至顶网软件频道消息: Google希望开发者能够在托管于Google云中的Kubernetes容器中构建更多的应用。
为此,Google今天推出了一系列名为Google Cloud Code的新插件,让使用集成开发环境构建的应用(如IntelliJ和Visual Studio Code)更容易被部署到Kubernetes中。
诸如IntelliJ和Visual Studio Code之类的IDE是用于编写应用代码最流行的工具,Google也坦言不太可能很快就改变这一情况。但使用IDE可能是很麻烦的,因为其设计目的是编写“本地应用”而不是云托管应用,而本地和云环境存在很多差异,这可能导致使用IDE构建云应用的时候会出现各种错误。
Google产品经理Sean McBrean在一篇博客文章中解释说,Cloud Code的目的是要消除这些错误。
McBrean写道:“Cloud Code扩展了VS Code和IntelliJ,将IDE的所有功能和便利性带入了开发云原生Kubernetes应用的过程中。借助Google的命令行容器工具,如Skaffold和Jiband Kubectl,Cloud Code让你在构建项目的时候可以持续提供反馈,将本地编辑-编译-调试这个循环扩展到任何本地或远程Kubernetes环境中。”
McBrean解释说,有很多新概念是需要那些不熟悉Kubernetes的开发者去理解的。Cloud Code通过提供大量Kubernetes部署样本来解决这个问题,这些样本是针对调试、构建和部署应用进行预配置的,让开发者无需担心应用程序的初始设置和配置。
此外,Cloud Code让开发者可以更轻松地将Google的API与他们的应用进行集成,这样他们就可以使用Maps等Google的服务。而且与Cloud DevOps服务(如Cloud Build和Stackdriver)的进一步集成也包含在内。
“例如,一旦你的代码准备好部署,只需提交请求,就会触发Cloud Build自动构建、测试和部署你的应用,”McBrean说。
Constellation Research首席分析师、副总裁Holger Mueller表示:“为了吸引开发者,厂商们要么让变得更加高效,要么让开发者可以使用他们自己喜欢的工具,而Google通过使用面向Google Cloud代码的IntelliJ和VSCode插件同时做到了这两点。”
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。