随着云原生热度持续攀升，行业进入云上价值探索的新阶段。 🔥 10月29日，在Techo Day腾讯技术开放日上，腾讯宣😜布升级云原生战略布局，加大PaaS自研能力建设，并发布了三款🤔云原生新品，表示将持续加大对云原生技术研究的投入，推动云原生😡在企业的落地，助力企业深化数字化转型。 企业数字化更需👍要云原生的PaaS和SaaS能力 云原生时代，企业“上😀云”已不再满足于简单地把基础设施搬到云上，为了追求更进一步的😜降本增效和业务发展，越来越多企业把云原生作为数字化转型的新思🙄路。 据IDC调研结果，在使用云原生的企业中，有近五成🎉企业已经将云原生技术应用到生产环境的核心和次核心系统，83%😡的企业表示将持续加大在此方面的投入。 可见，云原生已经🙌成为企业“用云”的新范式。此次Techo Day，腾讯云副总😢裁刘颖也分享了对行业的洞察，他认为，“云原生技术能够帮助企业🤩提高应用的开发、发布、迭代速度，且具备极致的资源伸缩能力、服🙌务自治和自愈能力，让企业在新场景下，灵活应对架构、资源、稳定😅性等各种挑战。” 而腾讯作为最早布局云原生业务的云厂商🥳之一，已具备完整的云原生技术和产品体系，涵盖软件研发流程、计👏算资源、架构框架、数据存储和处理、安全等五个领域的多个场景，🙌不仅通过自研业务全面上云，开展了业界最大规模的云原生实践，还😍在服务外部客户的过程中，积累了丰富的经验。 例如，小红😍书80%的业务基于腾讯云TKE容器部署，其中AI训练和推荐场🥳景技术全栈使用容器化部署，总体成本降低了40%，实现了更稳定🎉、灵活、低成本的底层基础设施建设。 在腾讯云副总裁黄俊⭐洪看来，随着企业数字化转型的深入，实体经济的转型更需要贴近业😉务的PaaS和SaaS能力，“腾讯云尤其加大在PaaS自研能😁力上的建设，比如说像音视频的TRTC、容器领域的TKE、数据🚀库的TDSQL等等，来帮助企业适应未来业务发展的云原生服务平🥳台。” 活动上，腾讯云发布了TSE云原生网关Kong、🤗TSE Polarismesh（北极星）、TKE House🤔Keeper原生节点三款云原生新品。 其中，TSE云原🥳生网关Kong作为高性能、高可用的开源托管网关，可以集流量网❤️关、安全网关、微服务网关为一体，有效减少用户自建网关的开发和😎运维成本。TSE Polarismesh（北极星）是腾讯开源😘的服务发现、配置中心和治理中心，能解决分布式或者微服务架构中🙌的服务可见、故障容错、流量控制和安全问题。 TKE H😡ousekeeper原生节点是专为云原生设计的增强节点，通过🤔云原生声明式的方式管理和运维节点，帮助运维人员更高效地解决运😡维难题，提升资源利用率。 未来云原生将以应用为核心 😍 云原生的概念最早出现于2013年，人们普遍将其理解为容器😍+微服务+持续交付+DevOps，围绕资源管理来进行实践，而😉当下，云原生技术已经有了大规模的落地和相对成熟的应用，业界对😍云原生的未来发展方向有了新的预估。 黄俊洪认为，未来的👏云原生，“逐步会过渡到以应用为中心，除了具备初代的云原生容器💯、微服务的这些特征外，更多强调的是对资源的配置和对应用效率的😍一个最优解。” 展开全文 这意味着未来资源管理和😁调度将变得更高效。例如腾讯云的Web IDE产品Cloud 🙄Studio，让开发者可以摆脱物理环境束缚，在云端完成远程协😉作和应用部署，并且，其将在线开发环境和底层云资源融合，让开发😅者可以快速调用生产环境资源，一键管理开发资源。 同时，👏应用的交付和管理会变得更敏捷。以腾讯云的自动化交付和运维工具🚀 Orbit 为例，其覆盖了云原生应用开发、交付、运维的全生👏命周期——在开发环节，研发人员通过模块化的应用和插件，只需填🤯写少量和业务相关的参数，就能完成云原生应用的改造；在交付环节😎，通过GitOps的方法自动捡配，结合灵活的发布流程，可以保🚀障发布的一致性和可靠性；在运维环节，Orbit具备混合云统一👏观测平面能力，覆盖了监控告警、链路追踪等多个日常排障场景，运😎维人员可以更轻松方便地进行管理。 此外，由于许多云原生👏产品具备标准化能力，也会有更完善的安全可信和合规。 云🥳原生将成为开发者的“必修技” 随着云原生技术的普及，越⭐来越多开发者选择用云原生产品来构建应用。据了解，腾讯云拥有国🤔内最大的云开发小程序生态和开发者工具平台，截至目前，腾讯云原😉生产品所服务的开发者数量已经超过300万。 云原生改变🌟了传统的本地化编程，将开发环境搬往云上，减少了环境局限，同时🚀，还降低开发门槛和资源管理成本，解放了开发者的生产力，让开发⭐者可以将更多精力投入到富有创造性的业务逻辑，以及对业务场景的👍理解上。反之，云原生技术的演进也对开发者提出了新要求。 🚀 黄俊洪认为，云原生将成为开发者必备的能力之一，“甚至说如果💯不懂云原生，在找工作方面可能相对来讲就比较困难。从具体的能力😜上来说，比如像微服务的拆分能力，容器化的改造能力，服务治理的❤️能力，以及像DevOps这些能力。我觉得云原生知识积累跟储备😁，对于开发者来讲还是尤为重要的。” 此次Techo D😉ay活动上，来自腾讯云Prometheus云原生监控、Cra⭐ne、CODING等多个云原生产品的工程师分享了各自的产品理🤗念和技术实践，帮助开发者从理论到实践，全面感知云原生的技术价🤗值，更好地享受云原生时代带来的红利，为未来的职业发展做好准备😊。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多