据彭博社周五报道,数个科技巨头加入甲骨文(Oracle)发起的联盟,旨在阻挠一项他们认为将由亚马逊网络服务(AWS)与美国国防部达成的合同,该合同将国防部全部的云计算服务合同交予亚马逊网络服务。
亚马逊的两家强劲云计算竞争对手微软和IBM以及戴尔和惠普等硬件巨头都希望从该合同分一杯羹。这些公司都加入了甲骨文游说联邦政府的举动,以试图说服联邦政府不要过早选择AWS及要要将合同分成小合同交给多个供应商。
REAN Cloud(AWS的合作伙伴)上个月宣布与国防部门签署了一项近10亿美元的合同,以加速国防部门的云采用战略。甲骨文随后提出正式抗议并发起游说活动。
联合企业国防基础设施(JEDI)云计划合同的联邦开销总金额达数十亿美元,国防部官员称该合同将于9月份左右交给一家供应商。
据彭博社报道,甲骨文的活动包括协调科技领域供应商之间的合作、广泛的媒体策略以及游说政府领导人、国防官员和特朗普政府。
据彭博社报道,甲骨文、IBM和微软均反对该合同“胜者通吃”的做法,他们认为五角大楼应该选择多个云投资的做法。
国防部门与REAN近10亿美元的国防开支合同引发争议。REAN是一家总部位于弗吉尼亚州Herndon的解决方案提供商。REAN去年为美国运输司令部(U.S. Transportation Command)做了个原型移植合同。该项目曾夺得2017年DoD CIO网络和IT卓越奖。
REAN今年2月7日宣布拿下一项为期五年的合同,上限为9.5亿美元,主要是实现一项定制解决方案,用于在保持价格稳定的同时实现军事云资源的采购自动化。
甲骨文则通过政府问责办公室提出正式抗议。甲骨文认为整个采购过程违反了政府确保竞标的程序,因为国防部在决定找哪个提供商托管工作负载之前已经选定了实施合作伙伴。
五角大楼不久之后表示,REAN的合同金额已大幅减少,只会用于运输司令部的试点项目,最高价为6500万美元。
REAN的主管合伙人Sekhar Puli在一份事先准备的声明中驳斥了甲骨文的投诉及采取法律行动的威胁,Puli将其称之为“守旧分子的”抗议。
Puli表示,防务基础架构现代化的进一步延迟有利于“那些在国防部进行创新时毁了财路的大公司”。
甲骨文公司高级副总裁Ken Glueck在一份事先准备的声明中表示,“甲骨文当然有意争夺国防部的云合同,我们同样愿意确保美国国防部成功完成其使命。确保使命成功的最好方法是采取开放竞争,这可以令国防部从众多竞争、创新、现代化的和安全的云架构中进行选择。”
业内最大的云服务提供商亚马逊没有立即对最新的报道发表评论。该合同油水颇丰,业界对亚马逊 成为唯一合同商有许多反对的声音。
根据彭博早些时候的报道,甲骨文联合首席执行官Safra Catz本月初在一次私人晚宴上直接向总统特朗普提起这件事。
Catz将争议直接提交白宫令人大跌眼镜。事关在这之前总统曾就亚马逊与美国邮政服务签订的一系列协议做出过尖锐的反对评论。
亚马逊支持者表示,总统特朗普利用美国邮政大做文章打压亚马逊首席执行官Jeff Bezos,因为Bezos是华盛顿邮报的老板,总统曾一再批评华盛顿邮报,指该报是一份对现政府不公平的报纸。
五角大楼发言人海军司令Patrick Evans在回应Catz及总统有关言论的消息时表示,“我们没有偏爱,我们只希望为国防部门提供最好的解决方案。”
REAN原来的合同是以固定价做个自动采购系统,同时帮助国防部机构提高IT基础架构的 运行效率及开发应用程序和处理高度敏感的数据。 REAN还会在这些机构碰到复杂和关键任务的基础架构需求时为其提供咨询服务。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。