甲骨文公司首席技术官拉里·埃里森(Larry Ellison)似乎渐渐被亚马逊网络服务(AWS)迷住了,他的“基础架构即服务”情节从策略的角度来看恐怕不是特别可取。
企业软件巨头甲骨文在第三季度的表现坚挺,云增长继续大于软件许可的下降。甲骨文的软件即服务、平台即服务也在继续增长。收购NetSuite对这些表现有帮助,但很明显,甲骨文云服务是重要的玩家。
但时下Workday和Salesforce正在加强与AWS的关系,SAP也在与AWS、谷歌云平台和微软Azure解除合作伙伴,大家自然也会关注为什么甲骨文会迷上“基础架构即服务”。显然,IaaS(基础架构即服务)玩的是规模,赶超AWS、微软、谷歌和IBM的价值必须是SaaS和PaaS。
而埃里森却还是将甲骨文最大的云业务押在IaaS上。他周三在一次电话会议上表示:
甲骨文第2代“基础架构即服务”云现在可以在我们客户最大的数据库里运行,AWS是不可能做到这一点的。亚马逊只能在旗下的云里运行相对较小的甲骨文数据库。
第二代甲骨文IaaS还提供了超高的数据库性能,并且可以解决云中的宽容可靠性问题。现在许多甲骨文工作负载的运行速度在甲骨文云里比在亚马逊云里快10倍。而且,在甲骨文云里运行工作负载的成本也比在亚马逊云里要小。因此,我们的一些大客户在洽谈将巨大型“基础架构即服务”合同,会将将他们所有的云数据库迁移到甲骨文云里。大家可以期待一下,在未来几周内会公布几宗大交易。
SaaS在“基础架构即服务”业务里的增长对我们来说是件新事情。我们过去几年在SaaS和PaaS方面做得不错。这是我们第一次在基础架构即服务技术上跑在前面。我们现在的位置可以帮助几十万的的数据库客户将几百万的甲骨文数据库迁移到我们的“基础架构即服务”云里。对我们来说,SaaS和PaaS是个很大的、快速增长的业务。SaaS和PaaS上个季度增长达85%,但基础架构即服务的增长更快,基础架构即服务很快就会成为甲骨文最大的云业务。
为了更好地强调他的观点,这位甲骨文高管在电话会议上提到AWS或亚马逊的次数比其他诸如SAP或Workday竞争对手也多一些。
埃里森为甲骨文做的计划是先令客户将甲骨文工作负载迁移到旗下的IaaS平台上。单是这一项就足以成为一门好生意,但甲骨文也在将旗下的IaaS作为通用平台推广。
Stifel分析师Brad Reback认为,甲骨文大力宣传IaaS可能不仅仅事关市场营销,不光是将搬迁观念推广给客户那么简单。他表示:
我们赞同甲骨文的策略,我们相信甲骨文推广自己的愿景(例如,为客户提供搬迁内部工作负载的功能)是件重要的事情,在考虑到IT业界变化的影响时尤其是这样。不过,我们认为此举里有些是强力营销手段(尤其是在甲骨文IaaS作为通用平台这一点上,这可能会持续以甲骨文工作负载为中心),我们在这方面仍有些谨慎,考虑到AWS和Azure起步早,远远跑在前面,而且现在两家公司在全球的足迹具有超级规模。要知道虽然甲骨文第二代IaaS在未来几年内有进一步扩大的计划,但目前的足迹颇小。另外,我们还认为,构建第二代IaaS的足迹导致资本费用的增加不容忽视,而这可能会抑制自由现金流的增长。
甲骨文的IaaS增长未能打动华尔街。甲骨文预计第四季度SaaS/PaaS非公认会计准则计算收入的增长不计汇率变动时为69%至73%之间,毛利率为65%左右。IaaS的增长为25%至25%之间,毛利率下降约20%。
到目前为止,甲骨文在IaaS上尚未有特别的表现。在截至2月28日为止的9个月里,甲骨文的IaaS收入为5.25亿美元,同期增长10%。云软件及平台即服务收入在截至2月28日为止的9个月里为26.9亿美元。
总的来说:IaaS大有可能是个好业务,对甲骨文来说甚至都可能是个不错的营销手段,但IaaS业务的水很深。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。