2022年6月15日,以“原生聚力、云数赋能”为主题的2022云原生产业大会顺利在线上召开。大会旨在推动云原生技术生态的蓬勃发展,践行“十四五”时期的重要阶段性目标,加快各产业数字化转型。
经过层层审核评选,华为云分布式云原生服务UCS、云原生数据库GaussDB(for MySQL)荣获“云原生技术创新案例奖”,华为云软件开发生产线DevCloud荣获“云原生安全技术创新奖”。同时,中经社基于华为云软件开发生产线DevCloud和应用治理服务ROMA,构建了国家级金融信息平台,荣获“云原生应用优秀案例奖”。
打造无处不在的云原生服务
华为云分布式云原生服务UCS
华为云推出业界首个分布式云原生产品——华为云分布式云原生服务(Ubiquitous Cloud Native Service,UCS),旨在打造无处不在的云原生服务。
华为云UCS具备百万级节点算力协同能力,可随时、随地提供应用所需的算力资源;通过智能流量分发调度,可实时跨域、按需调配应用访问流量;同时,数据随应用一键迁移,令企业实现以应用为中心,全业务一体化迁移、弹性、容灾。
云原生技术创新案例奖:华为云分布式云原生服务UCS
华为云UCS,致力于让企业使用云原生应用时感受不到地域限制、跨云限制、流量限制,充分保证应用的一致性体验。目前华为云UCS已经在慧通差旅等项目中得以应用,加速企业业务敏捷创新。
深耕中国软件根技术
云原生数据库GaussDB(for MySQL)领跑业界
华为云推出业界领先的云原生数据库旗舰产品GaussDB(for MySQL),实现了资源池化存算分离,并与云基础设施深度结合和优化,持续深耕中国软件根技术,加速数字技术与业务的进一步创新融合。GaussDB(for MySQL) 是100%兼容MySQL的高性能企业级云原生数据库,以应用为中心,提供多模兼容、全开放的架构能力,最高支持128TB的海量存储,可实现超百万级QPS吞吐,支持跨AZ部署,数据0丢失,既拥有商业数据库的性能和可靠性,又具备开源数据库的灵活性。
云原生技术创新案例奖:云原生数据库GaussDB(for MySQL)
GaussDB(for MySQL)分别针对容器、微服务、多元算力、Serverless、分布式云高可用、弹性扩展等云原生技术从产品本身做出了关键技术的革新,主要包括:云原生Serverless、ALT(应用无损透明)、多可用区强一致访问、NDPQ(近数据计算下推+并行计算)、Log Is Database、云原生HTAP、全局一致性读、云原生多主等,摆脱了传统数据库的架构局限性,充分发挥出云计算的优势。现已在互联网、游戏文娱、保险、制造、物流、交通等多个行业场景得到广泛应用,如:助力永安保险重构核心业务系统,赋能中国一汽红旗和一汽大众数字化转型等等。
安全可信、敏捷创新
华为云软件开发生产线DevCloud业界领先
华为云软件开发生产线DevCloud构筑了云原生的DevSecOps平台,把安全的标准、规范内置在应用开发和运行的始终,并通过研发工具链实施和验证,提供端到端的安全防护,既保障高效开发又能让应用原生安全、运行安全。相对传统的研发工具,这一平台代码仓性能可提升5倍,构建性能提升10倍,测试管理容量提升10倍,为全球开发者提供开箱即用的服务。
云原生安全技术创新奖:华为云软件开发生产线DevCloud
为了更高效、更安全,DevCloud具备四大能力,高效智能的华为云桌面IDE-CodeArts,其智能代码分析和搜索能力能将编码效率提升50%;精准的增量编译加速可将编译构建效率提升10倍;华为云测试自动化工厂是业界首家支持亿级用例管理的厂商,支持百万级高并发、千万级TPS压力测试,提供7*24小时的现网拨测、实施监控和动态质量评估;同时,二进制成分分析服务和移动应用安全服务进一步提升全流程安全可信服务能力,提前拦截9000多个合规问题,大幅提升移动应用APP上架效率。
华为云应用现代化
构建中国经济信息社技术平台
中国经济信息社在数字化转型过程中,利用华为云DevCloud软件开发生产线和ROMA应用治理服务,打造了国家级金融信息平台,构建了一站式软件开发生产线,需求响应效率比过去提升了3倍,通过内置3000多条编码规范,实现研发交付规范、标准统一,运维部署效率提升了4倍。
在繁荣云原生产业方面,华为云以“一切皆服务”再升级云原生2.0全景图,以“基础设施即服务、技术即服务、经验即服务”持续引领云原生技术发展方向,让云原生为数字经济发展和企业数字化转型释放更多价值!
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。