根据IDC的最新预测结果显示,到2022年全球有超过90%的企业将依靠本地/专用私有云、多个公有云和旧平台的组合,来满足他们的基础设施需求。IDC预计2021年将是多云之年,绝大多数企业将部署内部环境,外部环境、公有云和私有云作为自己的默认环境。
IDC副总裁,中东、土耳其和非洲(META)地区董事总经理Jyoti Lalchandani表示:“全球COVID-19的大爆发造成了广泛的破坏,突显了企业敏捷度以适应需求波动而弹性扩大或缩减规模的重要性。而公有云平台为企业提供了敏捷的、可扩展的、具有成本效益的IT基础设施,以支持业务流程。但是,公有云并非所有类型工作负载的理想选择。因此,一些企业选择让某些工作负载维持在内部环境中,如内部数据中心或者放在私有云中。这么做可以帮助企业获得更高的性能、全天候可用性、增强安全性、以及更好地遵循法规。”
尽管采用多云架构的势头越来越猛,但由于存在迁移和技能相关的挑战,并非所有企业都为实施云路线图做好了充分准备。Lalchandani表示:“IDC 2020年META CIO调查显示,中小企业中有近30%的企业认为,迁移是一项关键挑战。与此同时,有39%的受访者指出,缺乏技能是阻碍他们实施云战略的一大障碍。为了在多云之旅中取得成功,IDC建议企业盘点自己的应用,针对每个应用制定分阶段的现代化路线图,从而为多云时代做出适当的云端决策。”
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。