印尼科技巨头GoTo正在启动一项"务实且问题导向"的AI战略,该战略建立在其集团首席技术官熊威廉所描述的"有史以来最复杂、最具挑战性的云迁移项目之一"的基础之上。
在新加坡举行的阿里云全球峰会2025客户小组讨论中,熊威廉详细介绍了公司如何将一半基础设施迁移到阿里云,这一举措为其下一阶段AI驱动的创新发展奠定了基础。
这个为期九个月的项目涉及将GoTo金融的基础设施迁移到阿里云。这代表了GoTo 50%的业务,由于金融服务对可扩展性和安全性的需求,这次迁移至关重要。迁移涵盖了数十PB的数据和9,000项服务,同时确保依赖该平台的数千万用户、商户和司机的零停机时间。
公司现在使用阿里云的MaxCompute大数据平台为其所有服务提供支持,从按需交通到电子商务和金融服务。对于其不断增长的放贷业务(包含超过500个微服务),GoTo采用了云原生PolarDB数据库来提供高性能、低延迟的服务。此前,公司主要依赖自管理的开源数据库如MySQL。
"一开始,没有人相信这会成功,"熊威廉说。"迁移增强了我们数据平台的可扩展性和韧性。通过提供成本效率、性能对等和运营连续性,这次合作为GoTo生态系统加强了技术基础。"
熊威廉将这次高风险迁移的成功归因于"极其良好的组织"、快速决策、由数千名工程师组成的强大内部团队以及与阿里云的密切合作。"我们作为一个团队协作,这非常重要,"他补充道。
随着更统一、更可扩展的基础设施到位,GoTo现在将重点转向AI。然而,基于公司"务实且问题导向"的指导原则,它采取了谨慎的方法,熊威廉说。"我们希望有真正的业务问题陈述,并使用AI来卓越表现,为不同类型的客户提供更好的用户体验和服务,"他补充道。
这一战略的核心是Sahabat AI,这是GoTo与本地合作伙伴开发的自有大语言模型。熊威廉表示,目标不是与其他基础模型竞争,而是创建一个开放生态系统,为印尼提供最佳支持,包括其众多本地语言和方言。
同时,GoTo对使用其他模型保持开放态度,包括阿里云的通义千问,用于Sahabat AI尚未支持的特定用例,如视频生成。"我们对任何适合的模型都持开放态度来支持我们的业务,"熊威廉说。
GoTo对阿里云使用的增长恰逢这家中国科技巨头在新加坡成立十周年,阿里云推出了首个AI全球能力中心,旨在通过支持超过5,000家企业和培训100,000名开发者来加速全球AI采用。该中心是更广泛区域推进计划的一部分,包括在马来西亚和菲律宾建设新数据中心,以满足对AI和云服务日益增长的需求。
除了阿里云,GoTo还在使用腾讯云运行支持其按需服务的系统,这是在最近一次迁移之后实现的。在跨境和多云条件下执行的迁移涉及超过1,000个微服务。尽管复杂性很高,迁移在大约五个小时内完成——比计划提前了一个多小时。
2024年9月,GoTo还与Google Cloud合作,利用后者的生成式AI服务为Dira提供支持,Dira是GoTo在GoPay应用中基于AI的语音助手。该语音助手能理解印尼语指令,使其成为印尼快速增长的金融科技行业中首个支持该国国语的此类工具。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。