12月30日,华为云TechWave云原生2.0技术峰会在深圳举行,来自各行业超300家企业的技术专家出席会议。峰会现场,华为云联合CNCF、中国信通院及业界云原生技术精英们,共同发布全球化云原生交流平台“创原会”。华为云CTO张宇昕表示:“结合华为自身超大规模云原生实践,以及帮助政企、互联网云原生转型的丰富经验,我们希望通过联合产业、社区构建的创原会,去共同赋能行业,共创云原生产业”。

创原会是华为云联合CNCF、中国信通院及业界云原生技术精英们,构建的全球化云原生交流平台,旨在通过探索前沿云原生技术、共享产业落地实践,共创云原生与业务融合的无限可能。CNCF总经理Priyanka Sharma表示:“创原会为技术专家们提供了一个探讨技术、分享实践的开放交流平台,这也将成为繁荣云原生计算基金会最终用户社区的关键举措之一。”同时,中国信通院云计算与大数据研究所副所长栗蔚认为:“创原会将汇聚各行业云原生技术精英,为技术管理者提供开放、专业、高效的交流平台,共同探讨如何使用云原生技术应对企业发展的不确定性,加速企业数字化转型和智能升级。”
峰会当天,由创原会组织的云原生技术精英沙龙邀请到来自华为、中信银行、广汽本田等各领域知名企业的40+技术负责人,围绕云原生如何加速企业数字化转型和智能升级进行了深入探讨。

华为流程IT:大规模云原生实践,保障全球化业务高效开展
云原生2.0阶段,企业云化从“ON Cloud”走向“IN Cloud”,华为云云原生资深技术专家汪洋表示,华为云通过重定义基础设施、新赋能泛在应用、再升级应用架构,全面升级成为“以应用为中心”的云原生基础设施,以更好满足企业新一轮数字化建设的诉求。华为自身已实现大规模云原生落地,来自华为流程IT的高级架构师于明喆强调:“现在公司研发作业域和IT生产域的架构基本都实现了云原生化,使用云原生技术后,我们在全球20+数据中心的交付效率、版本变更成功率、研发自动化率、系统可靠性都有了极大的提升,保障了全球业务更高效的开展”。
中信信用卡中心:历时四年,构建成熟的云原生生态体系
中国人民银行在2019年提出,金融行业要重点发展人工智能、大数据、云计算、分布式数据库、区块链等技术和应用场景,标志着金融行业的新一轮数字化升级开始,同时随着云原生技术在金融行业深入使用,云原生已成为本轮升级的关键技术 。中信银行作为国内较早使用云原生的金融机构,有着丰富的实践经验,已建成国内领先的云原生金融云平台。中信银行信用卡中心信息技术部资深技术专家胡臣为大家分享了基于云原生的创新实践。“以打造更敏捷的IT资源、提升IT及业务的创新能力为目标,基于云原生技术构建了高效的基础设施、敏捷的研发体及运维体系,”胡臣表示,“这使得资源成本节约50%、交付效率提升30倍,未来我们将在更多领域,如AI、大数据、边缘,使用云原生技术,加速业务创新。”
广汽本田:业务+云原生技术,双引擎驱动企业数字化升级
作为传统制造业,汽车行业也正加速数字化升级的步伐,以更好的服务于生产、销售、员工及客户,并通过引入AI、IoT、边缘等新技术,加速传统车企的业务多元化升级和创新。广汽本田作为国内领先的合资汽车厂商,已经历了多年的数字化转型实践,近年开始基于云原生技术进行全面业务架构升级,所分享经验对现场嘉宾极具参考价值,广汽本田IT负责人何建锋表示:“云原生技术在基础设施和应用层极大的提升了我们的交付和运维效率,让我们面对市场的快速变化时,能快速响应、及时回馈业务,满足广汽本田业务大规模发展及创新的诉求”。
“聚八方领航者,论云原生之道”,创原会将秉持探索前沿云原生技术、共享产业落地实践的宗旨,与业界云原生技术精英一起,围绕云原生与数字化转型话题举办一系列活动,持续赋能“新云原生企业”,加速云原生技术落地和产业繁荣。
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。