至顶网软件频道消息: 本周三,于拉斯维加斯召开的AWS第六届re: Invent大会再次爆出猛料,公司CEO Andy Jassy正式公布业界期望的托管Kubernetes服务Elastic Kubernetes Service(简称EKS)。
在发布环节中,Jassy对谷歌的Kubernetes编排系统作出了回顾。他观察到目前有63%的Kubernetes工作负载运行在AWS之上,而新近出炉的Fargate服务则凭借着无需管理集群即可在AWS上部署容器的能力实现了超越Kubernetes的功能表现。
作出上述说明后,Jassy马上将话题引入AWS的市场领导地位上。该公司目前的年营收水平已经达到180亿美元,且同比增幅达42%。“每一个我们能够想到的垂直业务部门都在以富有实际意义的方式使用AWS。”
Jassy表示AWS在全球云市场上的份额占比达到44.1%,而微软占7.3%,谷歌则仅占2.3%。目前这家云巨头已经拥有超过100项服务,而单是去年,AWS产品新增功能超过1000项; 预计今年的新增功能将超过1300项。
总而言之,“应该意识到没有哪家厂商能够在功能层面接近AWS的水平。”
Jassy于2014年逐步推动AWS在事件驱动型服务器领域建立起领导地位。AWS Lambda目前已经拥有数十万家客户,同比营收涨幅高达300%。
他解释称,“很明显,这绝不只是一波风潮。”Lambda的发展证明,客户们急切希望能够在容器之外转向无服务器计算时代。
正因为如此,AWS也急于超越Kubernetes——特别是考虑到这项技术来自其竞争对手。
当然,甲骨文也绝对不可能免于被抨击的命运。Jassy在讨论Lambad的诞生背景时,提到“我们在人类历史上所见到过的最为严重的专有锁定形式之一”。
在本届大会上,甲骨文掌门人被同弗莱迪、杰森以及恰奇等经典恐怖形象排在一起。
“昨晚是谁吓到你的?”
“那个留山羊胡的。”
Jassy提到,某些公司的产品不仅极为昂贵,而且致力于锁定客户。“甲骨文一夜之间将软件价格提高了一倍,如果不接受则不可将其运行在微软及AWS环境之上。面对这样的情况,顾客怎么可能甘心接受?”
正因为如此,他才坚定地认为企业客户必须尽快开放服务。AWS公司推出了数据库产品,希望吸引那些希望摆脱甲骨文魔爪的企业。除了现有Aurora、RDS、DynamoDB、Redshift以及ElastiCache等方案,Amazon Neptune(一种托管图形数据库服务)也闪亮登场; Amazon Aurora Serverless的预览版本针对间歇性工作负载,采用“付费即用”模式; 外加DynamoDB扩展,用于实现对跨服务区表复制与按需备份的支持。
根据AWS博文所言,Amazon还发布了以下新鲜内容:
事实上,Amazon凭借着规模可观的发布内容给整个技术领域来了一场“洗礼”。
Forrester公司分析师Dave Bartoletti在接受电话采访时指出,过去两年以来,Amazon一直在怒怼甲骨文。
但甲骨文方面也不甘示弱,公司执行主席Larry Ellison在最近召开的OpenWorld大会上对AWS服务的性能提出质疑。
谷歌同样也在Amazon的火力覆盖范围之内。Amazon发布的机器学习相关成果无疑是在向谷歌方面施压。
Bartoletti总结称,“AWS已经不再仅仅只是一家云服务供应商。他们几乎已经渗透到了每一个垂直软件市场领域,同时亦在为您希望随处运行的每一种工作负载类型提供对应的外包服务。”
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。