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
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。