至顶网软件频道消息: Google今天宣布,将与众多知名的开源软件公司展开合作,大规模扩展Google Cloud上可用的“一流”服务。
今天在美国旧金山举行的Cloud Next年度大会上,Google宣布与Confluent、DataStax、Elastic NV、InfluxData、MongoDB、Neo4J和Redis Labs等公司达成“战略合作伙伴关系”。这一公告的核心,就是所有这些公司基于开源技术的产品,现在都将作为托管服务在Google Cloud上提供给用户。
Google表示,将把这些开源平台添加到Google Cloud中,通过简单统一的管理、计费和支持服务,为客户提供更加无缝的体验。Google将全面管理每项服务,用户可以通过Google Cloud Console使用这些服务,并且通过一张发票进行统一结算。
换句话说,像DataStax Apache Cassandra数据库这样的服务,将与Google自己的数据库服务类似的方式进行打包和销售。
Google基础设施合作伙伴主管Manvinder Singh在新闻发布会上表示:“我们的想法是让用户们更容易在GCP上购买这些服务,就像是购买我们自己的产品一样,同时也让这些产品成为我们平台上一流的服务。”
很多人认为这与AWS等其他公有云厂商的策略是完全不同的,后者将开源软件作为第三方产品出售,但通过管理或支持提供的内容并不多。Amazon还习惯于利用开源软件,在开源软件基础上打造自己的竞争产品,例如DocumentDB,就是一项基于MongoDB NoSQL数据库服务的服务。
Amazon采取向开源社区开放的策略,而且Google的目的显然是鼓吹自己与这些开源公司是合作关系而不是竞争关系,并表示会像对待自己的服务那样对待这些服务。
Singh解释说:“我们希望为客户提供一个解决问题的窗口,这些公司显然在各自的技术领域拥有更多的专业知识,因此我们将共同努力解决客户的问题。”
Wikibon分析师James Kobielus表示,Google的这些公告实际上是承认开源已经成为当今大多数云应用的基础。他说:“Google通过与领先的开源厂商合作,为平台的各种托管服务提供统一管理、计费和支持,从而解决了在公有云中部署各种开源数据环境的很多痛点。”
Constellation Research分析师Holger Mueller表示,这些合作伙伴对于Google来说非常重要,因为很长一段时间以来,Google一直由于没有真正了解企业需求、从而无法恰当地服务这些企业而饱受批评。但是这些批评放在今天对于Google来说可能就有些不公平了,因为今天的这些举动表明Google确实想要了解企业真正需要什么。”
Mueller说:“这正是企业高管们希望运行下一代应用的原因。正如所有新产品一样,我们现在必须找到企业的兴趣点在哪。现在Google的确引入了一些市场需求非常高的合作伙伴。”
但Mueller指出,联合支持这一点可能有些问题。“魔鬼藏在细节中,但如果Google和合作伙伴能够很好梳理清楚就没有问题了。”
未来几个月内,这些开源服务将通过Google Cloud Marketplace进行售卖,此外还会集成Stackdriver等Google原生服务用于监控,以及集成Cloud Identity & Access Management用于确保安全性。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。