据悉,微软正在开发旗下的Azure 栈混合计算家族的新成员,新成员的代号为Azure Stack“Fiji”。据笔者的联系人称,Fiji旨在令用户能够将Azure放在本地云运行,本地云由公共Azure管理并能够以微软服务器机架形式直接提供给用户。
微软是顶级云供应商里将混合计算支持作为自己战略关键部分的第一家。不过自从微软自2017年7月开始销售Azure Stack以来,客户对混合的期望已经改变。AWS最近通过AWS Outposts进入混合云战场,谷歌云则利用Anthos进入。微软正开发相应的新混合云功能。
据了解,Azure Stack Fiji的主要对标的是AWS自2019年12月开始提供给普通用户的亚马逊AWS Outposts产品。AWS对Outposts的描述如下:“Outposts是一项完全托管服务,Outposts服务将AWS基础设施、AWS服务、API和工具扩展到差不多所有的数据中心、合用空间或本地设施,实现了真正一致的混合体验。AWS Outposts的理想工作负载是那些要求以低延迟访问本地系统、本地数据处理或本地数据存储的工作负载。”而微软Azure Stack Fiji的目标将重点放在为用户提供低延迟功能上,低延迟功能可以通过Azure架构(大致是通过Azure Arc)进行完全管理,而且使用微软用于运行Azure的相同硬件。
Azure Stack Hub是目前微软混合计算的核心,少数微软合作伙伴经过认证的服务器硬件上作为设备预先安装了Azure Stack Hub。要实现这一目标并非易事。微软必须修改旗下Azure服务的运行方式,还要考虑其安全模型的工作方式及调整微软对配置和管理其硬件方面的取态。笔者不太确定微软在这方面能走多远。
如果你研究过微软代号,可能就会发现,这实际上不是微软第一次用“Fiji”作代号。希望这次用Fiji作代号的结局不会太差。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。