至顶网软件频道消息:就在发布面向Azure的人工智能服务之后,微软紧接着通过与专注与软件容器的Red Hat公司合作再次加强Azure平台能力。
作为合作的一部分,两家厂商宣布在Azure上推出Red Hat OpenShift on Azure,这是Red Hat OpenShift平台的管理版本,让企业能够构建便携式软件,加强容器在不同基础架构之间无缝移动的能力。
随着企业将更多工作负载转移到云,这种可移动性也变得越来越重要。微软与Red Hat的合作将让双方的共同客户能够在Azure上设置一个OpenShift部署,该部署中与其内部环境相同的应用构建模块,一致性的基础,让服务从一个部署转移到另一个部署变得更加简单。
因此,微软希望Red Hat OpenShift on Azure能够让企业更容易利用其云服务,并在此过程中创造更多收入。有着同样的目标,微软计划在该平台上提供容器版本的SQL Server关系数据库。
另一款将与该产品结合的微软产品是Azure Stack。这款软件产品是配合微软硬件合作伙伴售卖的设备一同出货的,让企业组织可以在其数据中心创建其云的副本。
微软与Red Hat的联盟也有一个市场的因素。两家厂商计划在Azure上共同支持Red Hat OpenShift,这意味着客户在需要排除故障时不必单独联系厂商的技术人员。
微软工程师Brendan Burns在一篇博客文章中详细写道:“作为一项完全托管的服务,它将保持最新状态,只需一个统一账单、集成的支持体验,总的来说是一项原生的Azure服务。我们的客户告诉我们,这种‘扼喉’非常重要,而且是基于云的OpenShift产品所缺少的,所以我们很高兴能够满足这一需求。”
就在微软与Red Hat宣布合作的同一天,Red Hat也公布了与IBM的合作,同样是专注于OpenShift。Red Hat和IBM的合作是把该平台整合到IBM的云和中间件产品中。
IBM和微软都有相同的目标,即解决容器快速采用的问题。据Gartner预测,到2020年将有超过50%的企业在生产环境中运行容器应用,而目前这一比例不到20%。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。