,目前共上线华北1区(天津)、华北2区(廊坊)和西南1区(重庆)三大节点。
虽然是起步阶段,但不得不称赞紫光云的速度,三个月即完成了紫光公有云从无到有的过程。紫光云总裁兼CEO吴健表示,“3个月的执行计划甚至要精确到每一天。紫光云不仅用速度证明了自己的能力,同时在建设过程中始终坚持新架构、高起点、可信赖三个原则。”
紫光云联席总裁焦刚直言,“我们毕竟是比别人晚了两到三年时间,所以要赶。因为从研发、建设、部署、到拓展市场这些步骤都是同步进行的,所以紫光云的上线节奏确实表现得很快。”
据介绍,目前紫光云投入了超过3000名研发人员,未来两年内还将持续增加2000+研发人员,从而不断增强紫光云的技术实力。
事实上,新上线的紫光云在技术上已经形成了突破。紫光云采用了“一多三统一”的架构设计。一多即多门户,紫光云通过大区节点+一级节点+城市节点的核心边缘多级架构的设计,构建覆盖全国的多个入口,在架构设计与搭建上天然具备了混合交付能力、个性定制能力与弹性扩展能力。三统一即统一融合架构、统一资源管理、统一运营管理,通过自主研发的CMP(多云管理平台)实现云服务资源解析与综合调度,在满足分布式、分级、个性的同时,保证了底层架构和运营运维的统一。
“‘一多三统一’的平台设计目前在业界没有参考。”吴健说。
为了完成这样的多级架构,紫光云共部署迭代3次,新增代码27万行。紫光云副总裁兼运营部总经理李永斌在接受至顶网采访时特别强调了紫光云自主研发的CMP(多云管理平台),“如果说多级架构是人体的躯干、四肢,那么CMP就是神经和大脑。通过对用户的资源进行适配和匹配,既可以把不同的资源抓上来,又可以管下去。”他说。
这个通过统一的门户、统一的运营平台,把所有的节点都运营起来,并把下面对接的城市云和大数据节点之间适配方面做统一的调度、统一的运营计费,实际上是一个巨大的挑战,但最终紫光云用两个月的时间把它克服了。
这样紫光云也就满足了数据不出城、本地化交付、多资源池纳管等行业客户的需求。
此外,紫光云还打造了一个高起点的云,李永斌说,“紫光云是一张白纸,所以我们的建设没有包袱。从而希望用最新的架构、最新的设备、最新的理念打造我们心中最好的云。”
从紫光云公布的硬件架构来看,确实达到了高起点:云主机全部采用Intel最新Purley平台Skylake CPU,实现相同密度资源池性能平均提升20%;云网络采用最先进的100G核心+25G接入连接;云存储基于NVMe SSD构建高性能云硬盘,性能较普通SSD云硬盘提升50%;云安全全网实现基于硬件加速的网络安全防护能力等等。
这样的硬实力从而为用户打造了一个强大的云底座。
据介绍,在这样的云架构和硬件平台之上,紫光云首期上线的基础服务和平台服务共有12个大类,267种云服务产品。
紫光云并制定了未来的运营计划:2018年底完成华北、华东、华南、西南4个大区节点的建设,并推进一级节点与城市节点的快速落地;2019-2020年,上线6个大区、10个一级节点、50个城市节点,做到TOP 5的公共云服务商;2021-2023年则进入领先阶段,计划上线6个骨干节点、20个一级节点、100个城市节点,并努力成为国内TOP 3的公共云服务商。
的确,不管是紫光集团的资源保障、还是新华三的技术产品支撑,紫光云已经拥有了出击公有云市场的一手好牌。
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。