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
预训练和强化学习就能AGI,我的朋友已经不涂防晒霜,Anthropic研究员Douglas:模型对全球GDP的影响类似中国崛起
AI正在彻底改写创业规则:YC最新数据显示,10人团队12个月达成千万美元营收已成常态,"氛围编程"让技术不再是瓶颈,而创始人能否深度理解客户需求成为成败关键。当6人团队就能创造八位数收入时,我们看到的不仅是速度革命,更是对公司本质的重新定义。
这项由阿伯丁大学和格勒诺布尔阿尔卑斯大学研究者联合完成的研究揭示了大语言模型处理日期时的关键问题:现代分词器常将日期分割成无意义的碎片,如"20250312"被切分为"202"、"503"、"12",这严重影响时间推理能力。研究提出了日期碎片化率指标,创建了DATEAUGBENCH测试集,并通过内部机制分析发现,大型模型能在早期层快速"修复"碎片化日期,但其推理路径与人类理解方式显著不同,这解释了模型在处理非标准日期时的准确率下降。
MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架,通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据,而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现,发现其结果与传统评估方法高度一致(相关系数>0.75)。MUG-Eval揭示了模型在低资源语言上表现显著落后,并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言,为真正包容的AI评估提供了新途径。