甲骨文公司云平台上的服务将很快就能自行调整和打补丁了。这都要归功于甲骨文公司宣布将最近推出的“自主”关系型数据库服务背后的技术扩展到其他产品组合中。
甲骨文表示,专用机器学习模型可以优化性能,在更新公布的时候进行实施,甚至在需要时执行故障排除。此外还有一个用于保护记录中断的备份工具。
甲骨文计划将该技术首先应用于与这个自主关系型数据库搭配的其他数据库。基于云的数据仓库、NoSQL存储和OLTP(在线交易处理)服务的自主版本将于今年推出。
甲骨文表示,实现主要维护任务的自动化,将减少企业为使用这些产品而必须花费的人员工时。通过扩展,这项自主功能还可以减少人为错误带来的风险。甲骨文公司承诺,最终的结果将是可靠性水平的提高。
甲骨文还计划通过提供服务级别协议来确保其运营标准得到满足。具体而言,甲骨文将提供有关正常运行时间、可管理性和性能的保证。例如,如果数据库速度在特定时间段内低于给定阈值,则甲骨文将向受影响的客户提供他们可以兑换其云端账单的积分。
这项新的数据库功能和更加专用的自动化工具一起,用于甲骨文公有云中的其他服务中。例如,一项即将推出的功能将识别企业软件项目中易受攻击的代码,另一项新增功能旨在引入“自定义”集成以连接不同的应用。这些功能计划于今年上半年推出。
除了这个功能集之外,甲骨文还扩展了其云平台的覆盖面。作为扩展计划的一部分,甲骨文还计划开放不少于12座新的数据中心。甲骨文将在美国建立两个云计算设施,在加拿大建立另外两个云计算设施,其余的将在海外建设。扩张路线图中的国家包括荷兰、瑞士、中国、印度、日本、沙特阿拉伯、新加坡和韩国。
甲骨文需要赶上云计算竞争对手,这些竞争对手也在建设新的数据中心以加强对市场的控制。而且,他们在收入方面也在快速增长。亚马逊上周表示,其AWS云部门年营收为200亿美元,谷歌公司表示其云部门营收达到每季度10亿美元。
此外,他们花费大量资金建设所需的基础设施,以保持这一势头。根据华尔街日报援引RBC Capital Markets的数据,约有19家云服务提供商在2017年数据中心和其他云基础设施上的投资额为638亿美元,较2016年增长22%。今年,这一数字将上升27%达到810亿美元。
而且甲骨文肯定会看到更多的竞争,特别是让云操作变得更加自动化。
Constellation Research公司副总裁兼首席分析师Holger Mueller说:“甲骨文在云方面是后来者,后来者必须做点什么以引起人们的关注。甲骨文所谓的自驱动或者说自主型数据库做到了这一点,很不错。值得注意的是,竞争对手还没有在这方面与甲骨文的愿景匹敌。但今年年初,我预计所有基础架构和平台厂商的类似产品将在今年晚些时候推出。”
甲骨文自身是否可以提供一切具有前景的产品,这一点还不明朗。“它必须锁定机器学习功能,以实现自驱动堆栈的愿景,并从根本上改变软件的创建和集成方式,以及数据移动、接口和分析的方式”,Mueller说。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。