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
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。