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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。