至顶网软件频道消息:
甲骨文公司将发布自主数据库方案,而矛头显然直指Amazon Web Services。
甲骨文方面将推出数据库的完全自主版本,通过云端进行交付,旨在尽可能减少管理工作带来的人力需求。
公司CTO Larry Ellison在本财年第一季度周报会议上指出,甲骨文方面将在今年年底之前推出下一代数据库方案,且其将以完全自主的方式运转。而更多相关细节信息,将在今年10月1日的本届OpenWorld大会这一时间节点上加以发布。
利用机器学习技术,甲骨文公司将实现这套数据库方案的自动化管理与调优。
Ellison解释称,“我们将建立公有云SLA,即服务水平协议,用以保证这套甲骨文数据库拥有99.995%的系统可用性比例; 99.995%的可用性意味着每一年其计划内或计划外停机时间将不超过30分钟。为了实现这一目标,甲骨文公司必须在系统运行的同时实现自动化调优、补丁安装与升级。AWS显然无法实现这样的效果。”
AWS是甲骨文这套自动化云数据库方案的一大主要竞争目标。AWS在多个方面挤压着甲骨文核心数据库业务的生存空间,而其中最为重要的选项无疑是AWS Redshift。甲骨文公司则已经有能力将其数据库与应用程序客户迁移至云端,同时收购NetSuite等多家厂商以弥合这一过程中出现的空白。
甲骨文公司新财年第一季度云营收与历史营收情况。
不过Ellison表示,甲骨文公司的收购活动即将告一段落。Ellison甚至指出,其不会继续收购其它云厂商。如此一来,甲骨文自身的云业务发展将以创新作为核心驱动力。在这样的背景之下,自主数据库对于甲骨文显然极具战略意义。Ellison解释称,“我们雄厚的技术储备将决定我们最终获得成功,包括自有数据库以及Fusion应用程序套件等成果皆由甲骨文自主研发得来。”
Ellison同时表示,这套自主数据库将在云经济体系当中与AWS开展直接竞争,但其明显拥有更出色的人力节约效果。
Ellison指出:
也许自动驾驶车辆以及我们的自主运行数据库都拥有着同样的自主系统特征,即实现全面自动化。自动驾驶车辆消除了人力驾驶成本以及高昂的人为错误成本; 而自主运行数据库则消除了数据库在调优、管理以及升级方面的人工成本,且同样能够避免与人为错误相关的昂贵停机事故。
自动驾驶出租车的价格要远低于人力出租车。运行甲骨文的自主数据库也能够带来较人为操作数据库(例如Amazon的Redshift)更低廉的使用成本。从Amazon Redshift迁移至甲骨文自主数据库的客户能够将成本削减一半以上,而甲骨文方面也将同时提供SLA以保证客户享受到这一可观的成本削减效果。
更为有趣的是,甲骨文公司发布的这一整套自动化方案是否会令数据库管理员最终退出历史舞台?如果相关从业者消失,那么甲骨文公司确实能够通过削减价格夺取这部分空白的市场份额。而Ellison本人也反复强调,AWS数据库的设置与管理工作需要人力参与。
因此,现在就要看其它云服务供应商如何快速推进自己的自动化转型工作了。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。