ZD至顶网软件频道消息:又到了OpenWorld大会。甲骨文公司联席首席执行官马克·赫德(Mark Hurd)做主题发言,兴趣盎然地预测未来,不过与会者却不买账。
Hurd表示,云计算不是一种时尚,你们中的有些人可能认为云计算是计算界的虚拟宠物
赫德步去年的后尘在OpenWorld大会上对云行业至2025年的发展做了预测,预测称其时两家公司将控制软件即服务 (SaaS) 市场 80%的份额,而且,甲骨文公司将是两家公司之一。
今年他又加了几条预测,说至 2025 年:
• IT支出的80%将花在云服务上。
• 挂在公司名下的数据中心在数量上会下降至少80%。
• 剩下的 20%将只会托管一些市场上的商家不能提供的传统系统。
• IT维护开支将下降到IT 开支的20%。
甲骨文有高手设计了一个自以为有意思的玩法,周一的现场与会者用短信即时回应赫德在主题演讲提出的问题。赫德问与会者觉得他的预测的准确性如何,与会者的反应热烈,大多数人的结论是,没有预测会成真。
统计数字出来后,赫德表示,"你们中有些很有意思的人啊。"
问卷统计结果:预测不能成真
另一个预测是甲骨文将会是增长最快的云公司,与会者对该预测也颇不以为然。在赫德询问与会者的看法后与会者开始回应,开始的时候甲骨文确实在得票上领先。但后来甲骨文头号对手亚马逊网络服务 (AWS) 迎头赶上,到了统计结果在屏幕上淡出时,AWS的得票已经达到了 30%。
赫德搬出一些数据来支持他的预测,他表示,甲骨文的 SaaS即服务和平台即服务的收入在今年第一季度里上升了82%,甲骨文各个云部门连续七个季度录得增长。不过,甲骨文在该市场原来落后得太多了,几乎是从零起步。
他还表示,甲骨文在过去一年里在研发上花了52亿美元,原因是全部重写旗下的的云应用程序,该说法和他去年说的差不多一字不差。赫德还炫耀了一通,称甲骨文现在雇了1 万名云工程师,其中3000人在做企业资源规划 (ERP) 应用程序,而且甲骨文的销售人员人数也翻了一番。(亚马逊一个季度花在AWS 云服务研发上的费用为30到 40亿美元。)
赫德的主题发言大部分时间都花找客户上台站台上,客户少不了说一通换到甲骨文有多美妙之类的赞语。汇丰的一位IT负责人称他们切换是因为甲骨文推出的"特攻团队"(美国曾有一部同名电视剧)。那意思大概是指Larry Ellison是汉尼拔吧(汉尼拔和后文的Face、BA和Murdock都是电视剧《特攻团队》里角色的名字),赫德觉得自己是Face,那么Safra Catz 就是BA或Murdock了。
赫德的主题发言剩下的时间都花在数落对手的不是上。他提到,AWS试图将客户绑在旗下的多云环境里(Larry Ellison昨天也提到这一点),甲骨文去年的ERP 业务比Workday更多.
赫德预测,CEO想要保住自己的饭碗的话就要用云,因为云是降低成本和增加收入最快捷的方法。他表示,CEO的平均任期为4年半,40%的CEO在上任18 个月内被炒掉,原因是这些人领会不了这一点。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。