ZDNet至顶网软件频道消息:欢迎来到云策略决战周。我们之前在混合云特别报告里指出过,许多企业会将私有和公有计算资源混合起来使用,以满足自己数据中心的需要,而关键则在于如何在二者之间取得平衡。
本周的文章将重点关注EMC一个名为“重新定义可能”(Redefine Possible)的活动。活动于7月8日在伦敦举行,活动称将“通过混合云创新改变游戏规则”。
两天后,亚马逊AWS莅临纽约市召开2014峰会,大会安排了技术会议和相关训练营。AWS首席技术官Werner Vogels很可能会说,大多数企业的计算和存储都将迁移到公有云里之类的话。你对隐私和安全性有顾虑?没问题,良好的架构可以对付这事。
EMC为公有云开绿灯,但却会宣称——和旗下的VMware部门说法一样——混合云在现实中肯定会经久不衰。因为,各公司不会简单地扔掉自己的数据中心。
到最后,真相可能出自EMC或AWS之间。各IT买家也在竭力分清到底什么才是真的,这也是企业硬件支出放缓的一个原因。每个IT买家都在考虑是不是真的有必要购进某个服务器或存储阵列,尤其是在CFO和CEO质疑硬件支出或是提出要考虑云计算作为一种选项时更是这样。
这对所有的供应商都至关重要。IBM、EMC、NetApp、惠普和甲骨文等公司都在寻求向云过渡的途径。如果各家同时欢乐地进入云天地,那么云方面的增长是无法抵消硬件销售的大幅度下降的。软件企业亦会担心订阅费是否可以抵消许可证和维护收入。
对于诸如VMware这样的供应商,问题的实质是,要么做一个企业软件的巨型公司,要么成为云创新的先行者之一。
混合云的使用和评估
(黑色:是,我们用混合云;橙色:没有,我们不用混合云,但在评估混合云;海蓝:没有,我们不用混合云,我们还没有评估混合云)
不管是哪一种情况,云之博弈——公有云、私有云或是混合云之间的博弈——都不会是个零和博弈。不过,本周的新闻可能会给人一个零和博弈的印象。正如笔者上周说过的,对于基础设施买家来说,最重要的事情是要评估混合云架构会更多地使用公有资源或是更多地使用私有资源。而由此得到的或许带些猜测的结论会揭示企业应该继续用哪一类厂商。
考虑混合云里的公有云时选定或评估中的优先厂商
[黑色:目前使用混合云解决方案(样本数42)橙色:目前正评估混合云解决方案(样本数48)]
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。