微软昨天揭开了Azure Edge Zones的神秘面纱,这是一个全新的边缘计算平台,旨在处理对延迟敏感的用例,例如机器人技术、混合现实和实时分析。微软此举对标的是AWS,后者于去年年底推出了Wavelength解决方案。
本质上说,Azure Edge Zone是一个精简版的Azure数据中心,比微软主要的云设施更靠近客户。由于距离更近,因此数据经过网络所花费的时间更少,从而可以显著提高延迟敏感型应用的性能。
Azure Edge Zones有多种形式,标准版由多个Edge Zones构成,微软计划在Edge Zones中部署主要的用户中心,并将其出租给客户,就像在Azure上出售云资源一样。客户可以在Edge Zones上运行应用,包括容器化工作负载和虚拟机,并能够访问“一系列精选的Azure服务”。
“例如,在Azure上运行总部基础设施的企业,可以利用Azure Edge Zones获得延迟敏感的交互式客户体验,” Azure网络群组企业副总裁Yousef Khalidi在博客中详细介绍说。
Edge Zone的第二个版本被称为Private Edge Zones。该版本的基本概念和标准版是相同的,不同的是,企业可以在自己的设施中本地设置该解决方案。内置的5G和LTE支持,将让客户可以在部署了Private Edge Zone的位置创建专用无线网络。
物流初创公司Attabotics是该平台的早期采用者,该公司使用这款平台来管理仓库机器人。同时,某家公用事业企业采用了Private Edge Zone分析来自现场传感器的实时数据,同时医疗机构还可以采用该解决方案提高安全性。“私有移动连接将充当医院、患者数据和诊断程序的智能网格,不必依赖互联网才能使用Azure技术,”Khalidi这样写道。
微软也看到了移动市场的重大机遇。微软正在与AT&T等许多运营商展开合作,将数据中心某些Edge Zone托管在距运营商正在建设中的5G网络大约“一跳”的位置。微软表示,这将让托管的Edge Zones以延迟小于10毫秒的速度处理来自移动设备的请求,从而改善混合现实应用和游戏流媒体平台等服务的性能。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。