2022年6月30日,中国电子技术标准化研究院在北京举办主题为“标准聚力 云上赋能数字经济”的第十一届中国云计算标准和应用大会,并宣布“信标委云原生专题组”正式成立。华为云担任该标准专题组组长,并荣获“2022年度云计算标准化工作优秀单位”。

云计算标准的制定与应用对于云计算产业的发展至关重要,华为云一直以来都非常重视参与标准相关的工作。华为云CTO张宇昕表示:“近年来,各行各业正在深耕数字化,‘元宇宙’、‘WEB 3.0’、‘双碳’、‘东数西算’等新的技术和课题层出不穷。云由于其弹性、按需、无处不在等特点,无疑成为承载新技术新业务的最佳底座。华为云提出‘一切皆服务’的战略,即基础设施即服务、技术即服务、经验即服务,打造云原生2.0的全系列产品和解决方案,服务千行百业实现高质量高效率的数字化转型。同时,华为云积极参与云计算标准的制定和推广,进而为云产业的繁荣发展做出应有贡献。”
随着云计算的发展,2015年业界首次提出云原生的理念以来,各行各业已经广泛使用云原生技术,容器、微服务、Serverless、DevOps等云原生技术层出不穷。2020年华为云首次向业界提出“云原生2.0”。云原生2.0是企业智能升级的新阶段,企业云化从“ON Cloud”走向“IN Cloud”,新生能力与既有能力有机协同、立而不破,实现资源高效、极致体验、万物互联、应用敏捷、业务智能、安全可信、行业使能,成为“新云原生企业”。云原生技术和产业发展到新阶段,需要更进一步探讨和推进云原生的标准化工作,以指导云计算产业和生态的健康发展。
在此背景下,中国电子技术标准化研究院成立“信标委云原生专题组”,华为云长期重视并投入云计算标准工作,未来华为云将联合专题组其它参与单位,围绕云原生基础设施等多层面多维度探讨和开展技术、评价、运营类标准的制定,推动云原生在各个行业的规模化落地,助力企业数字化转型。
在本次大会上华为云PaaS首席产品专家汪维敏发表了 “深耕数字化,引领云原生”的主题演讲。他表示, Serverless无处不在,多云、分布式云,DevSecOps和组装式交付等作为云原生未来的四大演进方向值得产业界关注。此外,华为云的多位专家在大会的云原生分论坛上介绍了华为云创新的云原生产品:分布式云原生产品UCS,DevSecOps产品DevCloud;并深入解读了华为云的诸多云原生开源项目:边缘计算平台项目KubeEdge,批量计算项目Volcano,多云容器编排项目Karmada,分布式云原生开源套件Kurator。
未来,华为云还将一如既往支持云计算标准的制定及推广,为云计算产业的繁荣发展做出应用贡献。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"