4月25日,在华为开发者大会(Cloud)2021上,华为云发布了云容器集群CCE Turbo。
华为常务董事、华为云业务CEO、消费者业务CEO余承东表示:“以容器为核心的云原生技术是企业数字化和智能化的一次革命,没有云原生,就没有真正的数字化和智能化,华为云CCE Turbo,计算、网络和调度全方位加速,让容器真正成为企业应用创新的强劲引擎。”
华为常务董事、华为云业务CEO、消费者业务CEO余承东发布CCE Turbo
计算、网络、调度三大方面全方位加速
没有容器化,就没有应用现代化。自2016年起,华为云相继首发一系列容器产品,如:云容器引擎、智能边缘平台、应用服务网格、双零损耗裸金属容器等,帮助内外部客户建设真正数字化、智能化的业务,已帮助华为流程IT实现业务大规模容器化,新业务100%采用容器技术,研发系统部署和资源使用率提升10倍以上。
随着容器的全面规模化应用,企业对容器性能、弹性、调度能力提出了更高的要求,华为云CCE Turbo从计算、网络和调度三方面全方位加速,更好应对业务全面容器化的诉求:
在计算加速方面,业界独家实现容器100%卸载,服务器资源和性能双零损耗,帮助VIPKID提升音视频服务性能达40%,让在线课堂零卡顿,打造流畅的用户体验。
在网络加速方面,采用独创的容器直通网络,让两层网络变成一层,端到端连通时间缩短一半,有效支撑业务秒级扩容千容器,帮助新浪30秒扩容8000核,平稳应对流量浪涌。
在调度加速方面,通过感知AI、大数据、WEB业务的不同特征,以及应用模型、网络拓扑等,实现业务混合部署、智能调度,还自动优化任务调度策略,实现1万容器/秒的大规模并发调度能力,帮助美图提升集群利用率提升40%。
持续开源,共创云原生产业
华为云在技术上一直积极回馈社区,已开源了以智能边缘项目KubeEdge和批量计算项目Volcano为代表的一系列云原生项目。本次大会上,华为云CTO张宇昕宣布多云容器编排项目Karmada正式开源,Karmada项目由华为、工商银行、小红书、中国一汽等8家企业联合发起,沉淀了各企业在多云管理领域的丰富积累,将为开发者提供详实有效的实践指导与帮助,使用Karmada,可以构建无极可扩展的容器资源池,让开发者像使用单个K8S集群一样使用多云集群。
华为云CTO张宇昕宣布Karmada项目开源
小红书技术部负责人张雷表示:“小红书与华为云在Serverless容器和Volcano项目上已有过密切合作,借助Karmada项目,我们希望把小红书构建多云业务的实践经验贡献给社区,让更多企业能享受云原生技术的红利。”
小红书技术部负责人张雷分享云原生实践经验
CNCF总经理Priyanka Sharma也对Karmada项目的开源作出了回应:“华为一直是云原生社区与开发者生态的重要参与者,此次发布的Karmada对所有企业构建多云业务架构至关重要,希望未来CNCF与华为云继续密切合作,持续帮助广大云原生开发者。”
华为云通过一系列创新的云原生产品持续服务于千行百业,获得了中国容器软件市场份额第一(IDC)、容器能力评估连续满分(Forrester)的成绩。同时,华为云在2020年底联合CNCF、中国信通院成立了全球化云原生交流平台——创原会,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。今年创原会将推出线下沙龙、产业峰会、创新方案孵化等一系列活动,与各行业精英共同交流云原生,为企业云原生转型赋能,全面加速企业应用创新。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。