2019 年,阿里云与 MongoDB 达成战略合作,作为云厂商独家支持 MongoDB 4.0 以及后续 最新版本的服务,与 MongoDB 的关系从开源社区到商业合作全面覆盖。同年,MongoDB 4.2 版本 发布,具备了分布式事务的处理能力,覆盖传统关系型数据库的事务能力。近期,阿里云 MongoDB 的云原生技术也从生命周期的托管逐步升级到资源池化与存储计算分离的云原生架构。利用云原生技 术架构,让传统数据库具备了系统资源灵活弹性升级的云化能力,帮助用户便捷的实现数字化转型升 级,降低企业 TCO 成本。
数据库诞生于二十世纪的50年代,当时的应用场景仅限于国防、科研等大型应用场景。70年代小型机开始出现,随之出现 的是我们所熟悉的关系型数据库,如IBM的DB 2、Oracle、INGRES等。90年代PC机开始普及,一些企业开始做信息化 转型,ERP/CRM/财务软件开始涌现,这些软件都是运行在廉价的X86服务器和PC机上,所用的数据库是开源或商业的 MySQL、SQL Server、PostgreSQL 等。2000年后进入互联网大数据时代,数据急剧膨胀,传统的单机关系数据库已 经无法满足时代处理数据的需求,因此开始涌现一些像HBase,Redis、MongoDB的NoSQL数据库。
本文主要大概分为 4 个部分,第一部分介绍云服务器 ECS 的基本概念;第二部分 对 ECS 的实例规格族进行一个详细的解读;第三部分给大家实战讲解如何去做 ECS 实 例的选型;最后一部分简单介绍一下如何去省钱省力的来使用 ECS。
2019云栖大会-图模型在阿里安全中的实践,人工智能在用户安全领域的应用,属于AI感知领域的应用场景.部攻击导致的模型风险:例如,来自外部的对抗样本攻击可诱使算法识别出现误判漏判,输出错误结果。
统一召回引擎在推荐场景的应用 打造个性化推荐效果的召回引擎 统一召回引擎的云上实践 阿里云开放搜索 开放搜索(OpenSearch)是基于阿里巴巴自主研发的大规模分布式搜索引擎搭建的一站
从消费互联网到产业互联网,科技创新的发展从未停止,对于众多科技创新型企业 来说,如何创造客户价值、市场价值和社会价值是一直思考的命题。如今,迷雾渐散, 技术和商业创新或将成为企业走向成功的重要法宝。看见新力量所关注的创业者正是在 科技创新的浪潮下不同赛道涌现出的新生力量,这些新生力量也是阿里云创新中心的伙 伴和用户。
在深度学习的时代,AI·OS 引擎体系的架构演进的变化是相当大的。但是我们并没有像 其他的互联网公司一样,在搜索和推荐的系统之外单独做深度学习的技术。之所以成为今 天的 AI·OS 体系,是因为我们把搜索、推荐、信息流、广告、深度学习这几项,从技术 到业务场景都不同的东西,非常好地结合到了一起,得以形成了有实质内涵,能相互借助 合体发力的基础引擎平台。
2021 年 9 月 24 日,CCF C3第十期“认知智能”分享会在北京阿里研究院举行,来自各行业的 企业 CTO、高级技术人才和资深学者,共同探讨企业人工智能从感知智能向认知智能阶段发展的意 义。本次活动由 CCF 副秘书长、亿邦动力 CEO 王超主持,CCF 副理事长、创新工场首席科学家、澜 舟科技创始人周明做了开场致辞,并代表 CCF 为活动承办方阿里研究院颁发 CCF C3活动承办单位 感谢牌。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南