至顶网软件频道消息:甲骨文公司最近在英国推出了专用的“政府云”,而英国内政部亦成为第一位早期使用者。然而,这项新服务到底代表着新的、积极的变化,抑或只是披着云外皮的供应商?
甲骨文公司在政府领域的业务规模多年来一直相当可观。而且尽管存在着一部分围绕许可定价展开的矛盾与重新谈判协议,然而数据库巨头认为其在这方面的统治地位未受明显“动摇”。
事实上,英国内阁办公室正准备签署另一项规模可观的泛政府甲骨文授权协议,且这项消息已经得到多位消息人士的证实。
根据分析企业TechMarketView公司的统计,英国政府2013年在甲骨文产品方面的总支出为2.9亿英镑。目前尚不清楚最近几年的相关支出数字,但消息人士认为,这一数额在过去四年当中应该不会出现太大变化。
与此同时,授权许可的运作方式似乎也不够透明。根据我们掌握的消息,2015年英国司法部拥有230万个甲骨文软件许可,而环境、食品与农村事务部则以每年130万英镑的拥有200万个软件许可。
然而也有人指出,甲骨文公司在云领域的试水并不完全属于激进性举措,而很可能代表着能够实现甲骨文环境现代化并降低维护成本的正确方向。
甲骨文的政府云方案中包括Fusion这类软件即服务产品,其要求现有甲骨文客户对其当前甲骨文工作负载进行现代化升级。如此一来,只要用户拥有网络浏览器,即可访问该产品。
在这种模式之下,将不存在基础设施建设成本,亦不需要专门的系统集成商负责进行维护。因此尽管仍无法逃脱Larry Ellison的“剥削”,但这种方案至少能够在理论上通过消除系统集成商这一中间人而实现成本节约。
另一位消息人士指出,此项服务由甲骨文全面负面维护、更新与补丁安装,但这一切皆需要收取相关成本。“不过与原有解决方案一样,客户很难转而投向其它供应商,毕竟数据虽然是客户的,但服务当中所遵循的规则与逻辑却由服务供应商提供。”
亦有人认为这是解决内阁办公室共享式服务中心尝试失败的手段——这项计划原本打算将各部门的全部后台企业资源项目许可转移到两套集中式共享服务中心之内。
尽管至少已经推进了五年时间,但政府支出监管机构表示,这项举措并没能节约任何资金,而且部分部门甚至决定退出该中心。这两套私营中心最初承诺节约4亿到6亿英镑后台IT支出,且计划通过采用成本较低的ERP方案实现这项成本削减。
目前尚不清楚甲骨文打造的政府云是否更加适合广泛的共享服务战略。一位消息人士解释称,各个部门皆拥有自己的自上而下举措以实现后台云迁移,内政部首先进行甲骨文政府云测试也正是为了解决这一难题。另一位消息人士则指出,内政部的交易堪称一项重要举措。如果甲骨文的SaaS方案确实适用,那么由Sopra Steria负责运行的共享服务联网限制(简称SSSCL)中心将被政府方面清退。
英国内政部的一位发言人则表示,内政部将继续与SSSCL方面签订合同。“我们将采用甲骨文云技术替代原本的企业资源规划系统,并由内政部及SSSCL同时用于进行服务交付。”
“这将提升我们的业务处理能力,同时降低纳税人需要承担的成本。”
内政部总干事Mike Parsons对于这项计划给予了肯定的评价。
根据甲骨文方面援引的发言,Parsons指出“我们的数据安全性无疑至关重要,而甲骨文为我们构建的解决方案能够提供我们所需要的安全性保障,意味着我们能够更加自信地摆脱现有内部基础设施,并享受在公有云内托管关键性业务数据的种种收益。”
然而也有不少人对此并不买账,其认为政府选择继续与企业巨头合作是对自身缺乏信心的表现。一位内部人士指出,“甲骨文的商业模式并不符合商业化原则,其强迫客户采用定制化产品并不断提高成本。”
另一位内部人士则表示,“这项举措的前提存在根本性错误——政府将被牢牢锁定在甲骨文身上,因为其中存在着大量难以替换的后端遗留服务。”在他看来,这一切将给未来的云转型带来巨大阻碍。
“政府将永远无法将这部分业务迁移至其它云或者环境当中; 除非进行全面重构,否则政府将不可能随意挑选自己需要的技术。如果需要面向某套人力资源平台进行迁移,政府则必须自行承担迁移过程当中带来的种种过渡挑战。既然如此,为什么非要选择甲骨文平台并承受被锁定的命运?”
从甲骨文公司的角度来看,将云服务推向公共部门当然有着积极意义; 数据库巨头在云业务领域显然处于落后地位。不过与以往的发言风格一样,Ellison此前曾在讲话中指出,AWS已然丧失了领先地位。
通过将自身定位为政府云服务的推动者,甲骨文公司希望借此强调AWS等其它公有云供应商所面临的巨大危机。
然而,这样的断言将给政府与甲骨文双方带来怎样的互利效果,就目前而言尚不明确。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。