云,一种应用架构和新型的计算模型

简介:

近年来,基于用户生活服务、游戏、视频、拼车等众多的APP等移动终端的迅速普及改变了国人的工作和生活方式,云计算通过一个全球性的计算架构,能够触及任何智能手机,平板,笔记本或者可穿戴设备,云计算技术的应用使得IT一直想要更加靠近用户的夙愿成为现实。

那么云技术说到底是什么样的存在呢?云不是一种IT战略,它是一种应用架构和新型的计算模型。

云将处理过程划分为一系列的控制点

云技术的显著优点之一是将整个处理过程划分成一系列的控制点,不同于传统的处理过程。

以最近比较火的云计算、大数据助力交通为例:驾驶员需要了解当地的实时路况信息来避免碰撞,并以此来决定到达目的地的最佳路径。使用传统计算的话, 这些任务被组合成几个单一的应用程序。相反,使用云计算技术将会有很大的不同:一个车载处理组件部署在汽车中进行定位和了解路径信息。驾驶员可以获取关于 当地状况的信息,以此为参照及时做出加速,刹车或者转向的决定。在驾驶过程,中央服务可以用来支持复杂或者很少使用的行为,比如路径计算,以及改善信息分 析和降低成本。

云的分布式资源和信息池也有利于不同的方式来组织工作。在生产过程中,当一个新的作业开始运行,可以发挥想象:一个工作人员到达现场,准备工具,开 始工作和检察工作结果。利用云计算技术绘制出一个总的目标,在整个任务的过程中对工作人员的行为进行追踪。在这个模型里,本地组件负责与本地状况相关的一 些小的任务,比如寻找一个地址或者选择正确的连线或者管道。每一个组件都托管在最佳的地方--该工作人员的移动设备或者公司的数据中心。各个组件也在适当的层次上利用了各种服务,包括基于位置的服务用于基本的移动,蓝图分析提供更详细的导向以及使用工作单进行过程控制。

云的应用架构模型推动基于事件的处理

云的应用架构模型支撑了云优化的另一个关键步骤—基于事件的处理。移动设备和云允许用户在一次任务中能够与信息和资源交互,在这个过程中应用程序要 工作并分析正在发生的事情,同时推荐接下来的步骤。信息经过云里的本地处理组件的评估,筛选和分类,最后被传递到云进行处理。处理后的结果是这样的,还是 以上述的生产过程为例:工作人员将直接接收所需的指令,而不是主动请求,持续追踪工作人员并且对事件进行精确的解析。

云也是人性化的设备。用户能够使用纯语音来搜索信息,Apple,Amazon Web Service,谷歌和微软正在努力扩展语音控制。对于传统计算设备来说“那是什么?”或者“那是谁”这样的问题会很难回答,而云可以让这成为可能。

云计算作为互联网发展的最新技术,已经成为中国经济发展新的风口,其为中国互联网的发展带来了更多机遇,并且云计算技术以及基于其的各种新技术将重新定义IT。


本文作者:佚名

来源:51CTO

相关文章
|
3月前
|
机器学习/深度学习 人工智能 监控
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
大型动作模型(LAMs)作为人工智能新架构,融合神经网络与符号逻辑,实现企业重复任务的自动化处理。通过神经符号集成、动作执行管道、模式学习、任务分解等核心技术,系统可高效解析用户意图并执行复杂操作,显著提升企业运营效率并降低人工成本。其自适应学习能力与上下文感知机制,使自动化流程更智能、灵活,为企业数字化转型提供坚实支撑。
312 0
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
|
2月前
|
数据采集 机器学习/深度学习 搜索推荐
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
MIT与丰田研究院研究发现,扩散模型的“局部性”并非源于网络架构的精巧设计,而是自然图像统计规律的产物。通过线性模型仅学习像素相关性,即可复现U-Net般的局部敏感模式,揭示数据本身蕴含生成“魔法”。
157 3
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
|
1月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
190 6
|
2月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
2月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
391 0
|
1月前
|
机器学习/深度学习 存储 缓存
115_LLM基础模型架构设计:从Transformer到稀疏注意力
大型语言模型(LLM)的架构设计是其性能的核心决定因素。从2017年Transformer架构的提出,到如今的稀疏注意力和混合专家模型,LLM架构经历了快速的演进。本文将全面探讨LLM基础架构的设计原理,深入分析Transformer的核心机制,详细介绍稀疏注意力、MoE等创新架构,并展望未来架构发展方向。通过数学推导和实践案例,为构建高效、强大的LLM提供全面指导。
|
1月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
|
3月前
|
编解码 文字识别 自然语言处理
Dots.ocr:告别复杂多模块架构,1.7B参数单一模型统一处理所有OCR任务22
Dots.ocr 是一款仅1.7B参数的视觉语言模型,正在重塑文档处理技术。它将布局检测、文本识别、阅读顺序理解和数学公式解析等任务统一于单一架构,突破传统OCR多模块流水线的限制。在多项基准测试中,其表现超越大参数模型,展现出“小而精”的实用价值,标志着OCR技术向高效、统一、灵活方向演进。
497 0
Dots.ocr:告别复杂多模块架构,1.7B参数单一模型统一处理所有OCR任务22
|
3月前
|
Web App开发 Linux 虚拟化
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
236 0
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
|
1月前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路