如果只是复制AWS成功的部分,为什么还要向市场推出自己的云计算方案?参与企业级云计算的竞争对手们(如微软Azure和Google Cloud平台)必须向客户回答这个问题。
谷歌的答案很简单:自己的云服务是即时可用的,相比之下AWS可配置的服务可能需要下些功夫。
亚马逊和谷歌是完全不同的。亚马逊拥有更大的客户群,在企业级领域让谷歌相形见绌。此外,谷歌正在利用TensorFlow开源机器学习平台以及Kubernetes容器编排等技术。
另一方面,亚马逊把高可组合性作为一种创新手段。这两种方式有利有弊,客户会根据他们的预算来决定怎样折中更平衡。
谷歌认为,与核心保持一致会让云服务变得简单易用,这是客户无法拒绝的。而这与AWS的做法完全不同。AWS的服务(例如DynamoDB NoSQL数据库)往往缺乏通用方法。
不同场上有不同的应用界面,你必须了解这一点。谷歌正在做的是用一套通用做法来简化这个问题。这意味着至少在谷歌内部,用户可以使用本地或云端启动和运行云服务,学习曲线要短得多。
但是谷歌以外的环境呢? 即使谷歌内部是通用的,但如果你去Azure或AWS,彼此之间仍然不是通用的。所以使用多个云的客户仍然需要学习所需的相应技能。Google Cloud平台首席执行官Diane Greene承认,需要对通用性进行权衡。
好文章,需要你的鼓励
Converge Bio完成550万美元种子轮融资,由TLV Partners领投。该公司专为生物科技和制药行业打造LLM应用平台,提供数据增强、模型微调及可解释性分析等功能,帮助企业将通用生物基础模型转化为可实际落地的研发工具。以抗体研究为例,平台可将抗体LLM精调至氨基酸级别的结合亲和力预测,并生成优化序列。公司计划用于扩充团队、拓展客户,并发布抗体设计科研论文。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
ChatGPT高级语音模式的创造者Alexis Conneau离开OpenAI后,创办了音频AI初创公司WaveForms AI,并获得由a16z领投的4000万美元种子轮融资。该公司专注于训练自有音频大语言模型,计划于2025年推出与OpenAI、谷歌竞争的AI音频产品。Conneau深受电影《Her》启发,致力于开发具备情感感知能力的语音AI,同时警惕AI伴侣化带来的社会问题,强调技术应服务于人而非取代人际关系。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。