4月25日,2021华为开发者大会(Cloud)上,华为云沃土云创计划正式启动。华为云将投入1亿美元,成立专职生态技术架构师团队,深度赋能和助力SaaS和ISV伙伴实现全面云化和智能升级。
大会期间, 在一场题为“SaaS/aPaaS 复杂需求的应用构建之道”的CTO圆桌中,华为云与20多家SaaS生态伙伴的技术专家们共同围绕SaaS业务中的逻辑多租,定制化需求平衡和AI智能创新三个热点架构设计和技术演进问题进行了深入探讨和分享。
圆桌会上,华为云与计算Marketing与销售服务部总裁石冀琳进行了开场致辞,她表示:“众多SaaS伙伴在过去几年里与华为一路同行,强有力的支持了华为云在2020年成为全球五朵云之一。华为希望未来能够为所有的SaaS伙伴提供更好的服务,并和SaaS伙伴一道做好整个SaaS产业的生态,不仅立稳于中国,且不断走向海外,一起做大云产业。”
以下是圆桌精彩观点分享:
SaaS厂商一定要从定制化到标准化。短期做项目能获得收入,但最终还是要产品化。
在整个行业里,20%的头部客户覆盖了80%的定制化需求或工作量。针对头部客户,要让SaaS形成一个很好的共建方式,解决个性化的问题。同时对中小型的80%客户,需要凸显SaaS的能力,做到符合业务标准化,通过组合的方式满足标准化产品的应用。
从软件的研发过程来说,朝向标准化动作的时候会有几个阶段,每个阶段的组织和架构、玩法可能不一样。从整个发展历程来说,项目化-->产品化-->平台化-->生态化,这是一个必经之路,其实每个转折点都是很核心的模式。
低代码和高代码不是二选一。开发前期是一个高代码的过程,慢慢的平台化和产品化之后,开始浮现出低代码,甚至往后出现零代码,越标准应该越零代码,越不标准先去解决问题的时候需要高代码,是一个演进过程。
标杆SaaS厂商,最核心的是能够基于元数据模型快速做拓展,能够快速生成新数据的模型,这对SaaS的设计很关键。
在CAD SaaS领域,未来的方向就是协同和智能化。现在设计师真正用在创意的时间少于一半。从SaaS的角度讲,我们在浏览器端更多是做成像的工作(单机算力有限),计算设计师辅助工具的AI的算法是放在云端里做,这会带来非常大的好处,提升设计师的效率。
SaaS服务商对AI做的两个最大的贡献,一个是高质量的数据,一个是丰富的细分场景。基于华为AI平台和AI生态,SaaS企业能够在上面做得更好。在AI这个领域进行越来越细的分工,大家共同承担相应的人工智能模型的研究,共同构建这样的平台,这样相互之间的成本会小一些,SaaS厂商即能够满足客户需求,又可以获得可盈利的回报。华为云发布的盘古系列超大规模预训练模型,可以解决AI应用开发定制化和碎片化的重要方法。可以大幅降低SaaS伙伴的AI开发成本,有望提升10倍开发效率。
关于如何规避用户的性能干扰问题,从ERP SaaS的方式讲,租户系统相互独立部署,独立的租户不存在相互干扰的问题。而CRM SaaS做了另外一个处理,元数据和业务模型做隔离的时候,考虑到本身业务的属性,把它变成横向可扩展的方式。
基于如何构建aPaaS的理念:首先是构建自己业务层的aPaaS,这层是SaaS自身对业务理解后沉淀最有价值的模块,一般情况下会做微服拆分,按照业务边界做相关业务拆分,拆分后这部分能力可以以SDK的方式发布出去,被用户调用。在这方面,要让开发者更容易上手,完成定制化的扩展延伸。第二是构筑低代码,封装业务逻辑和业务单元,支撑自助完成拖拉拽之后,用一些脚本化语言快速完成定制化需求的开发和落地。用户做了定制开发之后,可以利用华为云的基础平台服务能力,完成从开发到后续部署的闭环。
华为云面向开发领域提供了1+3+7的平台和场景的策略。“1”指一个作业平台DevCloud。“3”指3种开发模式,包括Full code, Lite code和No code/Low code。 “7”是指7大开发场景,包括AI、IOT、移动小程序、微服务框架等。在华为云上,可以完成整个产品的发布到后续的开发生态的闭环。
华为云致力成为各行各业应用创新的黑土地,与伙伴实现深度技术共生、商业快速增长。2021年,华为云沃土云创计划,将覆盖容器/微服务、SaaS化、大数据、AI、视频、智能边缘等六大技术领域,重点赋能SaaS和ISV伙伴,帮助客户实现全面云化和智能升级。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
AWorld团队开发的Recon-Act系统采用"侦察-行动"双团队协作模式,通过工具中心的自我进化机制实现智能浏览器操作。系统在VisualWebArena测试中达到36.48%成功率,超越现有自动化方案。其创新性在于将信息收集与任务执行分离,通过对比成功失败案例自动生成专用工具,为未来智能浏览器助手发展提供了新思路。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
中科院团队提出QuantVGGT技术,首次解决大规模3D重建AI模型的部署难题。通过双重平滑精细量化和噪声过滤多样化采样两项核心技术,成功将12亿参数的VGGT模型压缩75%体积、提升2.5倍速度,同时保持98%原始性能。实验结果显示该方法在相机位置估计和点云地图生成任务上均显著优于现有量化技术,为3D AI技术的产业化普及提供了重要突破。