至顶网软件频道消息:Oracle可能会失去最大的两个客户。
Salesforce和Amazon这两家公司都依赖Oracle旗舰的关系型数据库来支持他们的运营。据今天The Information的一篇报道,这两家公司都在“积极寻找”替代方案。
这篇报道并不令人感到意外,特别是Oracle与这两家公司在很多云计算方面都存在竞争关系。Oracle正在优先推自己的基础设施即服务和软件即服务产品,以抵消本地许可销售的下滑。特别是Oracle公司董事长兼首席技术官Larry Ellison和AWS首席执行官Andy Jassy在过去一年中市场公开互怼,Salesforce首席执行官Marc Benioff与Ellison的关系也一直不好。
不过这个消息还是刺激到了投资者。新年第一天Oracle的股价下滑了大约1.5%,而这一天大多数的科技公司大多都迎来了温和上涨。
据透露给The Information这个消息的知情人士称,Salesforce和Amazon已经在减少对Oracle的依赖方面取得了重大进展。两家公司都在采取不同的方法来达到这个目的。
据报道,Amazon正在从Oracle的数据库转向开源NoSQL软件。这意味着AMmazon可能只是寻求部分替代,因为NoSQL数据库通常并不是为完全取代关系型数据库而设计的。
但是Amazon可能还会在Oracle上花费很多支出。去年12月,Ellsion表示,单单是第四季度这一个季度,Amazon在Oracle软件上的开销就达到了5000万美元。
与此同时,Salesforce正在酝酿更为大胆的迁移计划。这位消息人士称,Salesforce正在开发他们自己的替代方案。这个自主开发的关系型数据库可能会让Salesforce做更多的事情,不仅仅是减少对竞争对手Oracle的依赖。如果开发项目取得成功,Salesforce可能会试图直接在数据库市场中挑战Oracle。Salesforce的Heroku部门已经在这方面站稳脚跟了。
The Information的报道还指出,Oracle与Salesforce和Amazon在产品名称方面的竞争显然也越来越激烈。据报道,AWS的RedShift数据库似乎是对Oracle红标产品一种不太明显的引用。而对Salesforce来说,它已经命名了一款新的数据库“Sayonara”。
无论如何,Salesforce和Amazon的努力可能会对整个Oracle客户群产生影响。在这些消息的带动下 ,其他依赖于Oracle数据库的财富500强企业可能会开始认真地考虑其他替代选择。不过,大多数企业可能没有太大的动力去做切换,因为他们与Oracle并不存在激烈竞争关系。
而且Amazon和Salesforce可能需要数年时间才能完成他们自己的过渡,因为要把核心业务“记录系统”数据库迁移到云中仍然是相当困难的。“Salesforce今天运行在Oracle上,改变底层数据库可能是Salesforce历史上最具挑战性的事情了,所以它不会轻易进行的,”Wikibon高级分析师Stu Miniman这样表示。
而且对于其他很多公司来说也是如此,Wikibon首席技术官David Floyer表示:“记录系统是非常难以迁移的,从商业角度来看这么做是非常危险的。随着时间的推移Oracle可能不得不降低Oracle DB的价格,更友好地做业务,但是Oracle用于记录系统的数据库软件仍然是最佳选择,而且对于大多数客户来说,这是值得的。”
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。