相比其他竞争对手,谷歌在企业云支持工具的商业化方面是后来者,但谷歌正在迅速制定一项差异化战略,旨在让软件开发人员使用谷歌云能够做到定制化。
Google Cloud首席执行官Diane Greene说:“我们拥有这种底层的、令人难以置信的先进的基础设施。我们让大家可以利用人工智能,而且比在其他任何地方使用都更安全,我们有相应的工程技术来帮助真正利用起人工智能,倾听客户心声了解他们想要什么。”
谷歌今天在旧金山举行的Google Cloud Next大会上,谈到了谷歌将其云功能转变为面向企业客户的商业化产品的过程,并概述了哪些创新推动着市场发展的方向。
打造云路线图
就在踏上云旅程仅两年后,Google Cloud已经拥有7个应用和超过10亿活跃用户。 Greene将他们的快速成功归功于在技术、基础设施和安全方面的核心竞争力。
“我们管理数据和人工智能的能力,与我们在开源、安全和底层基础设施的能力结合到一起,会让每个人都承认,这是世界上最先进的技术,是一个非常无与伦比的组合,”Greene说。
即便如此,谷歌仍然必须在新的云领域中证明自己。为了获得客户的信任,谷歌制定了将这些工具推向市场的发展路线图。Greene指出,一旦客户信赖了谷歌的云产品,谷歌就可以和客户一起,以更加定制化的方法开发解决方案和制定方案策略。
“工程师从客户得到客户的需求,但是在了解客户之后,他们可以开发出客户不知道的、但是能够以更强大方式解决问题的方案,”Greene说。
除了客户关心的问题之外,Google Cloud还专注于为所有企业用户提供安全性和人工智能。在今天的会议主题演讲中,Greene称安全性是企业将运营迁移到云端的首要担忧,这也是为什么谷歌说已经将安全深入整合到各个层面,而人工智能也因为有潜力为各行各业消除繁琐的、具有挑战性的工作而成为最大的机会。
Greene表示,“所有这些让人头疼的工作都会消除,没人想做。然后人员重新分配,因为我们仍然需要这些人做事。释放他们的精力,想想他们未来会有的新发现。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。