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
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。