谷歌履行了自己在最近Cloud Next大会上做出关于让人工智能服务更易于实施的承诺,宣布推出第一个所谓的“预打包的人工智能服务”,正如其名,这是用于特定业务任务的捆绑预构建AI工具。
谷歌推出预打包的人工智能产品背后的想法是,企业仍然需要帮助才能采用这些新技术。人工智能的潜力已经足够明显,但正如谷歌产品经理Apoorv Saxena和Geordy Kitchen在博客文章中指出的,人工智能还“需要专门的人才和硬件、合适的数据类型和数据量,用于训练和提炼机器学习模型”。
这就是企业眼下需要解决的问题。预打包的服务是以两种方式提供的:通过谷歌合作伙伴提供的打包解决方案,或者通过客户可以用来创建自定义AI工具的参考架构。
“这些都需要比预打包解决方案更多的开发工作,但为需要那些高度业务特定的集成AI部署的企业简化了复杂性,”Google的产品经理说。
有两种预打包的人工智能服务,其中包括“Contact Center AI”,该服务自上个月推出Alpha测试版以来已经有800多个用户。企业通过使用Contact Center AI,基本上可以实现一个为他们接听电话的智能聊天机器人,还可以询问和回答简单的问题,以确定呼叫者是否需要和人工代理沟通。谷歌表示,这个人工智能服务还可以记录趋势并分析出现问题的频率。
第二个打包服务是“Cloud Talent Solution”人工智能捆绑包,旨在招募新人才,同时缩短招募人才所需的时间。
谷歌还通过一个参考架构提供了“Recommendation Solution”人工智能工具,可以帮助企业向客户推荐类似或互补的产品,让企业可以将服务直接编码到他们现有的网站中,然后利用谷歌的机器学习功能,根据用户的购买历史、搜索等建议来改善他们的产品营销。
谷歌选择提供打包服务和参考架构的策略,是一种“经过验证的方法”,比人工智能本身更早,并且已经在早期技术(如预测分析)方面取得了成功,Constellation Research副总裁兼首席分析师Holger Mueller这样表示。
Mueller表示,“谷歌正在加强联络中心和人才获取领域,后者是谷歌最早的人工智能产品之一,另一方面,推荐功能具有更广泛的适用性,因此从参考架构开始是有道理的。CXO希望看到AI厂商提供验证平台和参考架构,因此谷歌现在是走在了正确的轨道上。”
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。