谷歌云计算服务走进了美国好莱坞,在洛杉矶开设了一个新的区域,并在今天宣布推出一项新存储服务。
谷歌已经宣布将在该地区为其Google Cloud Platform开放一个新区域(或物理位置),以更低的延迟提供更快的云服务。谷歌透露将于7月开始提供,作为Google Cloud在美国的第5个区域。目前Google Cloud已经有12个国际区域,并计划在香港、大阪和苏黎世开设更多区域。
此外,谷歌还宣布推出了一项新的云服务,用于管理需要访问共享文件的应用的文件存储。这是媒体和其他公司经常使用的存储类型,与其他两种云存储截然不同:块存储,如谷歌的Persistent Disk和AWS针对数据库和其他业务系统的Elastic Block Store,还有像Google Cloud Storage或者AWS S3这样的对象存储,用于多媒体、数据分析等。
谷歌新推出的Cloud Filestore将在7月以beta测试版发布,旨在用于如内容管理系统、网站托管和渲染农场等应用,网络化的计算机组用于为动画电影渲染计算机生成的图像。这些都要求对文件进行低延迟访问,以及高吞吐量处理大量元数据和非结构化富媒体内容。
谷歌公布了一些早期的服务用户,包括精品营销机构Jellyfish和面部识别平台ever.ai,此外还有石油和天然气勘探、电子设计自动化和其他领域,也特别强调了在渲染方面的应用。
由于渲染对计算和低延迟的严格要求,通常这些都是在本地计算机上完成的。但是如果所有设备每次要为一部电影花上几周或几个月的时间来处理的话,成本是非常高的。因此,云服务这种方式提供了一种潜在的低成本解决方案,能够根据需要快速扩展。
相比其他云提供商如AWS(提供Elastic File System,EFS)来说,谷歌是文件存储领域的后来者。但是Google Cloud Platform产品管理总监Dominic Preuss在接受采访时称,Cloud Filestore高级版本最高可提供30000 IOPS,“这超出了目前你使用的其他任何云服务”。
然而来自谷歌的另一款产品也加入了竞争:Transfer Appliance,用于将大量数据转移到Google Cloud(去年推出,现已在美国提供)。这是一款高容量物理服务器,用于传输超过20TB数据,以前上传这些数据可能需要一周多的时间。
但是,该设备的竞争对手有AWS在两年多前推出的Snowball,更不要说还有在2016年底推出的一个更大型的45英尺卡车设备了,以及IBM和Oracle的产品。
Preuss指出,谷歌的高端480TB设备要比其他厂商的设备大,而且他认为它的物理尺寸——可以装进标准的19英寸服务器机架——要比大型卡车“更有效”。一些早期的客户已经在使用这种设备了,包括Schmidt Ocean Institute、Eleven Inc、Airbus Defense和Space Geo。
当然,谷歌对好莱坞来说并不陌生。YouTube在大型娱乐和媒体方面稳步发展,在好莱坞西南部拥有大型设施,曾经是Hughes Aircraft于1940年建造Spruce Goose的机库,这可能是世界上最大的在线视频制作设备。
现在谷歌希望利用这些长期关系将自己的云产品带入其中。在这个市场中谷歌(把重点放在云和机器学习)将会向竞争对手发起挑战。尽管AWS拥有数百个客户,但至少从目前公开的数据来看,媒体和娱乐领域的客户并不是很多。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。