至顶网软件与服务频道消息: AWS近日透露了有关即将推出的集成数据中心硬件产品AWS Outposts更多细节。
AWS在11月公布了AWS Outposts,它实际上是一个本地数据中心系统,将成为VMware Cloud on AWS或者原生AWS云环境的扩展,有点类似于微软的Azure Stack产品,后者让企业能够在自己的数据中心运行微软Azure云服务。
有了AWS Outposts,客户就可以选择在本地运行AWS云,这一硬件系统将配备完全托管的、可配置的计算和存储机架,可以连接到亚马逊的公有云。
AWS计算服务副总裁Matt Garman在近日发表的博客文章中表示,该服务将如期在今年年底前上市。
Garman还透露了AWS Outposts最开始在本地运行支持的一些特定服务,并提供了一些用例场景。
AWS Outposts将支持众多用于计算任务的Amazon EC2实例,包括C5、M5、R5、I3en和G4,可以带或者不带存储选项。Garman表示,AWS Outposts还将支持本地的Amazon EBS卷。
同时,上市时支持的云服务包括用于容器化应用的Amazon ECS和Amazon EKS群集,用于数据分析工作负载的Amazon EMR群集,以及用于关系数据库的Amazon RDS实例,之后还将支持Amazon SageMaker和MSK。
Garman表示,AWS Outposts是金融服务、医疗、制造、媒体和娱乐等行业的理想选择。
他说:“最常见的情况之一,就是需要应用到最终用户或者现场设备的延迟控制在个位数毫秒级。客户可能需要在对精度和质量有要求的工厂车间运行计算密集型工作负载,还有一些客户拥有的图形密集型应用例如图像分析,需要对最终用户或者存储密集型工作负载进行低延迟的访问,这些负载会每天收集和处理数百TB的数据。客户希望将云部署与他们的本地环境进行集成,并使用AWS服务实现一致的混合体验。”
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。