在竞争对手谷歌面向云客户推出新的基础设施的背景下,微软也宣布增强了Azure平台的分析功能。
微软推出Azure SQL数据仓库服务的重度升级版本,在速度方面进行了全面提升,据称查询执行时间缩短达5倍,而这主要归功于一种名为自适应缓存的技术。
升级之后的数据仓库运行在配备高速NVMe闪存驱动器的服务器上。正如微软在博客文章中详细介绍的,这种自适应缓存可以识别最频繁使用的记录,并将其存储在机器上以实现快速访问。让信息靠近处理信息的地方,这可以更加显著地提升速度,因为请求无需往返于远程存储环境之间。
除了这项缓存技术之外,微软还对可扩展性进行了一系列改进。微软表示,现在他们的数据仓库计算能力提升了5倍,并且可以保留更多的数据。最重要的是,现在这项服务能够在繁忙时段同时运行多达128个查询。
这些增强功能对微软最大型客户的吸引力最大。微软的竞争对手也在积极跟进大型客户,最近谷歌取得了巨大的进展。3月底,谷歌与Shopify达成协议,谷歌将托管这家电子商务巨头的后端系统。
但尽管谷歌近期取得了一系列进展,AWS和微软仍然以第一和第二的份额领跑整个云计算市场。对Azure SQL数据仓库的升级进一步巩固了微软的地位,特别是在关键分析领域。
据悉,新版本服务马上将提供给客户,之前的迭代版本仍然作为一个单独的产品层进行访问。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。