这款产品Amazon Aurora I/O-Optimized,于周四首次亮相,预计可为某些工作负载节省高达40%的成本。
AWS关系数据库引擎副总裁Rahul Pathak表示:“我们通过 Aurora I/O-Optimized为客户的大规模I/O密集型应用提供了巨大的价值,并为那些希望把要求最苛刻的工作负载迁移到Aurora和云端的客户提供了更好的选择。”
Aurora是一种托管的关系型数据库,企业可以使用它而无需维护底层基础设施。Aurora与另外两个主流的关系型数据库MySQL和PostgreSQL相互兼容,也就是说,企业可以把为MySQL和PostgreSQL编写的应用切换到 Aurora,而无需进行重大的代码更改。
AWS于2014年发布了Aurora的初始版本,如今该服务已经被数十万家客户采用,其中包括许多财富500强企业。
Aurora I/O-Optimized是Aurora服务的最新版本,主要面向那些执行大量数据I/O操作的应用。
Aurora标准版是根据客户部署数据库的计算实例的数量和类型,以及他们使用的存储容量来计费的。此外,客户还需要为针对应用每个I/O操作进行付费。
该数据库针对新Aurora I/O优化的新版本则有不同的定价模型。它与标准版本一样,是根据客户使用的计算实例的数量和类型以及相关的存储消耗进行计费,但是用户无需为I/O操作付费,这使得I/O密集型应用运行成本更低。
AWS表示,该产品可以节省大量资金。如果I/O操作占与应用相关的数据库费用的四分之一以上,那么Aurora I/O-Optimized承诺最多可降低40%的成本。
该产品还可以让客户更轻松地预测云费用。当数据库按I/O操作计费的时候,应用I/O请求的意外增加可能会导致成本超支,而Aurora I/O-Optimized通过消除与I/O操作相关的费用降低了这种风险。
企业可以通过在Amazon EC2预留实例上运行Aurora I/O优化来进一步降低成本,这些实例提供比标准虚拟机更低的价格以换取长期使用的承诺。
据AWS称,企业不仅可以使用Aurora I/O-Optimized支持新的关系型数据库集群,还可以为现有部署企业该服务。客户可以每30天将现有部署切换到Aurora I/O-Optimized,该任务不需要管理员重启数据库实例,从而有助于避免停机。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。