据报道,美国五角大楼已经削减了上个月授予Amazon云合作伙伴价值近10亿美元的合同。
根据华盛顿邮报周一晚些时候的报道说,美国五角大楼已经将REAN Cloud LLC的合同价值从原来的9.5亿美元降低到了6500万美元,同时限制了工作范围。
位于美国弗吉尼亚州赫恩登的这家Amazon合作伙伴在上个月获得了该合同,以帮助将五角大楼的数据和工作负载迁移到未指定的云计算提供商那里。与许多政府机构一样,美国五角大楼也迫切希望尽快将其计算系统迁移到云端,以加快创新并保持面对潜在竞争对手(如中国)保持技术优势。
然而华盛顿邮报称,美国五角大楼现在又重新审视这笔交易,因为面临着其他云供应商的严厉批评,特别是Oracle公司,Oracle公司称这笔交易“对Amazon及其合作伙伴表现出偏袒性”。而就在这两天之前,美国五角大楼准备举行“行业日”活动,那些有意参与竞标的企业可以在这次活动上与政府采购官员会面以便推销他们的产品。
Oracle公司高级副总裁Ken Glueck向华盛顿邮报表示,美国五角大楼决定向REAN授予合同一事表明,它已经选择AWS作为其云计算提供商,至少是非官方的形式。在REAN合同授予后,Oracle向政府问责局提出申诉,指出这是对“充满了秘密”的采购过程的“严重滥用”。
REAN表示,该合同没有具体指定的云提供商,而且他们的工作要求兼容多个云。REAN是AWS合作伙伴网络中的“首要咨询合作伙伴”。Amazon最近在努力赢得政府合同方面取得了重大进展,最近美国中央情报局也成为其客户。
Constellation Research首席分析师兼副总裁Holger Mueller表示,Oracle对这种合同的争取并不在意料之外,因为政府业务对于云基础设施即服务提供商来说是最大的潜在增长领域之一。他还指出,过去政府合同一直备受争议,今后可能也会一样。
“毫无疑问,Oracle在这里争论,因为要为他们认为正确的事情争取,即使并不占有利位置。请记住PeopleSoft收购案中的反托拉斯抗议活动。先不说Oracle在整个IaaS市场中是后来者的事实,Oracle真的需要特别关注,因此不会让太多大笔交易轻易溜走。”
批评者们还抨击了五角大楼的合同授予方式。五角大楼的国防创新部门实验部门以“其他交易机构(OTA)”的方式授予合同,以此避开联邦采购流程。有批评人士称,在这一授权下获得的10亿美元奖励“非常高”,因为这个过程不透明,并且不存在竞争。
REAN方面认为,这个合同“不是Amazon的合同”,因为措辞中明确规定它可以与任何供应商合作。REAN联合创始人Sekhar Puli表示:“我们不会决定客户应该使用哪种云。他们可以选择任何他们想要的云,我们的平台将支持所有这些云。”
Puli还透露,在他看到媒体新闻之前,他不知道合同会有变数。他还暗示可能会采取法律行动,称五角大楼在事实发生后不允许对合同进行修改。
Puli说:“我不认为他们可以单方面改变任何事情。我的合作里写的9.5亿美元,如果这个数字要改,那么合同就需要更新。”
REAN总裁Sri Vasireddy曾经从2010年至2012年期间担任AWS业务发展的负责人,他曾表示,OTA流程让公司通常不得不花费数百万美元来撰写文件,以便在传统合同流程中赢得如此大的交易。但他表示,OTA流程要求REAN平台“证明自己”。他还表示,他被告知REAN在第一阶段的合同中与29家公司竞争。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。