AWS今天推出了一项名为Amazon AppFlow的新服务,开发者可以使用该服务来管理AWS与其他软件即服务应用(例如Google Analytics、Marketo、Salesforce、ServiceNow、Slack、Snowflake和Zendesk。
这项全面托管的服务让用户可以创建双向数据流并实现自动化,无需编写任何自定义集成代码。AWS表示,这些数据流可以是由特定事件触发的,可以是在预设时间或按需触发。
尽管AWS称数据流可以是双向的,但该服务似乎更侧重于将数据从SaaS应用迁移到其他可以进行数据分析的AWS服务。为了解决这个问题,Amazon AppFlow附带了许多用于转换数据的工具。
值得注意的是,AppFlow服务支持Amazon专用私有互联网连接技术PrivateLink。
AWS首席布道师Martin Beeby在公布该服务的博客文章中表示,开发者花费大量时间编写自定义集成,以便能够在他们使用的SaaS应用和Amazon之间共享数据。
Beeby说:“如果数据需求发生变化,就还要对集成进行修改,这个过程不仅成本高而且十分复杂。没有大量工程资源的公司可能会发现,他们自己需要手动从应用导入和导出数据,这很耗时,而且存在数据泄漏风险,有可能存在人为错误。”
使用Amazon AppFlow的话就能避免这个问题。但是,这项服务需要一定的成本,每个数据流每次运行的成本是0.1美分,数据处理费用为每GB 2美分起。
AWS副总裁Kurt Kufeld说:“Amazon AppFlow为客户提供了一种直观、简便的方法,让他们可以将来自AWS和SaaS应用的数据进行合并,而无需通过公共互联网转移数据。客户可以借助Amazon AppFlow聚合并管理分散在其所有应用中多达PB甚至EB级的数据,而无需开发自定义连接器或者管理基础API和网络连接。”
另外,AWS还宣布现在EC2 Inf1实例可以运行在全面托管的机器学习服务AWS SageMaker上。Inf1实例运行在Inferentia上,这是一种专为机器学习工作负载设计的高性能芯片,于2019年底的re:Invent大会上首次宣布推出。
Amazon在公告中表示,Inf1实例具有以下优势:延迟降低,吞吐量提高三倍,每次推理的成本比其他芯片低40%。
亚马逊表示,这一宣布意味着开发人员现在可以选择与SageMaker一起使用的EC2实例类型,从而在为每个工作负载选择最佳成本/性能比时提供更大的灵活性。
好文章,需要你的鼓励
StepFun团队开发了革命性的Mind-Paced Speaking技术,让AI聊天机器人首次具备边思考边说话的能力。通过双大脑架构,分别负责思考和表达的两个AI模型协同工作,实现零延迟响应的同时保持92.8%的高准确率。这项技术模拟人类大脑机制,让AI对话变得自然流畅,为人机交互开创了全新范式。
谷歌推出类似苹果私有云计算的新平台,让用户在享受先进AI功能的同时保护数据隐私。该平台将复杂AI请求转移到云端处理,确保敏感数据仅用户可见,连谷歌也无法访问。随着AI工具需要更强计算能力,这一方案平衡了隐私保护与性能需求。Pixel 10手机将获得更智能的Magic Cue建议和更多语言的录音转录功能。
微软和哥伦比亚大学联合开发了名为Dyna-Mind的AI训练框架,通过两阶段训练教会AI进行"心理模拟"。该框架让AI学会在行动前进行虚拟试错,显著提升了在复杂规划任务中的表现。在推箱子、虚拟家庭任务和安卓设备操作等测试中,成功率分别达到82.5%、92.5%和40.7%,远超传统方法。这项研究为开发更智能的AI助手奠定了基础。