雲原生時代的UGC和AIGC

小紅書音視頻架構部門負責人 陳靖

隨著內容生產由進入到工業化、智能化時代，支撐業務發展所需的架構，也由傳統的單體服務架構向微服務化、容器化、Serverless化的雲原生架構演進，小紅書音視頻架構部門負責人陳靖介紹說：「小紅書自成立之初，便堅定地選擇雲原生方式來構建基礎業務平台，因此小紅書可以將主要精力投入到業務研發，快速進行業務疊代升級，並在業務交付速度、媒體質量和整體成本三方面取得了較大成功。」

在隨後的演講中，陳靖詳細介紹了小紅書在構建視頻的微服務架構和容器化部署過程中的主要成功實踐：

• 媒資內容管理按照微服務架構設計。通過分層服務設計降低業務接入複雜度，如：原子數據能力微服務化，增強業務擴展的靈活性；統一媒資數據協議，降低業務使用複雜度。
• 微服務治理及持續集成。基於容器註冊中心管理所有微服務實例，流量調度；持續集成部署平台，實現服務開發到部署全面自動化。
• 存儲及數據引擎容器化，可靈活在多雲多地域切換。

面對AIGC的興起，陳靖認為AIGC會帶來內容數量爆炸性增長會為現有視頻平台帶來一定的挑戰，但是基於雲原生的架構開放性、靈活性的特點，視頻平台可以快速升級、擴容來消解這些挑戰。

最後陳靖總結說：「架構設計只有需要遵循的原則，沒有固定成法，過度設計往往會給業務帶來負面影響，因此要謹記技術是為業務服務的。」

AudioGPT: 生成式語音模型

浙江大學計算機科學與技術學院教授 趙洲

語音驅動的人像視頻合成是虛擬人領域的一個熱門話題，但由於相同的語音可能有多種合理的面部動作，因此不同說話人、不同語種、不同表現形式（如歌聲）等域外音頻難以生成準確的面部表情。為解決以上難題，浙江大學計算機科學與技術學院趙洲教授團隊所開發的 GeneFace項目採用 3D 人臉關鍵點作為中間變量，提出了一個三階段的框架：

• 第一階段——語音轉動作：在大規模唇語識別數據集上學習語音到動作的映射，使模型能夠享受大數據集帶來的高泛化能力。
• 第二階段——動作域遷移：趙洲教授團隊提出了一種基於對抗訓練的域適應方法，以訓練一個人臉動作的後處理網絡，從而彌合大規模唇語識別數據集與目標人視頻之間的域差距。
• 第三階段——基於動作渲染視頻：通過設計一個基於 NeRF 的渲染器（3DMM NeRF Renderer），預測 3D 人臉關鍵點，並以此條件來渲染高保真的人像說話視頻。

通過三階段優化，GeneFace 相比基準方法實現了更好的圖像質量、更好的嘴唇對齊程度，尤其是在受域外語音驅動時，GeneFace 的優勢更加明顯。

FinOps，雲上成本管理探索

華為雲容器服務首席架構師 張琦

上雲趨勢持續加深，但云上開支存在顯著浪費，雲原生FinOps通過可視化的成本洞察和成本優化，幫助用戶精益用雲，提升單位成本的資源利用率，實現降本增效目標，已成為企業上雲成本管理的最優手段。華為雲容器服務首席架構師張琦認為，雲原生混部通過應用全域統一調度和資源分級管控，實現了成本的高效治理，是企業降本的銀彈，其優勢主要體現在：

• 通過微服務和批量計算任務分時使用資源消減集群和節點資源碎片：業務集群相互融合，組成較大的資源池，多個業務混合部署到一起，既減小集群資源碎片，又能通過大小應用的裝箱和重調度，進一步消減集群碎片，提升資源分配率。
• 微服務和批量計算任務融合、統一調度：提供隊列、組、作業優先級、公平調度、資源預留等多種抽象，統一滿足微服務、大數據、AI多業務調度需求。
• 多種技術保障業務的QoS：在CPU、內存、網絡、L3緩存等多維度上為應用提供高優低優的自動控制，使資源分時復用，提升資源利用率。
• 業務跨集群統一管理，部署，資源最優：通過打通多集群資源池，為應用提供統一的資源視圖，實現部署運行最優、服務流量治理最優。

華為雲已將相關優秀實踐總結並開源成Volcano、Karmada、Kurator等項目，並在網際網路、金融等行業得到廣泛採用。

現場嘉賓還就自身企業在SRE體系建設、智能運維、微服務架構、多雲管理、成本管理等方面所遇到的問題和針對AIGC等創新技術的洞見展開了進一步的深入交流與探討，探索企業上好雲、用好雲、管好雲的最佳路徑。

創原會副理事長 董理斌

創原會組織的暢聊雲原生·走進雲原生企業系列活動為更多的企業提供了相互了解、學習、互助的機會。創原會副理事長董理斌表示：創原會作為華為雲聯合中國信通院、CNCF成立的全球技術交流平台，經過兩年多發展已經具備了完善的運營體系。一方面我們將持續做好線上線下的技術交流，另一方面要更深入的走到會員企業現場交流。未來希望每一位創原會會員，都可以深度參與，分享自己的實踐和感悟，把這個平台越辦越好。