首页 文章 精选 留言 我的

精选列表

搜索[开启]，共10000篇文章
优秀的个人博客,低调大师

DeepGitee 计划：深度挖掘 Gitee 开源宝藏，开启项目高光之旅

过去十年，Gitee 在代码托管和开源协作领域不断深耕，已成为国内最重要的开源基础设施之一，它汇聚了 1350 万开发者，托管了 3600 万个代码仓库，服务了 36 万家企业级用户。 在这片浩瀚的开源星空中，许多优质项目如同隐藏的宝藏，等待被挖掘与发现。 为了让更多优秀的开源项目从 Gitee 平台上脱颖而出，获得更广阔的舞台和发展空间，开源中国发起「DeepGitee 计划」，希望为开源项目及其背后的开发者与企业提供全方位的扶持力量，助力开源生态蓬勃发展。 「DeepGitee 计划」介绍 一、技术内容传播曝光 我们将借助 OSCHINA 和 Gitee 社区的强大影响力，以及旗下新媒体平台的传播力，全方位、多层次地推广你的项目技术与生态相关内容。无论是深入浅出的技术原理讲解、架构设计剖析，还是项目应用场景的生动展示，都将得到广泛推送，精准触达海量开发者群体。 这不仅能大幅提升项目的知名度，还能吸引更多志同道合的开发者关注与加入，为开源项目注入源源不断的活力。 二、线上线下技术活动讲师 在“OSC源创会”、“月源解码夜”和“技术领航”等开源中国举办的线上线下活动中，作为讲师，开源项目背后的技术专家们可以畅谈项目的实战经验、技术难题攻克历程以及未来发展方向，与其他技术大牛面对面交流思想，碰撞出创新的火花。 这种深度的行业交流不仅能拓宽你的技术视野，还能为项目拓展宝贵的人脉资源。当你的项目技术经验在行业内传播，吸引更多开发者对其产生浓厚兴趣，项目的影响力也将随之扩大，吸引更多贡献者与合作伙伴，推动项目迈向新的高度。 三、直播活动助力 项目社区的每一次技术直播，都将成为一次传播项目价值的契机。 借助 OSCHINA 与 Gitee 视频号的强大传播力，直播内容将触达更广泛的受众群体。无论是项目功能演示、技术原理剖析还是开发者故事分享，都能通过直播实时传递给全球各地的开发者。这不仅有助于提升项目的知名度和影响力，还能吸引潜在用户与贡献者，为项目的持续发展筑牢根基。 关于我们 开源中国 开源中国（OSCHINA）成立于 2008 年，是国内最具影响力的开源与 AI 技术社区之一。 目前有超过 1100 万专业开发者入驻，社区以技术交流和 AI 创新实践为核心，持续为开发者提供精准、高质量的技术资讯，丰富且完善的开源项目资源、专业化的 AI 创作平台，以及高效活跃的互动交流环境，形成了一个充满活力与创造力的开发者生态圈。 官网：https://www.oschina.net Gitee Gitee 是开源中国运营的企业级 DevOps 研发管理平台，已经成为全球第二大的开发者平台，其中包含了代码管理、代码质量管理、持续交付、软件发布平台和项目协作管理等产品，并且支持公有云服务及私有化部署。 目前，Gitee 已经有超过 1350 万名开发者，累计托管超过 3600 万个代码仓库，是中国境内规模最大的代码托管平台。同时，旗下企业级 DevOps 研发效能管理平台 Gitee 企业版已服务超过 36 万家企业。 官网：https://gitee.com 模力方舟（Gitee AI） 模力方舟（Gitee AI）是开源中国于 2023 年推出的一站式大模型服务平台，致力于做中国本土化的 AI 社区。 模力方舟（Gitee AI）旨在理解和解决 AI 落地和应用问题，满足中国用户和企业的需求。它提供开源模型、数据集和应用落地场景，提供地域化的服务，重视用户数据的隐私保护和数据安全，针对中国市场和用户需求，与本土的 AI 生态系统进行深度融合。 官网：https://ai.gitee.com
2025-05-09
优秀的个人博客,低调大师

开启业务连续性保障新时代

随着大型语言模型（LLM）日臻成熟，AI 智能体（AI Agent）从概念走向实际应用的时代已然到来。在众多的智能体使用场景中，可观测性天然具备智能体成功落地的三大要素：高质量的结构化数据、功能丰富的专业工具，以及明确的业务目标——保障系统稳定性。通过将先进的 AI 技术与可观测性场景融合，DeepFlow 智能体能够自主感知环境、推理决策并执行任务，为 IT 团队提供从日常巡检到快速诊断的全方位支持。这不仅提升了运维效率，更将 IT 人员从繁琐的日常任务中解放出来，使他们能够紧跟技术趋势，驾驭先进的 AI 工具，为业务连续性提供更坚实的保障。 01 核心观点 DeepFlow 智能体核心观点 观点一：智能体要能使用工具完成工作 智能体 agent，来自拉丁语agera，意为”做“。DeepFlow 智能体能够自主使用各类可观测性工具完成保障业务连续性的工作。 观点二：智能体靠谱的前提是可观测性 “完全可观测的环境很容易处理，因为智能体不需要维护任何内部状态来追踪世界。”-- 《人工智能：现代方法（第四版）》。 DeepFlow 智能体之所以“靠谱”，因其所有推理决策均基于业务的完全可观测性。 观点三：智能体要有价值必须量身定制 基于帕累托法则，大模型消弭行业技术鸿沟后，企业应聚焦独特场景定制智能体，以20%核心需求撬动80%竞争优势。DeepFlow 智能体为每一个客户提供“量身定制”的推理场景，让IT人员深度掌控AI技术，为各自企业创造独有的价值。 02 使用场景 DeepFlow 智能体的设计目标，是使用 DeepFlow 提供的各类可观测性工具，自主完成保障业务连续性的工作。DeepFlow 智能体的具体应用场景表现在如下 3 个方面： DeepFlow 智能体应用场景 01 分钟级诊断 原理 多维数据实时关联分析 基于历史经验的故障模式匹配 故障传播路径和影响范围快速定位 故障模式库和知识图谱 建立故障症状、原因、解决方案之间的关联关系 利用推理模型实现快速路径检索和推理 价值 降低金融损失风险 银行每分钟中断可能造成数百万的损失 保护企业声誉避免长时间故障导致的用户流失 维持服务质量承诺（SLA） 减少紧急故障处理的人员压力 提供清晰的问题定位和解决方案 提升开发测试效率 确保新业务、新架构按时保质上线 银行核心交易系统雪崩危机 案例：银行核心交易系统雪崩危机（分钟级诊断的生死时速） 事件：某银行核心支付网关突发交易失败率飙升，全业务中断倒计时开始。 09:15：出现支付卡顿，客服电话量激增300% 09:18：运维大厅警报大作，但传统监控仅显示"数据库连接异常" 09:20："我们距离30分钟熔断红线还剩25分钟！" DeepFlow 智能体 响应 1分钟定位：智能体自动关联交易链路，发现第三方支付渠道的SSL握手异常陡增 5分钟溯源：从应用错误日志→网络调用日志→配置变更事件溯源，确认为安全组策略误删导致TLS协商失败 10分钟恢复：结合知识库推荐应急预案，完成证书热加载和负载均衡切换 结果：避免直接经济损数千万元，监管通报风险降级为"一般运营事件"。 02不间断巡检 原理 对业务健康度进行7x24检查 发现业务核心指标异常 即时分析各组件运行状态 对业务风险即时预警 时序数据建模 预测性分析变化趋势 对业务告警进行快速关联分析 故障传播分析 资源依赖分析 价值 提升系统可靠性问题早期发现 主动预防 降低重大故障概率 优化人力资源减少人工巡检成本 提高运维效率 专注更有价值的工作 保障业务连续性24/7不间断监控 全面的覆盖范围 稳定的监控质量 跨境支付系统暗流危机 案例：跨境支付系统暗流危机（不间断巡检的隐形守护） 事件：夜间跨境渠道交易 API 概率性超时且呈现递增趋势，用户体验劣化。 DeepFlow 智能体 响应 20:13：智能体检测到跨境渠道交易 API 超时 5 次，追踪用户 ID 发现影响了 1 名用户。 …… 08:29+1D：智能体检测到跨境渠道交易 API 过去一小时超时达 271 次，且过去 12 小时呈现递增趋势，追踪发现共影响了 312 个用户，受影响的最大交易金额达到了 $900 万。 08:30+1D：运维人员上班后查看昨日巡检报告，查阅报告中的影响范围、隐患分析和防范建议。 08:42+1D：运维人员汇总巡检报告，转外部渠道优化 API，转行内业务部门做 VIP 客户回访。 结果：及时发现、持续分析长尾异常，及时优化 VIP 用户体验，防止千万美金币级别的客户流失。 03一句话问数 原理 多源数据实时整合 智能化数据特征提取 复杂查询的自动化编写 自然语言理解意图识别 基于业务和用户的上下文理解 消除通用大语言模型幻觉 价值 提升决策效率，管理层快速获取决策依据 减少数据分析等待时间 降低运维门槛，非专业人员也能快速获取信息 减少对专家的过分依赖 减少由人工操作引入的错误 支持快速响应，突发事件快速评估 资源调度及时决策 证券交易系统容量保卫战 案例：证券交易系统容量保卫战（一句话问数的实战力量） 事件：某券商遭遇"史诗级牛市"，开盘前集合竞价时段突发系统响应延迟。 08:45：运维总监接到CEO紧急质询："现在系统还能撑住多少并发？余量还剩多少？" 传统方式：需协调5个团队调取20+监控指标，人工测算至少15分钟 市场窗口：距离集合竞价仅剩12分钟，决策真空期可能导致数亿客户资产损失 DeepFlow 智能体 响应 自然语言查询："当前订单系统TPS峰值与容量阈值对比，预测10:30前资源瓶颈" 智能推演：结合历史流量模式+实时资源利用率，输出三维容量热力图 8:52决策：精准识别Redis集群内存将提前15分钟触顶，立即启用弹性容器组扩容 结果：在沪指单日成交破万亿的市场狂潮中，系统零故障扛住每秒32万笔委托。 这三个场景共同构建了一个完整的智能运维体系： 不间断巡检实现了"预防为主"的理念 分钟级诊断解决了"快速止血"的问题 一句话问数满足了"及时决策"的需求 03 产品架构 人工智能专注于研究和构建做正确的事情的智能体。智能体(agent)就是某种能够采取行动的东西（agent来自拉丁语agere，意为“做”）。任何通过传感器(sensor)感知环境(environment)并通过执行器(actuator)作用于该环境的事物都可以被视为智能体(agent)。 标准智能体架构 DeepFlow 智能体（英文：DeepFlow AI Agent）由一系列 DeepFlow 产品组件构成。用户可根据实际业务需求，选择合适的组件，构建适合自己的DeepFlow 智能体。 DeepFlow 智能体产品架构如下 DeepFlow 智能体架构 DeepFlow 智能体包含如下几个层次的组件 1. 交互层 交互层实现用户与 DeepFlow 智能体的交互。交互层包含如下组件，每个组件均可为客户提供量身定制。 ChatUI：用户与智能体的对话界面，支持文字、图表、代码等多种交互内容的输出。 场景编排：依据用户特定的业务和管理流程，编排特定场景下的智能体工作流。 历史记录：用户使用记录管理，包含对话、报告、视图等内容存取与分发。 知识库：本地知识库创建和维护，帮助用户解决本地常识性问题。 系统管理：管理 DeepFlow 智能体 的用户及权限、工具及配置。 2. 感知层 感知层为智能体提供对外部环境感知能力。DeepFlow 智能体的感知层，通过按需和实时分析环境中的可观测性数据，实现对业务运行状态的全面感知。 感知工具：按照工作流需求，感知业务特定维度的运行状态。感知工具通过特征提取工具及模式识别工具完成数据驱动的业务运行状态感知。感知工具的性能可以通过感知加速提升。 感知加速：提升感知层的整体性能，保障复杂工作流按时完成。 特征提取工具：从可观测性数据中提取各类特征。 模式识别工具：对特征进行分类，实现“数转文”的语义化事件。 感知层性能主要受制于数据分析能力，可以通过引入感知加速进行水平扩展。 3. 推理层 推理层是 DeepFlow 智能体的大脑，包含一系列规划和记忆系统： 规划模型：解决复杂工作流的规划问题，根据用户提出的问题，生成解决问题的思维链（Chain of thought）。规划模型由云杉提供，可依据客户场景量身定制。 大语言模型：提供基于自然语言的任务性和常识性应答。大语言模型（LLM）由云杉提供，也可以使用云杉认证的第三方模型。 长短期记忆：为工作流执行过程的状态机提供短期记忆，为常见的子任务规划提供长期记忆。 推理层性能主要受制于模型性能，DeepFlow 智能体可通过增加AI算力提供推理层性能扩展。 4. 执行层 DeepFlow 智能体通过执行层为业务提供执行建议或方案。执行层若对接控制层，可实现业务稳定性的全自动保障。执行层包含如下组件： 建议工具：根据业务诊断结果，提供相关的运维建议。 任务编排：为复杂的运维工作提供系统性的任务编排，并确保每一步任务执行成功。 配置工具：为每一步任务提供具体的配置指令。 校验工具：为任务预期和配置结果进行比对校验。 在 DeepFlow 智能体部署初期，执行层主要提供执行建议，具体任务由人工参与。当执行任务流程、权责明晰后，可引入任务编排，通过自动化的配置和校验，实现任务自动化。 04 核心技术 智能体面临的技术挑战主要存在于以下几个方面： 智能体面临的技术挑战 可观测性问题 一个智能体在完全可观测的环境中才能有效运行。可以拿自动驾驶做类比，一辆汽车需要通过摄像头或激光雷达对周围环境完全可观测方可实现自动驾驶。要让智能体能够时时刻刻保障业务的稳定性，全面的可观测性不可或缺。 幻觉问题 由于LLM不能理解物理描述的真实世界，只是在语言描述的概念世界中运行，因此天然具有幻觉问题，是无法消除的。要让LLM的幻觉问题不影响智能体正确工作，必须提供清晰明确的任务规划能力，并且能围绕用户场景进行“量身定制”。 成本问题 无论处理海量的可观测性数据，还是运行“满血”的LLM，都需要消耗巨大的算力。行业客户并不具备践行“scaling law”所需的成本支出能力。无视成本问题的智能体项目最终都将难以大规模推广。 DeepFlow 智能体，通过如下原创技术去解决上述问题： 1. 零侵扰采集技术 通过融合cBPF、eBPF、Wasm等技术，实现对大规模分布式业务和基础设施的零侵扰数据采集，解决了 DeepFlow 智能体及其运行环境的完全可观测性问题。其原创技术发表于SIGCOMM会议中。 2. 思维链状态机技术 通过思维链（Chain of Thought）指引，可以解决由大模型推理带来的幻觉问题。然而，随着业务和场景的不断变化，思维链的复杂性呈指数级上升。通过使用基于DFA + NFA的混合状态机技术，可以有效解决思维链复杂性带来的状态空间膨胀问题。相关原创技术发表在JNCA论文中。 3. 自适应感知技术 自适应感知技术实现了推理前感知和推理中感知的混合感知技术。推理前感知技术包括对数据的实时特征提取和分类，推理中感知技术则结合业务场景对数据进行按需的特定特征提取和分类。自适应感知技术使得用户可以在成本和性能之间进行不断优化，避免不可控的算力资源投入。相关原创技术已申请发明专利。 05 实施步骤 DeepFlow 智能体的落地实施，要以数据为基石，以业务为中心，不断进行场景优化。 第一步：数据采集 部署 DeepFlow 采集器 获取业务的可观测性全栈数据 第二步：业务梳理 业务全景图 获取业务的全链路依赖信息 第三步：场景优化 设计和优化各类场景下的工作流 根据成本和需求定制推理层各类模型 根据使用量不断提升感知层和执行层的性能 云杉及云杉认证的技术合作伙伴，提供 DeepFlow 智能体落地实施的相关技术服务。 分钟级根因定位 7x24 健康巡检 一句话问数 06 总结 DeepFlow 智能体以保障业务连续性为核心使命，通过三大场景应用——分钟级诊断、不间断巡检和一句话问数，构建了完整的智能运维体系。它基于完全可观测性的环境，能够自主使用各类工具完成复杂任务，为每个客户提供量身定制的解决方案。 在金融、电信、电力、智能制造等高可靠性要求的行业，DeepFlow 智能体已展现出卓越价值——从加速核心系统上线，到避免关键业务雪崩，再到突发情况应对，通过预防为主、快速止血和及时决策的全方位保障。 DeepFlow 智能体的架构涵盖交互层、感知层、推理层和执行层，通过零侵扰采集技术、思维链状态机技术和自适应感知技术解决了可观测性、幻觉问题和成本效益的技术挑战。实施过程遵循"数据采集—业务梳理—场景优化"的科学路径，确保企业能够将20%的核心需求转化为80%的竞争优势。
2025-03-04
优秀的个人博客,低调大师

AI 赋能指标管理分析，开启企业数智领航时代

以下为本次分享的回顾： 在大数据时代，企业数字化转型的核心目标在于让数据发挥真正的价值。从数据报表到分析平台，再到日常取数，企业所依赖的不仅仅是数据本身，而是通过数据所呈现出对业务的分析、业务的查看以及业务未来趋势的洞察。再多数据只有同业务相结合转化为信息，经过处理呈现才能真正体现他们的价值，而这一切的实现离不开高效的数据管理平台和分析工具。 企业数字化转型下数据应用面临的难题与挑战 1.1 数据应用面临的困境 企业数字化转型下，数据的获取和共享是支持业务决策的重要环节。在这一过程中，渐渐产生出诸多数据应用上的问题，主要面临三个困境。 困境一：数据孤岛现象严重 困境二：海量指标检索效率低下 困境三：数据理解与应用困难 这些困境的存在使得企业难以制定有效的经营决策，甚至可能给企业带来巨大损失，成为企业数字化转型过程中亟待解决的重要课题。 1.2 数据应用困境的破局之道 基于以往经验，"定义一次指标，借助 AI 高效应用数据"这一全新的解决方案方案，通过两个核心能力，为解决数据应用中的困境提供了破局之道。 定义一次指标指的是利用指标管理分析平台实现指标的统一管理和查看，从而有效解决数据孤岛现象。借助 AI 高效应用数据，主要指通过 AI 大模型辅助数据查看、数据分析以及支持未来业务决策，有效应对海量指标检索效率低下和数据理解与应用困难这两大问题。 指标管理平台融合AI，重塑企业经营面貌 为了助力企业通过指标管理平台融合 AI 技术，重塑企业经营面貌，袋鼠云推出智能指标管理产品------AIMetrics。智能指标 AIMetrics的产品架构主要分为三部分。 底层的数据准备工作：将数据仓库、Taier分布式调度及OLAP查询作为整个架构的基础。 上中间层的指标统一管理工作：包括对指标的业务定义、技术口径定义以及管理属性定义等内容。 上层的指标应用工作：借由AI实现更高效的指标检索和更灵活的数据查询，以及对异动指标的准确监测预警和归因分析。 同时整个系统具备统一的权限管控机制，确保在进行指标查询和数据查询时，保障数据安全性，防止企业数据被异常使用，全面提升指标管理与应用的智能化水平。 2.1 智能指标AIMetrics的AI技术实现框架 在智能指标AIMetrics平台中AI技术实现的整体框架中，首先要在指标管理平台中完成指标的定义、开发及相关日常管理工作。开发完成后，平台会生成一系列指标的属性信息，这些信息会作为业务数据库的一部分，通过向量化工具被转化为向量化数据，并存储在业务向量化数据库中。 当用户提出问题时，系统会基于大模型进行指标检索将用户的问题向量化，并与业务向量库中的数据进行匹配，并将匹配结果返回给用户，提示其意向检索的指标。用户可以进一步查询该指标的数据，并对数据进行分析。同时，AI 也能够助力用户进行更深层次的数据分析业务洞察。此外，在整个平台应用过程中，系统会生成对话记忆，确保用户对话的连续性和体验的流畅性。 2.2 智能指标AIMetrics的指标检索功能 在传统的指标检索中，我们通常依赖输入文案搜索、使用下拉框筛选属性、或者通过排序功能重新排列数据来找到目标指标。然而，这些方法往往效率较低且需要付出较多精力。如果输入的文案与数据库中的目标文案不一致，检索过程会变得更加困难。 借助AI技术，智能指标AIMetrics平台对传统的数据查询和分析功能进行了升级，用户只需输入简单的文案，与AI进行自然对话，AI便会基于输入内容判断用户意图，快速匹配向量库中的目标指标，并将结果反馈予以确认，显著提升了检索效率，让数据查询更加智能化和便捷。 2.3 智能指标AIMetrics的指标数据查询功能 传统的数据查询流程通常需要多个环节的协作。首先，业务方需要向开发方提出指标需求，随后开发方需从历史数据库或数据仓库中查找数据，再根据业务需求进行宽表聚合，最后将聚合结果交给BI工具进行展示和查看。此外，这一过程还可能涉及配置调整、数据开发或业务开发等多个环节，整个过程周期较长。 在智能指标AIMetrics平台中，这一过程被大大简化。用户只需通过文字输入想要查询的指标和数据范围，AI会自动分析查询意图，并将其转换为SQL查询语句进行快速的数据查询及可视化展示。不仅省去了中间繁琐的开发和检索过程，还能帮助业务方更高效地使用数据。 2.4 智能指标AIMetrics的指标分析功能 在传统的指标分析过程中，通常包括四个步骤：确定分析目的、数据查询、数据分析、整合分析结果并进行总结汇报。该过程通常依赖多个平台和专业人才，导致周期长且难以实时响应业务变化，造成数据整合困难，对企业的经营决策产生负面影响。 在智能指标AIMetrics平台中，业务波动和历史数据可以借由AI进行梳理。不仅能通过指标波动性分析对异常数据进行即时反馈，还可以基于历史数据对数据走势查找波动原因，提供深入分析方向或建议可能的决策措施，并基于输入的问题和分析维度，进行归因分析和分析结果的可视化展示。大大提升了企业进行经营决策的效率，推动业务高效发展。 企业指标管理分析的AI升级路径解析 基于智能指标AIMetrics平台的企业指标管理升级方案，分为四个关键步骤。 业务梳理：包括指标体系梳理以及企业级知识库梳理 指标体系平台化落地：通过指标管理平台将指标体系平台化，确保指标体系统一管理和数据安全管控，提供高效的指标属性检索、指标血源查看、指标数据查看、指标监控以及指标分析 AI强化学习：AI大模型基于平台化落地的指标体系进行学习，从懂数据，到懂业务，再到懂用户 智能对话式分析与洞察：AI借由智能对话的方式，助力企业灵活检索指标、查询与解释指标数据、分析与预测指标数据、提供业务分析与决策建议，推动业务发展与AI模型的持续优化与迭代 以上是企业通过AI模块和指标平台进行升级的整体方案框架。在业务梳理阶段，可以借由分析师可以协助进行业务的整理，而在更高层次上，更多的是通过平台的功能去完善整体指标的分析与洞察，为企业提供更高效的决策支持。 本次分享从企业数字化转型所面临的数据应用困境及破局之道出发，详细介绍了智能指标管理产品AIMetrics在企业指标管理平台融合AI的实现路径和重要功能。若您对分享内容感兴趣，可以点击【阅读原文】获取课件资料。 《数据资产管理白皮书》下载地址 ：https://www.dtstack.com/resources/1073/?src=szsm 《行业指标体系白皮书》下载地址 ：https://www.dtstack.com/resources/1057/?src=szsm 《数据治理行业实践白皮书》下载地址 ：https://www.dtstack.com/resources/1001/?src=szsm 《数栈V6.0产品白皮书》下载地址 ：https://www.dtstack.com/resources/1004/?src=szsm 想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=szsm 同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack
2025-02-25
优秀的个人博客,低调大师

Google I/O 2024：开启新一代的 I/O

作者：Sundar Pichai Google 和 Alphabet CEO 编者按：以下是 Sundar Pichai 在 2024 年 I/O 大会上讲话编辑稿，经过调整以包含更多在舞台上宣布的内容。 Google 已全面进入 Gemini 时代。 在深入探讨之前，我想先回顾一下我们所处的时刻。十多年来，我们一直在 AI 领域进行投入，并在各个层面进行创新：研究、产品、基础设施，今天我们将对此进行全面讨论。 尽管如此，我们仍处于 AI 平台转型的初期。我们看到了为创作者、开发者、初创公司以及每一个人所带来的巨大机遇。帮助推动这些机遇正是我们 Gemini 时代的意义所在。让我们开始吧。 完整视频可查看原文链接：https://mp.weixin.qq.com/s/G9MAuRFppOowAyUeCu2_UQ Gemini 时代 一年前，在 I/O 大会上，我们首次分享了 Gemini 的计划：一个从一开始就构建为原生多模态的前沿模型，能够跨文本、图像、视频、代码等多种数据类型进行推理。它标志着将任意输入转换成任意输出的重要一步——新一代的“I/O”。 自那以来，我们推出了首批 Gemini 模型，这是我们迄今为止功能最强大的模型。它们在每个多模态基准测试中都拥有卓越的表现。两个月后，我们又推出了 Gemini 1.5 Pro，它在处理长上下文方面取得了重大突破，能够稳定地在生产环境中运行 100 万个令牌（Token），比目前任何其他大规模基础模型都要多。 我们希望每个人都能从 Gemini 的功能中受益。因此，我们立即行动起来，与大家分享这些进展。目前，超过 150 万的开发者在使用我们各种工具中的 Gemini 模型。你们使用它来调试代码、获得新的见解并打造下一代的 AI 应用。 产品进展 今天，我们所有拥有 20 亿用户的产品都在使用 Gemini。 我们还推出了全新的体验，包括在移动设备上，人们现在可以通过 Android 和 iOS 上的应用程序直接与 Gemini 互动， Gemini Advanced让用户还可以使用我们功能最强的模型。仅在三个月的时间里，已有超过一百万人注册试用，并且势头依然强劲。 在搜索中扩展 AI Overviews Gemini 带来的最令人兴奋的变革之一是在 Google 搜索中。 在过去的一年中，作为我们生成式搜索体验（Search Generative Experience）的一部分，我们已经回答了数十亿个搜索查询。人们正在以全新的方式使用搜索，提出全新类型的问题，作出更长、更复杂的查询，甚至是通过照片进行搜索，并获得网络上的最佳信息。 我们也在不断将 Gemini 的突破性功能以强大的方式整合到我们的产品中。今天，我们将展示搜索、Photos、Workspace 和 Android 等产品中的实例。 我们一直在 Labs 之外对这种体验进行测试。我们倍受鼓舞地看到，不仅搜索的使用量有所增加，用户满意度也得到了提升。 我很高兴宣布，我们将于本周在美国向所有用户推出这一全新改版的 AI Overviews 体验。我们很快也将把这项体验推广到更多国家。 在搜索领域正发生着诸多创新。得益于 Gemini，我们能够打造更为强大的搜索体验，包括在我们的产品之中。 介绍 Ask Photos Google Photos 就是一个例子，在大约九年前，我们发布了这款产品，自那以来，人们一直用它来整理最珍贵的回忆。如今，每天上传的照片和视频数量超过 60 亿。 人们喜欢使用 Photos 来搜索他们生活中的点滴。借助 Gemini，我们让这一切变得更加简单。 假设你在停车场缴费时，却想不起自己的车牌号。以往，你需要在 Photos 中搜索关键词，然后翻找多年积累的照片来寻找车牌。但现在，你只需直接询问 Photos 即可。它能够识别出经常出现的车辆，通过多方信息交叉验证判断出哪一辆是你的，并提供车牌号码。 Ask Photos 还能够帮助你以更深入的方式重温回忆。例如，你可能正在回味女儿 Lucia 成长的早期重要时刻。现在，你可以直接问 Photos：“Lucia 是什么时候学会游泳的？” 你甚至可以跟进提出更复杂的问题：“向我展示 Lucia 的游泳技能是怎么进步的。” 在这里，Gemini 不再只是进行简单的搜索，它会识别不同的上下文——从在游泳池中扑腾，到在海洋中浮潜，再到她游泳证书上的文字和日期。Photos 会将所有这些信息整合在一起形成一个总结，让你能够全面了解，并再次重温那些美妙的回忆。我们将在今年夏天推出 Ask Photos，并将持续增加更多功能。 通过多模态和长上下文解锁更多知识 为了理解跨越不同格式的各种知识，我们从一开始就将Gemini 打造成多模态的。它是一个内置了所有模态的模型。因此，它可以理解不同类型的输入，并找到它们之间的联系。 多模态从根本上扩展了我们可以提出的问题以及我们将得到的答案。而长文本能力则使其更进一步，让我们能够引入更多信息：数百页文本、数小时音频或一小时视频、整个代码存储库……或者，如果你愿意，大约 96 份芝士蛋糕工厂餐厅的菜单。 处理这么大量的菜单，你可能需要 100 万令牌的上下文窗口，而现在通过 Gemini 1.5 Pro 就可以实现。开发者们就一直在以各种非常有趣的方式使用它。 完整视频可查看原文链接：https://mp.weixin.qq.com/s/G9MAuRFppOowAyUeCu2_UQ 在过去的几个月里，我们已经推出了具有长上下文能力的 Gemini 1.5 Pro的预览版，我们还对翻译、编码和推理的质量进行了一系列改进。从今天开始，你也将在模型中看到这些更新。 现在我很高兴地宣布，我们将向全球所有开发者推出改进版的 Gemini 1.5 Pro。此外，从今天开始，具有100 万令牌上下文能力的 Gemini 1.5 Pro 也可供 Gemini Advanced 的消费者直接使用，包含 35 种语言。 在非公开预览版中扩展到 200 万令牌 100 万令牌正在开辟全新的可能性。这已经很振奋人心，但我认为我们还可以更进一步。 今天，我们将上下文窗口扩展到 200 万个令牌，并将其以非公开预览版的方式提供给开发者们。 过去几个月来我们所取得的进展让我非常激动，这代表着我们朝无限上下文的最终目标又迈出了一步。 将 Gemini 1.5 Pro 应用于 Workspace 到目前为止，我们已经分享了两项技术进步：多模态和长上下文。他们各自已经非常强大，但二者结合能够释放更深层次的能力和更多的智能。 这在 Google Workspace 中体现得更加淋漓尽致。 长期以来，人们总在 Gmail 中搜索他们的电子邮件。而现在我们正通过 Gemini 使其变得更加强大。例如，作为家长，你希望随时了解孩子在学校发生的一切，Gemini 就可以帮助你！ 现在，我们可以让 Gemini 总结学校最近发来的所有电子邮件。在后台，它可以识别相关电子邮件，甚至分析 PDF 等附件，你可以获得一份包含关键要点和待办事项的摘要。也许你本周正在旅途中，无法参加家长会议，而会议录音长达一个小时。如果这份录音来自于 Google Meet，你就可以让 Gemini 为你提供重点内容。倘若有个家长小组正在寻找志愿者，而你那天正好有空，那么当然，Gemini 还可以帮助你起草回复邮件。 还有无数其他例子可以说明 Gemini 如何让生活更轻松。今天起 Gemini 1.5 Pro 已经应用在 Workspace Labs 中。 NotebookLM 中的音频输出 我们刚刚看了一个文本输出的例子，但通过多模态模型，我们可以做得更多。 我们在这方面已经取得了进展，未来还会有更多。NotebookLM 中的音频概述（Audio Overview）就显示了在这方面的进展：它通过 Gemini 1.5 Pro，可以基于你的源文件生成个性化和交互式音频对话。 这就是多模态带来的可能性，很快你就能够将输入和输出进行混合和匹配，这就是我们所说的新一代 I/O的意思。但如果我们还能再进一步呢？ 使用 AI 智能体更进一步 在这一方面更进一步就是我们在 AI 智能体（AI Agents）上看到的机遇之一。我认为它们是可以推理、规划和记忆的智能系统。它们能够提前多步”思考”，跨软件和系统工作，所有这些都是为了帮助你完成任务，而最重要的是要在你的监督之下。 我们仍处于早期阶段，但让我向你展示一些我们正在努力解决的应用案例的类型。 让我们以购物为例。买鞋很有意思，但当鞋子不合适需要退货时就不那么有趣了。 想象一下，如果 Gemini 可以为你完成所有步骤： 在你的收件箱中搜索收据…… 从你的电子邮件中找到订单号…… 填写退货表格…… 甚至安排 UPS 取件。 那是不是容易多了？ 让我们再举一个更复杂一些的例子。 假设你刚搬到芝加哥。想象一下 Gemini 和 Chrome 能够共同协作帮助你做很多准备工作——代替你组织、推理、综合分析等。 比如，你想要探索这座城市并找到附近的服务——从干洗店到遛狗服务，你还必须在数十个网站上更新你的新地址。 现在 Gemini 可以胜任这些工作，并在需要时提示你提供更多信息。这样事情始终在你的掌控之中。 这部分非常重要——当我们做这些体验的原型设计时，我们深思熟虑如何以一种私密、安全且对每个人都适用的方式来进行。 这些都是简单的应用案例，但它们可以让你很好地了解到，通过构建能够代表你去提前思考、推理和计划的智能系统，我们希望能够解决的问题类型。 这对我们的使命意味着什么 Gemini 凭借其多模态、长上下文和智能体，使我们更接近我们的最终目标：让 AI 助力每个人。 我们认为，这是我们在达成使命方面取得最大进展的方式：整合以各种方式输入的全球信息，使其可以通过任何输出方式被获取，并将全球信息与你的世界中的信息结合起来，以一种真正对你有用的方式进行呈现。 新的突破 为了充分发挥 AI 的潜力，我们需要开创新领域，谷歌 DeepMind 团队一直致力于此。 我们已经收到了大家对 1.5 Pro 及其长上下文窗口的热情反馈，但我们也从开发人员那里了解到，他们想要更快、更具成本效益。因此，明天，我们将推出 Gemini 1.5 Flash，一个为规模化构建的更轻量级的模型，它针对以低延迟和成本为重的任务进行了优化。1.5 Flash 将于周二在 AI Studio 和 Vertex AI 中提供。 展望未来，我们始终希望构建一个在日常生活中有用的通用智能体。Astra 项目展示了多模态理解和实时对话能力。 完整视频可查看原文链接：https://mp.weixin.qq.com/s/G9MAuRFppOowAyUeCu2_UQ 我们还在视频和图像生成方面取得了进展，推出了 Veo 和 Imagen 3，并推出了 Gemma 2.0——我们为负责任的 AI 创新打造的下一代开放模型。 AI 时代的基础设施：介绍 Trillium 训练最先进的模型需要大量的计算能力。过去六年中，行业对机器学习计算能力的需求增长了 100 万倍。而且，每年都会以十倍的速度增长。 Google 在这方面具有优势。25 年来，我们一直在投资世界一流的技术基础设施，从支持搜索的尖端硬件，到为我们的 AI 进步提供支持的定制张量处理单元（tensor processing units）。 Gemini 完全在我们的第四代和第五代 TPU 上进行训练和服务。包括 Anthropic 在内的其他领先的 AI 公司也已经在 TPU 上训练了他们的模型。 今天，我们很高兴地宣布推出第六代 TPU—— Trillium。Trillium 是我们迄今为止性能最强、效率最高的 TPU，与上一代 TPU v5e 相比，每个芯片的计算性能提高了 4.7 倍。 我们将在 2024 年底向 Cloud 客户提供 Trillium。 除了我们的 TPU，我们还推出 CPU 和 GPU 来支持任何工作负载。这包括我们上个月宣布的新型 Axion 处理器，我们的首款基于 Arm 定制的 CPU，可提供业界领先的性能和能效。 我们也很自豪成为首批提供 Nvidia 尖端 Blackwell GPU 的 Cloud 提供商之一，该 GPU 将于 2025 年初上市。我们很幸运能与 NVIDIA 建立长期合作伙伴关系，并很高兴能将 Blackwell 的突破性功能带给我们的客户。 芯片是我们集成端到端系统的基础部分，从性能优化的硬件和开放软件到灵活的消费模式。所有这些都汇集在我们的 AI 超级计算机（ AI Hypercomputer）中，这是一种开创性的超级计算机架构。 企业和开发者正在使用它来应对更复杂的挑战，其效率是仅购买原始硬件和芯片的两倍多。我们的 AI 超级计算机的进步之所以成为可能，是因为我们在数据中心采用了液体冷却的方法。 我们已经这样做近10年了，远早于它成为行业的先进技术。如今，我们部署的液体冷却系统总容量已接近 1 吉瓦，并且还在不断增长——这几乎是任何其他团队的 70 倍。 这背后的基础是我们庞大的网络规模，它连接了我们全球的基础设施。我们的网络覆盖了超过 200 万英里的陆地和海底光纤：是紧随之后的云服务提供商的 10 倍（！）以上。 我们将继续进行必要的投资，以推进 AI 创新并提供最先进的功能。 搜索最激动人心的篇章 我们最大的投资和创新领域之一是我们的创始产品——搜索。25 年前，我们创建了搜索，以帮助人们理解互联网上汹涌的信息浪潮。 随着每一次平台的转变，我们都在帮助更好地回答你的问题上取得了突破。在移动设备上，我们利用更好的上下文、位置感知和实时信息，解锁了新型的问题和答案。随着自然语言理解和计算机视觉技术的进步，我们实现了新的搜索方式，可以用语音或哼唱来找到你最喜欢的新歌；或者用你在散步时看到的那朵花的图像来进行搜索。现在，你甚至可以使用 Circle to Search 来搜索你可能想要购买的那些很酷的新鞋。去试试吧，反正你总能退货！ 当然，Gemini 时代的搜索将把这一切提升到一个全新的水平，它将把我们的基础设施优势、最新的 AI 功能、对信息质量的高标准以及数十年来把你与丰富的网络连接起来的经验相结合。其结果将是一款为你工作的产品。 Google 搜索是生成式 AI，其规模足以满足人类好奇心。这是我们迄今为止最激动人心的搜索篇章。 更智能的 Gemini 体验 Gemini 不仅仅是一个聊天机器人；它旨在成为你得力的私人助手，可以帮助你处理复杂的任务并代表你采取行动。 与 Gemini 的互动应该是对话式的、直观的。因此，我们宣布推出称为 Live 的全新 Gemini 体验，让你可以使用语音与 Gemini 进行深入对话。我们还会在今年晚些时候将 Gemini Advanced 提升为 200 万个令牌，以便能够上传和分析视频和长代码等超密集文件。 Android 上 的 Gemini 全球有数十亿 Android 用户，因此我们很高兴能将 Gemini 更深入地融入用户体验。作为你的全新 AI 助手，Gemini 可随时随地为你提供帮助。我们已将 Gemini 模型整合到 Android 中，包括我们最新的设备端模型：Gemini Nano 多模态模型 (Gemini Nano with Multimodality)，它可以处理文本、图像、音频和语音，在保证存储在设备上的信息私密性的同时解锁新的体验。 我们负责任的 AI 方法 我们继续大胆而振奋地把握住 AI 所带来的机遇。同时，我们也在确保以负责任的方法行事。我们正在开发一种叫做 AI 辅助红队测试 (AI-assisted red teaming) 的尖端技术，该技术利用了 Google DeepMind 在 AlphaGo 等游戏方面的突破以改进我们的模型。此外，我们也已将 SynthID 水印工具扩展到文本和视频两种新的模态，因此更容易识别 AI 生成的内容。 共同创造未来 所有这些都表明了我们在以大胆而负责任的方法，让 AI 助力每个人方面取得的重要进展。 很长一段时间以来，我们一直采用 AI 为先的方法。我们数十年的研究领导者地位开创了许多现代突破，为我们和整个行业的 AI 进步提供了动力。最重要的是，我们拥有： 专为 AI 时代打造的世界领先基础设施 现在由 Gemini 提供支持的搜索领域的尖端创新 在极大规模上提供帮助的产品——包括 15 款拥有 5 亿用户的产品 让每个人——合作伙伴、客户、创作者以及所有人——都能创造未来的平台。 这一进步之所以能够实现，是因为我们卓越的开发者社区。通过每天创建的体验和应用程序，你们将这一切变为现实。在此，我要向在 Shoreline 现场的各位以及全球数百万在线观看的朋友们致意：让我们共同迎接未来的无限可能，携手共创美好未来。
2024-05-16
优秀的个人博客,低调大师

ILLA Cloud: 调用 Hugging Face Inference Endpoints，开启大模型世界之门

一个月前，我们宣布了与 ILLA Cloud 达成的合作：ILLA Cloud 正式支持集成 Hugging Face Hub 上的 AI 模型库和其他相关功能。 今天，我们为大家带来 ILLA Cloud 集成 Hugging Face 功能的更新，经过双方团队的沟通和推进，ILLA Cloud 现已发布 2.0 正式版 ——用户可以将 ILLA Cloud 的应用构建能力与 Hugging Face 上先进的 AI 模型相结合，借助两个平台的优势为团队带来更进一步的效率提升。 ILLA Cloud 是一个开源低代码开发平台，用户可以通过连接各种组件和操作来构建企业内部应用程序，Hugging Face 在其中扮演了提供了 AI 模型、工具和资源的供应商。 在接下来的内容中，我们将指导你在 ILLA Cloud 中使用 Hugging Face 的 Inference Endpoints 和 Hugging Face Hub 上的 openai/whisper-base 模型创建一个音频转文字应用程序，以展示本次合作的内容和优势以及这项技术的一些可能用例。 第一步：用组件搭建前端界面 首先，使用 ILLA Cloud 的组件（如文件上传和按钮）设计一个直观的界面。这个界面将使用户能够轻松地上传音频文件并启动转录过程。 确保用户界面友好且视觉吸引力强。考虑加入清晰的说明，以便用户了解如何有效地使用应用程序。 第二步：添加 Hugging Face 资源 为了添加 Hugging Face 资源，请按如下要求填写必填字段： Endpoint URL：通过在 Hugging Face 平台上创建 Endpoints 来获取。 Token: 在你的 Hugging Face 个人设置页面中找到。 Endpoints 创建链接: https://ui.endpoints.huggingface.co/new 这一步建立了你的 ILLA Cloud 应用程序与 Hugging Face 模型之间的连接，实现无缝集成和执行。 第三步：配置操作 接下来，配置操作以执行 Hugging Face 模型： 选择适当的参数类型:对于 openai/whisper-base模型，选择 Binary，因为它需要二进制文件输入； 将前端界面的输入文件映射到操作参数。 仔细配置操作可确保你的应用程序正确且高效地处理音频输入。 第四步：连接组件和操作 现在，在 ILLA Cloud 中建立组件和操作之间的连接: 为按钮添加事件处理程序，单击时触发操作运行； 将文本组件的值设置为 {{whisper.data[0].text}}。这将在文本组件上显示转录结果。 通过连接组件和操作，为你的用户提供了无缝的体验，让他们亲身感受 Hugging Face Hub 上 NLP 模型的威力。 用例与应用 你使用 ILLA Cloud 和 Hugging Face Hub 上的 openai/whisper-base 模型创建的音频转文字应用具有许多潜在的用例和应用，包括: 会议记录：自动转录会议录音，节省时间和精力，确保准确记录； 播客转录：将播客剧集转换为文本，使其更易访问和搜索； 访谈转录：为定性研究转录访谈，使研究人员能够分析和编码基于文本的数据； 语音助手：通过将用户的口头命令转换为文本进行进一步处理，提高语音助手的功能。 这些用例只是许多可能性的一部分，这得益于这一强大合作。 扩展应用 为了进一步增强你的音频转文字应用，可以考虑加入以下附加功能： 语言翻译：整合机器翻译模型，自动将转录文本翻译成不同的语言，使你的应用更具多功能性，更适应全球受众； 情感分析：分析转录文本的情感，帮助用户了解音频内容的整体基调； 关键词提取：实施关键词提取模型，从转录文本中识别关键主题和概念，让用户快速了解音频内容的主要焦点； 文本摘要：使用抽象或提取摘要模型对转录文本进行总结，为用户提供内容的精简版本。 通过添加这些功能，你可以创建一个更全面且强大的应用，满足各种用户需求和要求。 结语 ILLA Cloud 与 Hugging Face 的合作为用户提供了一种无缝而强大的方式来构建利用尖端 NLP 模型的应用程序。遵循本教程，你可以快速地创建一个在 ILLA Cloud 中利用 Hugging Face Inference Endpoints 的音频转文字应用。这一合作不仅简化了应用构建过程，还为创新和发展提供了新的可能性。 了解更多ILLA Cloud 的信息，请关注ILLA Cloud的公众号: 本文分享自微信公众号 - Hugging Face（gh_504339124f0f）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
2023-04-10
优秀的个人博客,低调大师

腾讯云消息队列TDMQ RabbitMQ 版开启公测，文末有惊喜！

导语 1月6日，TDMQ RabbitMQ 版正式公测！TDMQ RabbitMQ 版是TDMQ系列产品中的一款子产品，是一款分布式高可用的消息队列服务，支持AMQP 0-9-1 协议，完全兼容开源 RabbitMQ 的各个组件与概念。欢迎大家扫描文末二维码使用体验！ TDMQ RabbitMQ 版的背景 众所周知，RabbitMQ是一个历史比较悠久的消息队列中间件，它是使用Erlang语言开发的实现AMQP（Advanced Message Queue Protocol 高级消息队列协议）的消息中间件。RabbitMQ最初起源于金融系统，它在可靠性、可用性、扩展性、消息持久化、高并发等方面的有着卓越的表现。TDMQ RabbitMQ 版是依托于TDMQ而生的一款子产品，支持AMQP 0-9-1 协议，完全兼容开源 RabbitMQ 的各个组件与概念，稳定可靠，易用免运维，相比开源RabbitMQ，性能更佳且易拓展。 产品介绍 TDMQ RabbitMQ 版（TDMQ for RabbitMQ）具备计算存储分离，灵活扩缩容的底层优势，拥有极为灵活的路由来适应各类业务的消息投递规则，能有缓冲上游的流量压力，保证消息系统的稳定运行。常用于系统间的异步通信和服务解耦，减轻不同服务之间的依赖，广泛应用于金融等行业的分布式系统中。 TDMQ RabbitMQ 版的基本概念如下： 生产者：向 Exchange 发送消息。 Vhost：用作逻辑隔离，不同Vhost 之间的 Exchange 和 Queue 相互隔离，互不干扰。 Exchange：接收来自生产者的消息并将消息路由到 Queue 的组件。 Queue：存储消息的缓冲区，供消费者消费消息。 消费者：从 Queue 拉取消息进行消费。 产品优势 兼容开源 支持 AMQP 0-9-1 版本标准协议，完全支持开源 RabbitMQ 社区和 Queue、Exchange、Vhost 组件，并支持原生RabbitMQ周边组件的无缝接入。还将支持一键迁移开源 RabbitMQ 元数据，实现迁移上云零成本（即将上线）。 功能完备 TDMQ RabbitMQ 版支持原生 RabbitMQ 的各类消息模型。支持死信交换机与备用交换机，用户无需担心由于消息过期、路由失败等因素造成的消息丢失。默认支持开源延时消息插件，无需额外安装也可方便使用延时消息。 稳定可靠 持久化机制确保了 TDMQ RabbitMQ 版的高可靠性。设置 Exchange、Queue、消息的持久化，保证服务重启后元数据与消息内容不丢失。消息采用三副本存储策略，某台物理机故障时，能够实现数据的快速迁移，保证用户数据3个备份可用，服务可用性达99.95%。 高扩展性 TDMQ RabbitMQ 版相比于开源 RabbitMQ 支持更高的队列数量，可扩展能力强，底层系统可根据业务规模自动弹性伸缩、扩容/缩容集群规模，对用户透明。 易用免运维 提供 API 访问接口，支持开源所有语言和版本的 SDK。提供腾讯云平台整套运维服务，实时监控，帮助用户快速发现并解决问题，保证服务的可用性。另外还支持对某个时间段的消息进行快速查询，精准定位您的业务问题。 应用场景 秒杀系统流量削峰 秒杀系统可能因瞬时流量过大导致系统“宕机”，TDMQ RabbitMQ 版缓冲上游的流量压力，保证消息系统的稳定运行。 业务系统异步解耦 交易系统的订单数据涉及下游上百个业务系统，如发货、物流、订单等。TDMQ RabbitMQ 版可以实现系统间的异步通信和服务解耦，减轻不同服务之间的依赖，提升处理效率，保证系统稳定性。 产品体验入口 腾讯云消息队列TDMQ RabbitMQ 版已经开放公测，欢迎大家使用体验： 扫描二维码，立即体验 在1月6日~1月20日期间特别推出有奖产品体验活动，您可以将产品使用后的建议填写到下方问卷中，我们将挑选10个优质的产品体验建议，为您送去腾讯公仔盲盒的礼品； 扫描二维码，填写产品体验调查问卷
2022-01-11
优秀的个人博客,低调大师

5G消息开启试商用，会取代微信吗

被称为“杀手级”应用的5G消息，会成为未来人们社交、娱乐、生活的新方式吗，它是否会撼动微信在社交领域的地位? 什么是5G消息 日前中国联通宣布在全国启动5G消息试商用，并开展“5G消息体验招募活动”，面向企业客户和个人用户提供免费的5G消息体验包，友好体验用户将享受更丰富、便捷、智能、安全的5G消息新体验。 什么是5G消息?据介绍，中国联通5G消息有以下四个特点：第一，免下载，即使用原来的短信入口;第二，交互服务，即智能服务、自由沟通;第三，富媒体，即全面支持图片、视频、定位等;第四，信息安全，即基于实名认证，数据安全可靠。 去年4月8日，中国移动、中国电信、中国联通共同发布的《5G消息白皮书》显示，5G消息将带来全新的人机交互模式，用户在消息窗口内就能完成服务搜索、发现、交互、支付等一站式的业务体验。 资深通信行业专家项立刚对中国商报记者表示：“对于移动互联网来说，争夺入口很重要，因为通过入口可以实现社交、购物、支付、生活服务等很多功能。短信的入口位于手机首页很重要的位置，而且现在5G消息不是仅仅发送文字消息，而是可以把消息的传输拓展到图片、声音、影像等方面，变成一个很强大的平台。再加上三家运营商之间是互联互通的，不存在跨平台障碍，用户的沟通交流会很方便。另外5G信息与电话号码捆绑，安全性、便捷性会更高。所以5G消息如果能够发展起来，是很有价值的。” 资深电信行业分析师马继华对中国商报记者表示，5G消息可以实现多媒体化的互动链接，不需要App而实现服务直连，更节省手机资源，同时也减少了服务中介，会进一步方便所有人群的互联网使用，也有利于打破互联网公司之间的数据壁垒。 “5G消息业务基于GSMA RCS UP标准构建。融合通信(RCS)设计的初衷是替代传统的短信业务，允许手机和手机之间，手机和电信运营商之间传递多媒体信息。全球移动通信系统协会(GSMA)将融合通信列为5G终端的必选功能。”一位信息技术产业的从业人员告诉中国商报记者，“由于无需安装App，通过5G消息业务聚集的各类服务，相比于安装各种独立的App带来的运行内存消耗和手机存储空间占用，更能降低用户获取信息服务的成本，可以使低端智能手机有更好的运行体验。” 5G消息业务是发展趋势吗 《5G消息白皮书》里提到，当5G时代来临时，全球运营商已达成了广泛共识：传统短信业务需要升级到富媒体消息业务，即5G消息业务。 一位通信行业的从业人员告诉中国商报记者：“移动互联网时代，运营商管道化趋势难以避免，但运营商仍在寻找业务转型的出路。5G消息这一产品作为实施精细化流量经营中重要的一环，被运营商寄予厚望。运营商能否跟得上互联网市场的节奏，并打破目前微信的流量垄断地位，要拭目以待。” 马继华对记者表示，5G新消息是运营商在万物互联时代的好工具，只要获得整个生态的支持，必将发挥好的社会作用，产生巨大商业价值。 与此同时，中国移动和中国电信也在逐步推进5G消息的相关业务。 在近日举办的2021中国移动全球合作伙伴大会上，中移互联网有限公司副总经理庄仁峰发布了三款产品，即超级SIM卡、移动认证2.0、短信小程序2.0，以突破5G消息发展遇到的覆盖瓶颈。庄仁峰表示，短信小程序2.0直接通过卡片展示链接内容，解决了短信小程序1.0的感知问题，可作为5G消息的补充方案实现终端全覆盖。 中国电信10月21日在投资者互动平台表示，公司会积极协同行业共同推进5G消息正式商用平台的建设和业务商用准备工作;积极推进生态建设和客户引入，并开展5G消息合作伙伴的招募工作。公司已启动重点友好用户测试工作，待各方面条件成熟，将适时推出商用服务。 5G消息会取代微信吗 目前，5G消息应用在不断扩展，越来越多的行业和企业也正不断加入。 去年12月，中国银行联合中国联通推出基于5G消息的金融应用试点平台，并率先在海南开展“5G消息志愿者”首批试点。 今年9月，由国网汇通金财公司自主研发的“电e宝”Chatbot ID(聊天机器人身份标识)在中国移动5G行业消息平台正式上架。国网汇通金财公司现已经实现在“电e宝”5G消息中交电费、开发票、查积分的功能。 除此之外，携程、中国搜索、建设银行、青年文摘、深圳航空、南山政务服务等5G消息行业应用也已陆续发布。 据悉，中国联通目前已陆续接入数十家CSP(Chatbot Service Provider，聊天机器人服务提供者)，初期将提供智慧金融、智慧商超、智慧物流、智慧政务、智慧出行等领域的应用场景。 作为未来集社交、生活服务、购物、娱乐等应用为一体的移动互联网业务，5G消息有可能取代微信等平台的地位吗?如何看待5G消息的发展空间? 项立刚对此表示谨慎的乐观态度：“5G消息的发展还是有难度的。其难度在于各家运营商之间、运营商与业务提供者之间、运营商与手机厂商之间要互相配合支持，需要大家都参与进来，相互之间能很好地协调，这是有很大难度的。当然，如果能够做好，确实会对微信产生一定威胁。” 马继华表示，单纯的5G新消息不会取代微信，但如果运营商联合起来，却必然摆脱哑管道的命运，会弱化微信的“连接一切能力”，同时让更多的中小企业摆脱微信流量的控制，这将逐步从根本上改变微信生态。 “5G消息业务给用户提供了一个新的选择，一个5G消息业务、微信公共号与小程序、各种App分工合作又竞争的生态环境，可以给移动互联带来更丰富、更公平的体验。”上述信息技术产业的从业人员告诉记者。
2021-11-12
优秀的个人博客,低调大师

报名开启 | 2021 OpenAtom OpenAtom XuperChain 官方认证讲师培训正式启动！

开放原子教育与开放原子超级链联合推出了"2021 OpenAtom XuperChain 官方认证讲师培训"。 面向对区块链有一定认知的高校老师、开发者，将围绕 OpenAtom XuperChain 系统框架、技术解读、应用开发、生态技术等开展丰富的线上课程，培训后有机会获得百度超级链与开放原子教育联合认证讲师证书，并成为教育培训类合 作伙伴，共同推动区块链领域人才培养。 报名时间为 10 月 21 日-11 月 4 日，可点击链接填写报名表。欢迎各界人士加入 OpenAtom XuperChain 专家体系，成为讲师群组的核心成员。 报名地址：https://www.wjx.cn/vm/t0xQUZQ.aspx
2021-11-02

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-04-11 大小: 211.28KB 下载: 56次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-04-24 大小: 189MB 下载: 6次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2025-12-17 大小: 5MB 下载: 1次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2025-12-03 大小: 9.84MB 下载: 39次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册