至顶网软件频道消息: 刚刚与大众汽车公司(Volkswagen AG)达成重大的基础设施协议,AWS马不停蹄地又在今天推出了让企业在使用其云平台时更具灵活性的新功能。
主要亮点是一款名为AWS Deep Learning Containers的软件包,它由来自开源生态系统的主流人工智能工具组成,AWS将这些工具打包到Docker容器中,使其可以轻松部署在不同类型的AWS计算实例上。这么做的目的是为了让工程师在短短几分钟时间内,就能设置好基于云的人工智能开发环境。
Deep Learning Containers还打包了很多提高AI性能的优化。例如,AWS预打包版本的TensorFlow深度学习框架,可以训练神经网络使其速度提高到最初版本的两倍,而这主要是通过允许软件更有效地在AWS云平台将工作分布到不同图形卡上实现的。
TensorFlow是这次AWS发布Deep Learning Container仅支持的两款AI工具之一,另外一个工具是Apache MXNet。Amazon表示,未来还将支持更多框架。
AWS人工智能总经理Matt Wood表示,Deep Learning Container旨在帮助企业利用优化的、预打包的容器图像快速设置深度学习环境,“我们希望让机器学习不再那么深奥难懂”。
此外,AWS还针对Redshift数据仓库的一款新自动化工具,旨在减少客户的管理开销。这个名为Concurrency Scaling的机制可以在出现使用高峰时分配额外的处理能力,并在需要时取消额外资源配置。AWS还借这次机会正式宣布App Mesh网络监控工具全面上市。
除了以上这些新功能之外,AWS还推出了三个基础设施选项,主要针对那些希望削减云支出的企业。第一个是Glacier Deep Archive,是AWS S3对象存储服务中的一个新层,旨在保护不常访问的数据如财务审计日志等。它比AWS为此类用例提供的现有S3 Glacier Archive层便宜75%。
此外AWS还发布了M5a和R5a计算实例系列的新版本,这些实例于去年11月份推出,采用了AWS的芯片,比基于英特尔至强处理器的AWS设备成本低10%。
据AWS介绍,M5a和R5a节点可以配置75GB到3.6TB的直连NVMe闪存驱动器,由于非常靠近底层物理服务器,因此访问速度要高于常规存储。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。