ZD至顶网软件频道消息: 纵观今年的甲骨文OpenWorld大会,数据库巨头发出的消息非常简单,其即将进军云市场,未来将能够为买家提供内部套件、完整公有云或者任何介于二者之间的方案。
但仍有相当一部分客户对于是否该将系统全面迁移至云环境感到焦虑疑惑,毕竟现有客户似乎并不信任Amazon、Azure或者其它任何将负责接手其关键性业务系统的服务供应商。
而在甲骨文眼中,这似乎正是最理想的切入点。该公司承认在将云计算作为一类业务驱动元素上有点后知后觉(事实上,就在几年前Ellison还公开对这种作法加以嘲讽)。然而,如今甲骨文已经开始将数十亿美元投入到把自家应用与基础设施转移至云环境中的转型尝试。
不过作为将自身标榜为跨界厂商的甲骨文,其希望贯彻两手抓、两手都要硬的发展原则。首先甲骨文需要继续保持现有内部业务,毕竟其仍然拥有理想的利润空间。与此同时,甲骨文还希望能够利用公有云或者其所谓Oracle Cloud at Customer混合云方案在云业务市场上表现一番。
后一种选项值得进一步解读。甲骨文公司表示,客户能够借此取得双赢效果--即享受云服务的可扩展性及按使用量付费,同时根据实际容量需求迅速完成规模伸缩,但又能够保持整体业务系统受到防火墙及其它合理安全举措的保护。
微软公司在操作系统与应用程序层面提供的方案与之非常相似。微软方面也一直在将自身塑造成同样提供公有云、私有云以及二者元素皆有的混合云方案的厂商,事实证明这项战术确实比较成功。
甲骨文公司当然也能够在未来为其客户提供类似的多种方案选项。很明显,甲骨文方面希望走上这一发展道路,而且也对其冲击云市场的具体方式作出了大胆(但偶尔有点误导性)的预测。
Amazon目前还不需要担心
那么,其它云厂商是否需要为即将到来的这波冲击而担忧?目前还不用,有可能永远都不用。
Larry Ellison和他的伙伴们将矛头直指向Amazon,表示甲骨文公司希望直接向其发出挑战并计划在市场份额与营收两大层面超越AWS。而Amazon方面给出的反应则可想而知--"真可爱,那我们就陪你耍耍。"
事实上,二者之间并没有什么竞争关系可言。AWS的销售额与营收数字令甲骨文相形见绌--前者高达数十亿美元,而Larry目前仅有数亿美元体量。Amazon几乎狡力完成了活跃云市场的建立工作,为其吸引到数百万客户,而且直到现在还未显露出任何颓势。
相比之下,甲骨文在云发展道路上一直走得跌跌撞撞。Ellison确实看到了其中的潜力,但他认为最终市场仍将回归客户端-服务器领域,也正是这样的错误观点让甲骨文失去了四年的宝贵发展与积累时间。如今他终于开始正视自己的错误,并希望投入大量资金以解决这个问题。
基于我们本周观察到的结果,甲骨文公司在将代码库翻译为云端版本方面表现出色,同时亦提供一项高可靠性服务,专门面向那些希望能够将内部设施与公有云扩展性相结合的混合云方案客户群体。
甲骨文公司甚至还在价格方面向竞争对手发出挑战,希望在部分用例当中击败AWS。不过这是一项风险极高的战略--毕竟过去大多数甲骨文客户都需要承担沉重的开支,一旦出现大量廉价服务,他们可能永远失去对甲骨文的信任。
与此同时,微软公司利用DocumentDB进军甲骨文公司的专长领域,而Amazon则好整以暇且打造出了高人气开源数据库替代方案。甲骨文方面目前仍能较好地保持云与内部业务间的营收平衡,但由此带来的长期影响仍然很难断言。
"Amazon对此似乎并不担心。Blockbuster与诺基亚当初也选择并不担心,"微软Azure与VMware vSphere技术专家Marcel van den Berg在博文中写道。
"众多厂商都在努力同Amazon与Azure开展竞争。举例来说,VMware就曾尝试利用其vCloud Air转型成一家全球基础设施即服务(简称IaaS)供应商。VMware公司随后决定放弃对IaaS平台的进一步开发,转而选择与IBM开展合作。惠普曾发布过Helion公有云,其同样最终放弃。Verizon公司亦终止了其Public Cloud IaaS项目。虽然确切原因并未公开,但我们基本可以确定这是因为各厂商发现其无法在可接受的时间周期之内实现盈利。"
"甲骨文的第二代IaaS也将在努力冲击通用型工作负载IaaS领导者的道路上饱尝艰辛。事实上,其几乎不可能在技术与市场份额层面成功追赶Amazon与Azure。甲骨文公司更可能就此成为一家利基型厂商,主攻高性能计算市场。"
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。