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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。