尽管微软一直在不断努力,让领先的软件和服务供应商进驻Azure,但该公司自己的LinkedIn部门仍在建立独立的数据中心和云基础架构之上。
当微软最初收购LinkedIn时,许多人都认为LinkedIn将会尽早转移到微软的Azure云中。但是这种情况并没有出现。近期似乎也没有任何这方面的计划。
从某些方面说,LinkedIn不运行在Azure上并不奇怪。微软的官员们多年来一直承诺说Office 365有朝一日会迁移到Azure中,可是到现在仍未兑现。Xbox Live也没有运行在Azure上。相反,微软似乎专注于以Azure服务的形式引入这些新功能,而将现有遗留下来的Office 365 和Xbox Live留在原地(运行在它们自己的数据中心里)。
但是从其他方面来看,LinkedIn的数据中心独立性确实令人惊讶,尤其是考虑到微软在过去几年中一直致力于让尽可能多的ISV(独立软件供应商)和服务提供商将Azure作为他们的“首选云”。微软已经巩固(并大肆宣传)了与Adobe、SAP、Box等公司的合作伙伴关系,并以此作为Azure的重要证明。
当微软在2017年初任命LinkedIn首席技术官Kevin Scott为首席技术官时,我们就曾想过这是否表明了微软高层领导将LinkedIn和微软云端联合起来的意图,但答案似乎是否定的。
2017年4月,一位LinkedIn高管公开表示,LinkedIn计划在可预见的将来继续管理和控制自己的基础架构。2018年2月2日,LinkedIn工程副总裁Sonu Nayyyar发表了一篇题为《从LinkedIn数据中心之旅中吸取的经验教训》,他在文章中也指出,LinkedIn将继续运营自己独立的数据中心。
在2012年,Nayyar解释说,LinkedIn意识到需要改变其数据中心战略。他指出:“不依赖于第三方数据中心供应商,我们需要运营和管理自己的数据中心。这是一个关键的决定,为我们创造了一个新的原则:‘控制自己的命运’。”
LinkedIn决定采用分散的方式,从多个数据中心站点提供应用程序。这家当时还是独立的公司在2013至2015年期间,每年都建设一个新的数据中心。它也选择了超大规模的建设和发展,最终导致了LinkedIn的“Altair项目”,它的数据中心结构“可以水平缩放而不改变网络的基本架构或在升级过程中中断其核心。” 2016年,LinkedIn开设了使用Altair项目设计的俄勒冈州数据中心(本文开篇的照片就是该数据中心)。
展望未来,LinkedIn计划继续建设自己的数据中心。Nayyar提到了LinkedIn的Open19项目,该项目旨在使数据中心硬件更具互操作性和高效性。(Open19项目听起来几乎与微软的 “Olympus项目”和开放计算项目(Open Compute Project)内容一模一样。)Nayaar在博客文章中表示,LinkedIn还在研究OpenFabric和软件驱动的基础架构。
当微软在2016年收购LinkedIn时,微软的官员们表示,他们打算基本上采取不干涉的方式来管理其最大的一起收购资产。他们似乎真的说到做到了。
在过去的一年中,微软和LinkedIn已经实现了首席执行官萨提亚.纳德拉(Satya Nadella)为该公司设定的几个集成里程碑,并且正在努力将他们各自的数据图结合在一起。就在本周,微软开始推出其承诺的Resume Assistant,它为Windows上的Office 365用户将Word 2016和LinkedIn进行了集成。
但是,将微软Azure和LinkedIn云平台进行整合似乎仍然不在待办事项列表之中。很好奇的是,它究竟是否还会在待办事项列表中出现。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。