ZD至顶网软件频道消息: 近日,有消息人士透露,甲骨文想吸引更多客户使用其云服务,因此可能正在考虑推迟其下一主要数据库的内部更新版本,希望借此助力云版本的市场推广效果。
这位消息人士在采访中表示,甲骨文方面可能在未来两个月内会只发布其Database 12c Release 2的云版本——即12.2版本,“Oracle Database 12.2可能在最初几个月内只推出云版本,这意味着内部方案客户将无法第一时间获得升级。”另外,甲骨文计划于今年9月中旬召开其OpenWorld大会。
消息人士指出,发布这样一套纯云版本Database 12c Release 2能够帮助甲骨文吸引更多客户体验其“云信贷”服务,即将甲骨文云服务作为软件业务中的组件,进而带来更理想的销售结果。
甲骨文曾于去年10月在其OpenWorld大会上发布过Database 12c Release 2的beta测试版本,并表示其通用版本将在一年之内与广大用户见面。
这是Database 12c Release 2自2013年以来的首次大型升级,包含一系列针对云的服务增强,改进后的多租户机制(允许多套数据库运行在单一设备上)以及速度更快的内存内数据库与大数据分析性能。
甲骨文CEO Mark Hurd在本周四的第四季度财报电话会议上谈到了这套云优先版本,旨在回应一位分析师提出的客户究竟更倾向于购买Database 12c Release 2内部版本抑或云版本的问题。
“我们鼓励客户了解我们的替代性方案。大家为什么不体验一下云环境下的最新版本,为什么不以实验性方式测试将应用迁移并升级至云端的实际效果呢?”Hurd指出,“这不仅能够帮助客户节约资金,同时也能够让大家获得更理想的访问速度。”
一位与甲骨文关系密切的行业观察家在采访中指出,他认为这样的举动并不能起到理想的客户吸引效果,因为还有相当一部分客户并没有做好入驻云端的准备。
“这可能令很多已经对甲骨文方面的霸道销售政策感到不满的客户更加难以接受,他们会认为自己失去了选择权。”这位不愿透露姓名的消息人士解释称。
甲骨文方面还出售一套能够运行在客户数据中心内的云方案版本,主要面向那些出于合规监管要求而不愿采用公有云基础设施的客户。
“大家可以直接将其作为云服务进行购买,也就是说无需购置任何硬件设备。这类方案不包含任何硬件或者软件前期投入。”Hurd在电话会议上强调称。
目前,甲骨文的云业务只占其营收总额的8%左右,但却在此次财报电话会议上成为宣传重点。在本周四的会议上,首席技术官Larry Ellison表示甲骨文公司(2016财年云营收总额已经达到29亿美元)将有机会击败Slaesforce成为SaaS市场上的龙头,即云业务年营收突破100亿美元。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。