ZDNet至顶网软件频道消息: 谷歌现将一些内部技术拱手送人,意图是借技术的透明度打败亚马逊。谷歌本周宣布创建一个基于旗下超级秘密欧米茄(Omega )云技术的开源项目Kubernetes,同时建立另一个名为cAdvisor的开源项目,用于从通过谷歌的LMCTFY或Docker的libcontainer使用Linux的集装(Containerization)工作负载中收集数据。
谷歌表示,工程师团队里的两名工程师将成为libcontainer的核心维护人员。Libcontainer是一项开源Linux技术,目的是改善集装,libcontainer完成的一些工作可以让Docker容器在谷歌App Engine云中运行良好。
最后一条,计算机科学巨星和谷歌基础设施副总裁Eric Brewer宣布,他被提名参加Docker的管治委员会,以期利用谷歌运行容器的15年营运经验为这个襁褓中的科技公司提供一些意见。
谷歌在社区参与的层次上走出的这一步令人鼓舞,也有点令人吃惊,因为谷歌一般情况下是不会告诉记者有关内部数据中心系统的任何资料的,谷歌在涉及到旗下的搜索算法的精确结构时也是这样。
那为什么现在来了个开放和参与的新阶段呢?我们认为原因是亚马逊。
亚马逊AWS是市场上最主要的基础设施即服务云,其次是微软Azure和谷歌的计算和应用程序引擎服务。
三家公司在价格上的相互竞争甚为激烈,三家公司一次又一次地争相减价。正如谷歌所描述的,其结果是,存储和计算相对于成本的轨迹关系类似于摩尔定律描述的晶体管相对于成本的关系。
现在,谷歌正在通过开放旗下的系统和方法进入一个新的未知领域,和竞争对手相比开放的程度要大得多。记者早些时候报道过,亚马逊的公司策略是偏向于反对开放的。
记者曽向谷歌产品经理Craig McLuckie查询开放新阶段的事。他解释说,“展望未来,展望云计算,很明显我们应该与社区在一起,社区是开发商工作之地。”
杰夫·贝索斯在谈到他的生意对手时曾经说过“你想获利,我就有机会”,从这些公布的消息来看,谷歌现在对付亚马逊的策略似乎是“你想保密,我就有机会”。
例如,Kubernetes是一款工具软件,可以让开发人员在虚拟机上计划和管理容器,一开始只是在谷歌云里用。是个有用的工具。谷歌称Kubernetes是基于一个名为欧米茄的内部秘密系统。
而且,Kubernetes还确实为开发商提供了一个框架,开发商可以利用这个框架部署容器,而无需像谷歌在过去几年里一样在使用此项技术时走了不少弯路。真是一件很厉害的事。
谷歌高级工程师Joe Beda告诉记者,“我们希望人们看一看Kubernetes的代码,得到启发。”
如果开发商“受到它的启发”,这意味着他们将会构造一些Kubernetes式的程序,而这些程序恰好会对谷歌的换租基础设施偏爱一些。我们是这样想的。
谷歌云计算产品经理Craig McLuckie向我们解释说,“我们的目标是要朝着一个以导向、计划和管理作业为准的基础设施世界前进。我们想达到的一个地方是,我们在那里越来越多地使用此项技术。我们必须继续与社区一起,在他们力所能及的范围内共同发展。”
谷歌的新开放阶段是件好事,有益于防止广泛的开发商社区重复一些先进企业已经在内部完成了的工作。但开发商也应该记住,这个宏伟的计划是让他们把自己的信用卡资料交给谷歌系统而不是亚马逊。并开始用它来购买数据中心技术。
好文章,需要你的鼓励
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。