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
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。