至顶网软件频道消息: 谈到云计算应用,Oracle的一个关键词就是“自我”:自我修复、自我保护和自我驱动。
在3月推出Data Warehouse Cloud之外,Oracle今天再次加码自主功能,推出了面向其分析、集成和可视化云服务的内置人工智能和机器学习算法。
跨其平台即服务组合扩展这些新的自主功能,突出了Oracle在数据库市场的企业应用提供自主服务方面脱颖而出。Oracle公司首席执行官Mark Hurd今天在Oracle总部举行的媒体日上强调了这一点。
Hurd说:“我们实际上构建了一套全新的应用,与其他人做的很不一样。我们在整个应用程中占据了很大的市场份额。”
免费支持
除了发布跨PaaS产品的自主功能之外,Oracle还宣布为其Fusion软件即服务应用提供新的客户支持,其中ERP、供应链和制造。Oracle将为SaaS客户提供用于Fusion云应用的全新白金级支持服务,且无需额外费用。
Hurd说:“我们把免费服务的内容纳入到标准服务中。我们大多数竞争对手都以捆绑的形式售卖(服务),你一买就得买三年。我们不想这样做。”
虽然这款新的自主产品和服务计划是Oracle本周公布的消息重点,不过Oracle高管们也提到了一些细节,揭示了“全面投入”自主战略取得的进展,以及未来可能的一些动作。Oracle在今年3月公布Autonomous Data Warehouse Cloud的时候,提升了查询性能并没有没有把调优作为一个关键特点,当时Oracle宣称在确保支持相同工作负载的同时,成本仅为AWS Redshift的一半。
性能超过Redshift?
Oracle数据仓库和大数据技术高级副总裁ÇetinÖzbütün表示,Autonomous Data Warehouse Cloud的性能确实比Redshift快7到14倍,这一基准在上午晚些时候与埃森哲董事总经理Pat Sullivan进行讨论时得到了证实。
“你必须用[Redshift]抽取你的数据,收集你的优化器统计数据并持续调整,”Özbütün在解释两种数据库服务之间的差异时说。
Oracle高管也表示乐观,认为Oracle的云计划正在竞争激烈的企业市场中得到推动。根据Oracle产品开发总裁Thomas Kurian的说法,Oralce最大的10家客户中有9家现在至少运行Oracle Cloud中的一个主要部分,这可能是ERP、人力资源软件、或者销售和营销功能。
“对我们来说,这与一年前相比是很大一步,”Kurian说。
发布区块链服务
Oracle产品开发负责人也透露了Oracle目前正在致力于其他一些可能带来成果的方向,其中一个就是区块链。
Kurian透露,这个区块链平台服务将在本月晚些时候发布,应用将在6月份发布。根据Kurian的说法,Oracle目前正在与智利银行等客户合作,使用区块链进行同业交易,并与尼日利亚政府合作开发分布式记账应用,以跟踪进口关税。
Oracle还在积极将最近收购的两家公司更全面地纳入整体云战略中。一个是2016年收购的Dyn,管理DNS优化互联网应用的DNS提供商。另一个是在今年早些时候收购的云计算网络安全公司Zenedge。
为了与AWS和Microsoft Azure等大型云服务提供商竞争,Oracle必须在网络边界(部署诸如Web代理和防火墙之类服务的地方)方面发挥作用。“我们对Zenedge/Dyn产品组合的目标是构成云端的智能优势,”Kurian说。
Oracle的云战略是否成功取决于其能否利用现有客户群并赢得新客户。今天,Oracle还发布了最近赢得一些客户和业务扩张情况,客户包括T-Mobile US Inc、Emirates Flight Catering和Gonzaga University。
Oracle客户成功副总裁Catherine Blackmore表示:“我们希望为客户提供无与伦比的选择。我们客户的业务是开放的、全天候的,所以我们也是如此。”
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
澳大利亚国立大学和广湾大学研究团队开发的VAU-R1系统通过强化学习显著提升了视频异常理解能力。该研究不仅创建了第一个专门用于训练和评估视频异常理解的思维链基准数据集VAU-Bench,还提出了一种数据高效的强化微调框架,使模型能更准确地回答问题、定位异常时间段并提供连贯解释。实验结果表明,VAU-R1在多项选择题准确率和时间定位方面比传统方法有显著提升,为安全监控、灾害预警等领域的智能系统带来了新的可能性。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究由香港中文大学团队提出了视频-3D几何大语言模型(VG LLM),一种无需依赖显式3D数据输入,仅通过普通视频就能理解3D世界的创新方法。通过集成3D视觉几何编码器,该模型能从视频序列中提取3D先验信息,显著提升空间推理能力。实验表明,该4B参数模型在多项3D场景理解和空间推理任务上超越了现有技术,甚至在VSI-Bench评估中胜过Gemini-1.5-Pro。