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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。