全球智能视频云平台服务商及物联网解决方案提供商杭州视洞科技有限公司宣布正式携手甲骨文公司,采用 Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI), 为海外智能视频业务提供云平台支撑,释放增长潜力,快速抢占出海先机。
当前,智能视频行业迎来新的发展阶段。凭借在视觉人工智能、物联网、云计算及大数据领域的多年积累,视洞科技针对家庭、平安乡村、连锁门店、校园、社区等场景构建了完整的各类视频安防产品体系和“视频+AI”端到端解决方案,为全球行业客户、企业客户和消费者提供有竞争力的视频解决方案、产品和服务。随着消费类视频监控的发展,视洞科技将目光瞄准欧美市场,平台用户数量呈几何倍增长、分布位置越来越广。
伴随海外业务迅速增长,视洞科技也迎来了一系列的挑战,例如终端数据量暴增、对云资源的消耗量越来越大导致成本日益增加;数据监管日趋严格,对云服务稳定、安全、合规的要求越来越高;传统摄像头需持续进行智能化升级,以满足用户更高体验需求。视洞科技亟需通过数字化技术解决这些问题,实现海外业务持续发展。
视洞科技首席技术官朴兴国表示:“视频监控行业前端化、云端化、平台化及行业化是大势所趋,在机遇与挑战并存的大航海时代,稳定的云平台支撑是视洞不断发展业务、实现持续创新的关键。与甲骨文公司的合作为我们提供了有力的支持,通过Oracle云技术优秀的性能、灵活的配置以及端到端的安全性,视洞科技实现了出海业务的高质量增长,为未来带来更多发展可能。”
Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI) 在全球有40个数据中心,具有出色的性价比、安全性和可扩展性。基于此,视洞科技选择Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI) 作为云底座,在保障全球业务稳定、安全、合规的同时优化了智能视频体验,更好地满足用户需求。首先,Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI) 支持多云策略,让视洞科技实现云服务商多元化选择,避免强绑定;其次,Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI) 拥有更好的性能、灵活的配置及端到端的安全性,可以给视洞科技出海业务的高度增长提供强有力支持;此外,甲骨文公司的专业团队帮助视洞科技业务精准洞察出海需求,优化应用架构,为视?科技提供了更多行业案例经验借鉴。更重要的是,Oracle 云基础设施远程服务 (Oracle Cloud Infrastructure, OCI) 解决方案 保证了数据安全合规,可以满足视洞科技在海外业务部署时,各个国家地区的数据合规要求,例如通用数据保护条例 (General Data Protection Regulation, GDPR)。
甲骨文公司副总裁及中国区云平台总经理吴承杨表示:“智能视频出海赛道火爆,出海企业不得不面对日趋激烈的竞争和出海过程中数据安全合规、平台稳定性等挑战。视洞科技是一家具有前瞻性的企业,我们很高兴能与视洞科技携手合作,支持其海外业务布局。未来,甲骨文公司也将持续创新,不断优化技术和服务,为智能视频出海企业保驾护航,竞逐出海红利。”
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
新西兰奥克兰大学研究团队发布了首个专门针对教育领域的情感分析数据集EDURABSA,包含6500条学生真实评价,涵盖课程、教师和大学三个维度。同时开发了ASQE-DPT标注工具,能够精确识别学生反馈中的细微情感和隐含观点。这项研究填补了教育反馈智能分析的空白,为教育机构提供了科学的决策支持工具,让学生声音被更好地听见和理解。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
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。