Oracle近日公布了一系列对基础设施即服务产品的升级,涵盖计算、存储和网络,从而希望在云计算领域赢得领先地位。
Oracle的目标是为最大型的企业提供更好的云性能,因为这些大型企业中有很多都还没有将他们的主要业务迁移出数据中心,部分原因是他们对云的速度和可靠性还不确信,特别是运行Oracle主要的数据库。Oracle产品开发总裁Thomas Kurian在旧金山举行的OpenWorld大会主题演讲中,概述了在Oracle Cloud基础设施层所做的5大改进。
首先,Oracle推出了一个名为X7的新系统架构,提供了运行在这个新架构上的一系列新计算实例。特别是Oracle还推出了所谓“裸机”服务器的云版本,没有预装软件,这样客户可以快速配置并根据他们的选择变更配置。“Oracle是唯一一家有这种裸机的厂商,”Oracle产品管理总监Leo Leung这样表示。
现在这些裸机计算实例提供了52个处理核心(以前最多是36个),更多的内存容量,更快速的闪存内存块存储。此外新推出的还有针对虚拟机更多的处理器层,允许运行在设备上的软件中模拟多个版本的物理设备。所有这些都针对要求苛刻的应用,例如模拟、计算流体力学、分析和高端企业应用。
Oracle称,所有这些在计算方面的改进,使计算性能提高了87%,性价比相比主流提供商(例如AWS和微软Azure)提高了54%,至少在特定标准性能测试方面。
此外,Oracle还推出了使用Nvidia GPU的裸机实例,Nvidia GPU已经成为做涉及机器学习的密集型应用的标准方式。Oracle称,这些实例的运行速度要比竞争对手运行TensorFlow深度学习框架软件和计算机视觉模型速度的5倍,而成本降低了58%。“这是对该产品组合的一次真正扩展,”Leung这样表示。
在一系列公布中,Oracle还推出了 更快速的全闪存块存储,一项新的归档存储服务,更快速的网络基础设施,和一个数据传输设备用于将大量数据迁移到Oracle云中,相比通过互联网传输,这种方式速度更快,且成本更低,有些类似于AWS的Snowball。
一切都还没有定论
总的来说,“我们已经设定了定价压力,我们有应用,我们非常了解企业,现在一切都看执行了,”Oracle IaaS副总裁Kash Iftikhar在最近接受采访时这样表示。
Leung坦言,Oracle仍然远远落后于云领导者,至少在IaaS这个层面,甚至落后于IBM。但是他说,Oracle相信向云的迁移才刚刚开始,大多数工作负载将来自于传统大型企业,而不是那些从一开始就在云端开展业务的初创公司——规模更小或者成长速度非常快的公司,例如Uber Technologies。
“大多数生产工作负载都还没有迁移出内部部署环境,竞争对手正在极力向更新的推进”,但是这通常需要改变应用才能迁移向云,Leung这样表示。
有云业界观察者认为,Oracle留住现有客户的最好方法就是让客户轻松地迁移到云端。“但是这事还没有定论,”Constellation Research副总裁、首席分析师Doug Henschen这样表示,因为Oracle的基础设施即服务还没有真正渗透到整体市场中。
Leung表示:“如果我们保持同样的创新速度,我们就会落后。所以我们必须加快创新的步伐。”他表示,Oracle在过去一年中推出了50多个在基础设施层面的改进,并希望在未来两年内增加一倍。
Oracle创始人、首席技术官Larry Ellison似乎已经承认,IaaS是更有利推动数据库和应用向云端转移的一个重要因素,在这个领域Oracle可能需要更多的运气。但如果Oracle不能至少让客户使用它的IaaS,那么他可能会失去其中很多客户。
Wikibon首席研究官Peter Burris表示:“Ellison生来就是一个伟大的领导者,他必须通过这一波转型维持Oracle的动力,带领Oracle走向新的高度。今年他们要做的不再是转型,而是沿着这条新路线很好地执行下去。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。