登录社区云,与社区用户共同成长
邀请您加入社区
当前吉利汽车研究院人工智能团队承担了吉利汽车座舱 AI 智能化的方案建设,在和阿里云的合作中,基于星睿智算中心 2.0 的 23.5EFLOPS 强大算力,构建 AI 混合云架构,面向百万级用户的实时推理计算引入阿里云函数计算的 Serverless GPU 算力集群,共同为智能座舱的交互和娱乐功能提供大模型推理业务服务,涵盖的场景如针对模糊指令的复杂意图解析、文生图、情感 TTS 等。
摘要:工行采用了华为云FusionInsight MRS大数据存算分离方案,实现了大数据平台与OBS对象存储服务的对接,将原有的HDFS数据无缝迁移到OBS上。在保证性能的前提下,实现了计算与存储独立按需扩容,轻松应对业务浪涌,提升资源整体利用率。工商银行作为数字金融的领导者,践行“科技引领,创新赋能”的发展理念,持续提升工行金融服务实体经济的能力。工商银行和华为开展联创工作,引入了华为云Fusi
HAMi 通过灵活、可靠、按需、弹性的 GPU 虚拟化机制,提升算力资源利用率,并可插拔式、轻量化、无侵入地部署在公有云、私有云与混合云环境中。基于长期深耕云原生、分布式系统与 AI Infra 领域的实践积累,Jimmy 形成了清晰的行业判断:随着大模型与 AI Agent 进入规模化落地阶段,制约系统扩展性与可持续性的核心要素,已从单一的模型能力转向算力全生命周期的管理能力,包括算力的计量、分
目前的算力环境仍然已英伟达的GPU设备为主,但是目前也有很多厂商的设备在被使用,虽然其中主流厂商都有提供自己的卡在K8S上的调度支持,但是这些厂商方案往往比较基础,通常需要按照卡的数量进行调度而没办法进行更细粒度的调度,导致很多计算资源被浪费,HAMI基于这些厂商的开源方案进行集成,主要在使用劫持CUDA的方案来实现计算设备的共享、隔离,在插件层使用一个方案集成多种计算资源.
成功打造了国办政务云、交通部、教育部、外交部等多个国家部委项目以及15个省级、150+地市政务云项目,稳居中国政务云服务与运营市场前三。打造运营商首个自研3AZ架构,并布局全国8大3AZ节点,提供L6级同城双活、异地容灾服务,支持毫秒级容灾备份,可用性超99.99%;发布算网服务1.0,聚焦云产品服务、关键技术研究等方面,打造覆盖云、网、边、端的算力服务体系,开创算网服务新模式。覆盖省级与14个地
在金融云方面,需要建立一个开放、分层解耦的金融云生态体系,即通过建立异构兼容的IaaS,共建融合的PaaS,形成通用技术栈,逐步建立统一的技术标准及服务。在金融云架构上,"一云多芯+云原生"是解决算力异构的最优解。他表示,招行私有云具有云开两朵(金融交易云、原生云)、一云双栈、一云多芯、一云两网、开源开放、云原生等特点。张明表示,景顺长城IT团队在研发模式上适时引入云原生技术,在深度匹配自身体量和
本文介绍了如何在星图GPU平台上自动化部署GPEN智能面部增强系统镜像,实现AI人脸图像修复与增强功能。通过该平台,用户可快速搭建基于GPU的弹性算力环境,应用于老照片修复、自拍图像增强等场景,显著提升图像处理效率与质量。
本文深入解析Volcano调度器中的Binpack装箱策略,针对云原生智算场景下的资源碎片化问题,提出通过"极致填充"策略提升算力资源利用率。文章详细介绍了Binpack的核心逻辑、多维度资源权重配置及评分算法,该策略优先将Pod调度到高负载节点,减少资源碎片,配合自动扩缩容实现降本增效。佳杰云星算力调度平台已集成该策略,并提供社区版免费试用,帮助用户解决异构算力统一管理难题,
本文将深度解析这一架构瓶颈,并介绍基于阿里云 SAE(Serverless 应用引擎)与 SLS(日志服务)的联合解决方案。通过“全托管算力”与“存算分离”的双轮驱动,打造一个高弹性、低成本、且具备深度数据洞察力的生产级 Dify 环境。
此外,移动云云原生数据库不仅在外部市场成功斩获互联网、教育、医疗行业等头部客户,凭借优质产品与专业服务确保众多客户业务系统平稳运行,还积极拥抱中国移动算力网络战略,联合中央企业算力网络联合体、产业链合作伙伴、省专公司、科研院校等,全方位、多维度地开展技术研究,打造出涵盖应用产品、专利论文、白皮书等一大批高价值创新成果。未来,移动云云原生数据库将持续加大研发投入,深化技术创新,以打造业界头部产品为目
2025年Kubernetes已进入成熟稳定期,核心API几乎不再变动,升级风险显著降低。平台工程从过度封装转向简化,更多企业采用托管服务。在AI领域,K8s主要承担资源管理和作业调度角色,而非解决核心算力问题。多集群成为常态,治理工具趋于标准化。YAML问题未被彻底解决但被接受,团队更注重API边界控制。Kubernetes已从创新平台转变为基础设施,强调稳定性而非功能突破,完成了从"
百度智能云混合云联合昆仑芯、密瓜智能 HAMi,正式推出基于昆仑芯 P800 的 XPU/vXPU 双模式算力调度方案
官网同期发布《基于数字原生全云能力平台的金融行业解决方案和案例白皮书》,详解金融行业四大解决方案,并精选23个金融行业建设案例,覆盖银行、证券、保险、以及其他金融企业,为千行百业数字化转型提供参考,展示“他山之石”的“攻玉”的效果。数字化时代大潮,随着应用架构的优化演进,企业核心数字基础设施将遵循渐进式发展理念,迈向以云为核心的数字原生基础设施,助力企业数字化转型,打造数字原生企业(Digital
摘要:情感智能正重塑软件测试领域,EEET(情感能源效率测试)框架揭示快乐情绪相比愤怒可显著降低算力消耗(达40%)。研究表明,快乐状态能提升测试员20-30%的认知效率,减少冗余计算;而愤怒情绪会触发防御性响应,导致CPU负载激增。实证案例显示,快乐团队在分布式测试中网络带宽占用下降25%,缺陷解决时间缩短28%。建议测试团队集成情感监测工具,重构"情感-V模型"流程,通过文
数字化转型进程已经进入提速加量阶段,从数字经济规划升级为数字中国规划,而这一转变对算力提出更高的全局性、动态性、效益性能力需求。移动云经历多年发展、汇聚各项能力,加速实现了算云融合。自研230+款产品,丰富度位居国内前二;面向政务、交通、医疗、教育等多个行业,形成了100+个行业一体化解决方案;以及影视渲染一体化服务、中训边推等任务式服务;截至2022年12月底,移动云签约云大单超6,200个,拉
公司以“让异构算力因开源而好用”为使命,愿景是“构建全球领先的算力调度生态,赋能AI产业高效落地”。发起的CNCF 开源项目 HAMi,是唯一专注异构算力虚拟化的开源项目,通过灵活、可靠、按需、弹性的 GPU 虚拟化提升资源利用率,助力AI 时代算力效率提升。在多 XPU、多节点的复杂环境中,如果忽略物理拓扑与通信关系,调度结果很容易出现“逻辑正确、性能崩溃”的局面。睿思智联为此持续投入调度可观测
本届大会以“开源赋能产业,生态共筑未来”为主题,汇聚政、产、学、研、用、金、创、投等各领域开源力量,聚焦开源政策导向、生态发展趋势、开源产业实践。openFuyao面向企业伙伴,提供在线/离线混部、NUMA亲和等算力调度组件,能够实现资源利用率及性能超30%提升,支持超16000节点的超大规模集群;openFuyao希望与产业伙伴及开发者携手,构建一个多样化的算力集群软件开源社区,共同推动集群软件
5 月 24 日,嬴彻科技接受媒体采访时表示,在数据智能系统领域,公司与阿里云展开深度合作——以云计算为基础,嬴彻构建了业界领先的高并发、高弹性的数据存储、计算及调度基建平台,加速自动驾驶仿真,降低计算资源消耗。
随着云原生、人工智能逐渐成为各行各业的创新生产力工具。可以预见,我们即将进入全新的智能化时代。随着数据成为新型生产要素,云和 AI 正走向深度融合。云原生通过提供大规模多元算力的高效供给,可观测成为业务创新的核心基础设施,加速智能化创新。这一过程离不开开发者、企业、厂商、机构、媒体的持续推动产业演进与不计回报的知识分享。
2026年2月热点事件为公众号内容创作提供了丰富素材,财经新规、算力需求和体育赛事成为关注焦点。测试从业者应重点把握数据安全与科技应用热点,通过专业解析提升内容价值。建议采用"问题-方案-案例"框架,结合测试实践分享算法验证、性能测试等实用方法,同时运用热点分析工具优化选题。财经科技类内容因专业相关性强且热度持久,应作为优先方向,兼顾技术深度与可读性,并建立用户反馈机制持续优化
时间系统在验收时,几乎不会带来任何“亮点”。它不像服务器能提升算力,也不像新系统能增加功能。但一旦不稳,系统的可观测性、可追溯性、安全性,都会跟着出问题。对系统集成商来说,在架构阶段把时间体系想清楚,其实是给整个项目生命周期买了一份很便宜、但很值的保险。如果你正在规划新的机房或行业项目,哪怕暂时不采购设备,也建议先把这几个问题想明白:时间从哪里来?谁是最终基准?异常情况下靠什么兜底?这点前期的思考
1、智算领域:智算中心(大规模AI模型训练、融合基础设施、内部高速互联技术PCIE、液冷)、数据算力(存算一体、DPU/GPU和CPU协同)4、算力并网:四个模式:转售、运营层对接、编排层对接、小型算力纳管(云原生),通过算力交易策略构建。3、存算一体:近存计算-->存内计算-->端边存算,匹配的芯片,工程化。2、标准领域:算网原生(算力标准池、算力抽象、统一API)3、云计算产品List&Saa
我国现有云计算相关从业人员超过400万人。随着算力应用从信息通信领域向科技、工业、交通、医疗等领域加速拓展,云计算工程技术人员正在迎来更广阔的发展前景。
例如,基于AI的算力需求可能会与传统计算需求有所不同,云服务商可能会推出专门针对AI训练的GPU租赁服务,提供更具竞争力的价格和更高效的算力资源。从技术发展的角度来看,GPU硬件的进步同样会推动算力租赁市场的发展。近年来,NVIDIA、AMD等公司推出了越来越强大的GPU芯片,具备更高的计算能力和更低的能耗,这无疑为GPU算力租赁市场注入了新的活力。本文将深入探讨2025年GPU算力租赁市场的最新
1. 对话火山引擎罗浩:大算力基础设施竞争火热 核心策略之一是软硬一体坚持自研。1. TrafficRoute:一体化的DNS解析和流量调度套件。2. 火山引擎 Iceberg 数据湖的应用与实践。3. 学习 SSL/TLS ,这一篇就够了。
面对魔搭 ModelScope 社区提供的海量模型,用户希望快速进行选型并生产使用起来,但在此之前,却一定会面临算力管理难、模型部署难等一系列问题,那么能否实现快速把选定的模型部署在云端功能强大的 GPU 上,由云端负责服务,扩展,保护和监控模型服务,同时免于运维和管理云上算力等基础设施呢?魔搭ModelScope +函数计算 FC 给了这样一种方案。
摘要:云原生技术峰会聚焦智能算力时代创新,多位专家分享云原生技术最新进展与实践。openEuler强调智能算力底座,AutoMQ展示云上Kafka十倍降本方案,ByConity介绍极速云原生数据仓库,拓数派探讨AGI下数据计算系统,DeepFlow利用eBPF提升故障排查,云智慧分享全链路可观测与大模型结合提升运维效能。峰会引领云原生技术未来发展,为智能算力时代创新提供动力。
对idc内各种异构计算(GPU、CPU、NPU等)、存储(OSS、NAS、CPFS、HDFS)、网络(TCP、RDMA)资源进行抽象,统一管理和运维和分配,通过软硬协同优化,提供资源利用率。从异构资源管理的角度,可一键部署、操作各种异构资源,在运维过程中,需要多维度的异构资源可观测性: 监控、健康检查、告警、自愈等自动化运维能力。提供弹性训练和弹性推理服务, 建立统一的数据集管理,模型生命周期管理
图2在MMSE均衡的基础上,引入MMSE-SIC(最小均方误差串行干扰消除)均衡算法,接收端采用两种策略:标准MMSE-SIC和基于信道排序优化的MMSE-SIC,逐步消除多天线间的干扰并进行硬判决译码。工程里得根据硬件算力做选择——就像吃火锅时,筷子功夫好的用漏勺,手残党还是直接端碗喝汤吧。简单粗暴直接求伪逆,但就像用蛮力开锁,高信噪比时表现不错,低信噪比时噪声会被放大。这代码生成了复数高斯随机
Labs 导读随着云原生概念在业界的推广,传统应用部署的方式被容器化部署所取代。基于云原生的容器化部署和运维,给开发和运维人员带来DevOps快速部署和自动化运维等诸多便利的同时,对于基础架构服务也提出了更高的要求,其中存算分离就是保障云原生应用故障快速转移、算力负载均衡的基石。因此云原生存储的概念也在云原生的基础上应运而生,接下来本文将会逐步梳理云原生存储的概念、工具的选型,最后会选择一个代表性
一是,Kubernetes 将应用与基础设施进行了解耦,软硬不再需要直接兼容,而是通过全新设计的管理软件来定义基础设施,可以在任意环境、任意基础设施上,提供一致稳定的计算体验,有效打通云边协同、实现信创异构,在人工智能、大数据、多云编排、应用现代化、元宇宙等领域发挥着重要支撑作用,让数字世界的算力持续澎湃。白皮书从云原生的定义、起源与应用现状出发,梳理云原生产业的发展逻辑与产业全景图,分析云原生给
云原生边缘计算智能开源平台 CNCF OpenYurt 于近期发布了 v1.2 版本。OpenYurt 是业界首个对云原生体系无侵入智能边缘计算平台,具备全方位的“云、边、端一体化”能力,能够快速实现海量边缘计算业务和异构算力的高效交付、运维及管理。在 v1.2 版本中,OpenYurt 遵循社区提出的“节点池治理”理念,新增组件 Pool-Coordinaotr,提出了一套针对云边场景的资源、网
今年12月初,2023 OpenInfra Days China在北京举办。此次会议的主题丰富,涵盖了云计算、算力网络、DPU、虚拟化以及大热的AI等。这些话题的设置与OIF(OpenInfra Foundation,OpenInfra基金会)、未来技术发展方向有关。本次峰会,华为与业内分享了对电信云原生的思考。众所周知,电信运营商是OpenStack应用最多、最深入的领域之一。在全球,有诸多知名
云原生技术的基石是操作系统级虚拟化技术,而以容器为代表的系统级虚拟化技术在资源隔离方面较为薄弱,无法为云原生服务提供安全可保障的隔离环境。云原生安全操作系统的应用可完全抑制现有云计算平台中攻击者恶意行为造成的破坏,同时极大提升了云计算平台的算力利用率及云服务的性能,有助于进一步释放云计算模式的能效。近年来,市场对云原生技术需求稳定增长并尚未饱和,云原生安全操作系统将进一步加速云原生技术的应用,增强
通过云原生综合运维平台 SchedulX V0.2.0版本,运维人员可以轻松完成云服务器代码包的部署。同时,在算力调度引擎BridgX 1分钟1000台云主机弹性能力的加持下,运维人员还能应对服务集群节点扩容、代码发布等需求。云原生综合运维平台 SchedulX 后续版本还将支持Docker镜像部署以及公有云K8s集群部署等场景,敬请期待。
以 AI 训练、基因计算、工业仿真等高性能计算场景为例,需要在短时间内并发执行海量计算,多计算实例共享访问文件系统的同一数据源。企业在 Kubernetes 上运行 AI、大数据应用已成主流,资源弹性和开发运维效率得到显著提升的同时,计算存储分离架构也带来了挑战:网络延迟高、网络费用贵、存储服务带宽不足等。然而,随着算力规模和性能提升、以及模型规模和工作负载复杂度的增加,在云原生的机器学习和大数据
互联网业务的飞速发展带来急剧膨胀的数据规模,多样化的数据类型、更复杂的业务特征和对数据实时洞察的需求,推动了传统数据库技术向可扩展、高可用、实时弹性等方向发展。而云计算技术的发展为解决这些问题带来了新方法,大规模资源池化为上层应用带来良好的抽象和足够的弹性,根据负载实时匹配和调度资源也最大化地提升了资源的使用效率,数据库不再受制于单个物理机器的资源使用限制,从原来独立部署模式进化到云服务模式,可利
这场分享的核心价值在于把“国产卡虚拟化”从概念变成工程默认:驱动侧开箱即用让门槛下降,而与 HAMi 的调度、注解、监控协同,则让 vDCU 资源可以被真正纳入 Kubernetes 的统一资源管理体系。随着共享算力、更多切分形态和更强监控逐步成熟,vDCU 不只是“能切”,更会成为可运营、可规模化交付的算力产品形态。上海密瓜智能科技有限公司专注于异构算力调度与统一管理,致力于为全球客户提供高效、
SQuAD是斯坦福大学开发的机器阅读理解数据集,已成为NLP领域的重要基准。该数据集包含基于维基百科段落的问答对,要求模型从文本中定位答案片段。SQuAD 2.0增加了无法回答的问题,提升了任务难度。数据集推动了BERT等模型的发展,虽然存在领域单一、推理层次较浅等局限,但为深度文本理解研究奠定了基础,催生了更多复杂问答数据集的产生。