美国国防部官员近日表示,将推迟公布JEDI中标者,要等待新国防部长Mark Esper完成该项目的审查。国防部首席信息官Dana Deasy表示,该评估预计需要数周时间。
Deasy没有提供具体的时间框架,但他告诉记者,中标者的名字可能不会在月底之前宣布。6月下旬时国防部官员曾预计JEDI招标程序将在8月底结束。
Deasy表示,“我们必须做好这件事,因此我们不急于做出决定。我们花费的时间由评估团队所需花费的时间定,目的是确保我们以合适的价格、合适的标准选择最佳技术解决方案。”
JEDI计划是联合企业防御基础架构计划的英文缩写,五角大楼在未来10年内将因为JEDI计划在云服务上花费高达100亿美元。 计划的合同规范要求将整个交易交给单个提供商。目前只剩下两个竞标者:亚马逊网络服务公司(AWS)和微软公司,两家公司分别是基础架构即服务市场里第一大和第二大参与者。
而AWS中标的呼声最高,业界普遍预计AWS将拿下这笔交易。Deasy在接受记者采访时表示,合同中规定了单个供应商,目前仍然没有计划将合同分成几个。五角大楼官员还在新闻发布会上分发了JEDI项目情况说明书和要求指南,试图消除坊间对JEDI的传言和错误信息。
国防部长Esper几天前曾暂停JEDI招标以对项目细节进行评估,随后则宣布延迟宣布招标结果。唐纳德·特朗普总统在这之前曾表示,作为对AWS竞争对手投诉的回应,他决定要看看合同。业界人士认为云计算巨头AWS是赢得这项有利可图交易的最佳选择,但亦有人指责AWS在竞标过程中拥有不公平的优势。
甲骨文公司去年提起诉讼,指控美国国防部存在利益冲突,偏袒了AWS,但法院在调查后未发现存在组织偏见的证据,今年7月驳回此案。
甲骨文的投诉可能会导致JEDI的进一步复杂化。在法院驳回诉讼之前,消息人士告诉联邦新闻网,如果诉讼被驳回,甲骨文公司可能会将案件提交到美国上诉法院。
但五角大楼可能会在此之前完成JEDI招标。据华尔街日报报道,国防部长Esper对合同的审查与最终中标者的选择是“分开”进行的,华尔街日报报道称五角大楼官员正在推进该过程的技术层面。
这可能表明官员们对敲定中标者的时间框架持乐观态度。该计划的竞标在12个月前启动,这也反映了一定的紧迫感。 五角大楼联合人工智能中心负责人、空军中将John Shanahan近日在新闻发布会上说到有关JEDI的延误时称,“我们不想浪费任何时间.......我们知道我们的潜在对手正在以他们自己的速度进行。“
官员还称人工智能是快速解决问题的关键驱动因素。担任美国国防部人工智能负责人的Jack Shanahan中将表示,若无企业云计算,“就没有大规模的人工智能”,而人工智能对作战至关重要。
Shanahan表示,若无大规模人工智能,“人工智能就只会停留在一系列小规模的独立项目上,没有办法令人工智能有用处或对战士有用处。”他还表示,“JEDI可以提供按需的规模弹性计算、规模数据、实质性网络和传输优势、DevOps和安全的运营环境。”
但Shanahan也表示不仅仅事关人工智能。他说,“还涉及到联合全域作战、利用新兴技术为一类战争开发新的作战概念,这一类的战争与我们过去20年所经历的是完全不同的。”
五角大楼之所以决定将JEDI交给单一提供商而非多家公司的主要原因之一,是需要快速推出系统。 尽管如此,合同方面则仍然存在争议。JEDI赢家的通吃做法遭到甲骨文、AWS竞争对手IBM公司,甚至国会议员的抨击,尽管这些议员不在管军事交易的关键参议院军事委员会当中。
好文章,需要你的鼓励
VSCO今日更新VSCO Capture应用,新增视频拍摄功能。用户现可在拍摄照片和视频时应用并调整VSCO的50多种滤镜预设,包括经典胶片到现代创作风格。新版本还推出胶片颗粒滤镜,可动态控制纹理强度、大小和色彩。用户能将颗粒滤镜叠加到Film X滤镜上,结合柯达、富士和爱克发胶片风格,保存个性化胶片配方。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人Adam Mosseri表示,AI生成内容已经占据社交媒体主导地位,预计将超越非AI内容。他认为识别AI内容的技术效果不佳,建议转而为真实媒体建立指纹识别系统,由相机制造商在拍摄时进行加密签名。Mosseri还指出,创作者应优先发布"不完美"的原始图像来证明真实性,因为精美方形图片的时代已经结束。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。