有大量证据表明,企业正在大规模地迁移到云端,但同时,有一部分关键数据让我们正确看待向云的转型。Google Cloud首席执行官Thomas Kurian援引统计数据称,80%的工作负载仍然是在本地的。
这就是Google Cloud在近日举行的Cloud Next大会上推出Anthos的原因之一。该平台设计旨在本地环境或者公有云中运行应用。
加州大学伯克利分校教授、Google研究员、Google Cloud基础设施副总裁Eric Brewer表示:“你可以迁移到云端,然后对其进行现代化改造,但是在本地环境中做现代化改造、在安全的可控环境中进行重写也是完全没有问题的。同时提供这两种选择,是Anthos的一个重大变化。”
向云端转型
有些企业希望尽快迁移到云端,但由于他们已经在数据中心上进行了大量投资,以及监管问题或者太大而无法轻易迁移的工作负载,使得他们无法在短期内实现这一目标。Brewer表示,Google的大多数客户都表示他们希望迁移到云。
Brewer说:“他们开始使用我们非常擅长使用的框架。如果他们开始使用Kubernetes和容器,我希望我们有机会和他们展开合作。我相信我们有更好的机会成为他们未来的云。”
Anthos明显带有开源的风格。Anthos平台是基于Kubernetes、Istio和Knative等开源技术构建的。
Brewer解释到:“我们在开源方面有坚实的基础,比其他厂商做的更加深入。”他指出,Google通过引入Kubernetes和TensorFlow做出了重大贡献。“这是我们解决这个问题的一种方式,尤其是对于混合云和多云环境来说。在我看来,除了开源之外,没有别的方法可以做多云,因为这个空间发展速度太快了。”
好文章,需要你的鼓励
TPU与GPU之间的竞争正在重塑AI硬件市场格局。GPU基于并行处理,能处理多样化任务,而TPU专门针对张量矩阵运算进行优化。谷歌TPU采用类似RISC的设计理念,通过限制功能来提升特定运算效率。随着Meta计划在2027年采购数十亿美元的TPU芯片,Anthropic宣布使用百万TPU训练Claude模型,TPU生态系统正在获得发展动力,对英伟达的GPU霸主地位构成挑战。
Meta与华盛顿大学联合研究团队开发出无需人类标注的AI评判官自我训练框架。该方法通过生成合成对比数据、自我判断筛选和反复学习,使110亿参数的AI评判官在多项视觉语言任务中超越GPT-4o等大型模型,成本仅为传统方法的1%,为AI自主学习和评估开辟新路径。
本文提出2026年AI发展十大预测,包括AI估值修正、投资泡沫持续、AGI不仅依赖大语言模型、AI代理将加剧工作替代等。作者强调社会接受度对技术发展的重要性,认为成功企业将重构运营模式以AI为核心,同时指出政府仍将重视STEM教育而忽视社会科学的价值。
华中科技大学团队开发出4DLangVGGT技术,首次实现AI系统对4D动态场景的语言理解。该技术突破传统方法需要逐场景训练的限制,能跨场景通用部署。系统结合几何感知和语义理解,不仅能识别物体还能描述其时间变化过程。实验显示在多项指标上超越现有方法1-2%,为机器人、AR/VR、智能监控等领域提供重要技术支撑。