3月25日消息,日前权威咨询机构Forrester发布2021年第一季度FaaS平台(Function-As-A-Service Platforms)评估报告,阿里云凭借产品能力全球第一的优势脱颖而出,在八个评测维度中拿到最高分,比肩亚马逊成为全球前三的FaaS领导者。这也是首次有国内科技公司进入FaaS领导者象限。
《The Forrester Wave™: Function-As-A-Service Platforms, Q1 2021》报告
Forrester 将阿里云函数计算视为 FaaS 市场的领导者,并指出:“阿里云函数计算通过拥抱容器生态和开源标准来加速 Web 应用、内容处理等工作负载,在2021年,函数计算对容器生态、OpenTracing、OpenTelemetry、Grafana、Jaeger 等开源标准的支持,使其能力进一步提升。函数计算支持流行 Web 框架、围绕内容的工作负载、1毫秒计费粒度以及对运行时的投入。”
作为未来十年云计算的重要趋势之一,Serverless已经展示出不俗的潜力。Forrester认为,Serverless计算的兴起,让FaaS(Function As A Service)成为继IaaS、PaaS、SaaS之后一种新的云计算能力提供方式。预计2021年,将会有大量主流企业的核心应用,从原来的主机架构迁移到Serverless。
Serverless技术最早由AWS提出,但中国云计算企业在Serverless发展中提前卡位战,迅速跨入先行者行列。据悉,阿里云是国内最早提供 Serverless 计算服务的云厂商,早在2017年就推出了国内第一款具备毫秒级弹性伸缩能力的FaaS 产品——函数计算Funtion Compute,后续不断完善功能,更是业界首创了预付费模式,单价降低70%,更易于资源管理,负载平稳时成本会更低。
目前,阿里云函数计算已集成了30款云产品,支持预留实例、单实例多并发,还提供了容器镜像、性能实例、链路追踪、异步配置等产品能力,拥有云厂商中最完整的 Serverless 产品矩阵,以全部满分成绩获得可信云函数即服务认证,可帮助开发者快速构建稳定、自动伸缩的在线应用或小程序。去年10月,阿里巴巴开源首个 Serverless 开发者平台 Serverless Devs,这也是业内首个支持主流 Serverless 服务/框架的云原生全生命周期管理的平台。
阿里云Serverless 产品家族
不仅淘宝、支付宝、钉钉等已经将 Serverless 应用于生产业务,阿里云更帮助数万家企业客户成功落地 Serverless,覆盖前端全栈,小程序、新零售、游戏互娱、在线教育等行业或场景。例如,世纪联华全面迁移到函数计算 2.0,抗住了超过去年 230% 的业务峰值,并且研发效率交付提效超过 30%,弹性资源成本减少 40% 以上。;口袋奇兵基于函数计算,通过单实例多并发、预留实例优化,节省了40% 的 IT投入成本,大幅提升资源利用率。
去年9月,阿里巴巴成立了云原生技术委员会,全面拥抱云原生,重点围绕容器、Serverless、服务网格等技术,构建更适合云架构的应用与服务。经过 10多年的技术实践,阿里云已拥有国内规模最大的云原生产品家族和开源生态,提供云原生裸金属服务器、云原生数据库、容器服务、微服务等超过100款创新产品。在Gartner发布的2020年公共云容器报告中,阿里云排名全球第一。
好文章,需要你的鼓励
过去七年中,基于机器学习的AI工具几乎完全自动化了地震学的基础任务——地震检测。AI模型能够检测到比人工分析师更小的地震,特别是在城市等嘈杂环境中。斯坦福团队开发的地震变换器等模型使用一维卷积和注意力机制,在包含120万个人工标记样本的数据集上训练。这些工具通常能发现比传统方法多10倍以上的地震,为火山结构成像和地质研究提供了更全面的地震目录。
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
杰斐逊城市医疗集团作为密苏里州中部最大的多专科医疗服务机构,正在使用AI管理会议、简化临床文档和优化医疗流程。该集团在联络中心AI应用方面较为谨慎,担心完全数字化会影响患者体验。CIO表示未来会在统一通信平台集成AI,但部署时机将由医疗专业人员决定。目前已采用AI辅助临床文档记录和会议管理功能。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。