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
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。