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
WordPress实验性AI开发工具Telex在9月发布几个月后已投入实际使用。在"State of the Word"年度活动中,WordPress联合创始人展示了Telex的多个应用案例,包括创建价格比较工具、价格计算器和实时营业时间显示等功能。该工具能够生成Gutenberg模块,让开发者在几秒内完成过去需要数千美元定制开发的功能。同时WordPress还推出了Abilities API等AI架构开发。
印度学者在卫星图像识别领域取得突破,设计出无需预训练的神经网络架构,在EuroSAT数据集上达到97.23%准确率。通过三轮迭代优化,研究者发现卫星图像需要平衡空间和光谱两种特征,创新性地开发了可学习融合参数的双路径注意力机制。该方法证明了专用架构设计在特定领域的巨大潜力,为无法获得大规模预训练数据的应用场景提供了有效解决方案。
英国国家网络安全中心与BT合作推出的Share and Defend服务成功拦截了近十亿次早期网络攻击和用户访问危险网站的尝试。该服务整合多方威胁情报数据,通过互联网服务商的DNS平台实时过滤恶意网站,大规模阻断钓鱼和虚假购物网站。目前已有TalkTalk、沃达丰等多家合作伙伴加入,政府计划在2026年1月发布国家网络行动计划以进一步提升英国网络安全防护能力。
UC伯克利研究团队开发了ECHO框架,通过分析社交媒体上真实用户对GPT-4o图像生成的使用反馈,构建了更贴近实际需求的AI评测体系。该框架收集了超过31000个用户提示词,发现传统评测无法覆盖的复杂任务需求,并识别出用户关心的色彩偏移、身份保持等具体问题,为AI模型评估提供了全新的用户导向思路。