亚马逊网络服务公司(AWS)发布了名为Dedicated Local Zones的云部署选项,以帮助公共部门和受监管行业客户满足其最关键工作负载的监管和合规要求。
新产品将由AWS全面管理,专供客户或社区使用,并放置在客户指定的地点或数据中心。新加坡政府的智能国家和数字政府集团(SNDGG)是全球首个部署Dedicated Local Zones的客户。
AWS负责销售和营销的高级副总裁Matt Garman在一篇博客文章中表示,Dedicated Local Zones可由本地AWS人员操作,并提供与Local Zones相同的优势,如弹性、可扩展性和即用即付定价,同时还增加了安全和治理功能。
这些功能包括数据访问监控和审计方案、限制客户选定的AWS账户访问基础设施的控制措施,以及对本地AWS操作人员执行安全审查或其他的标准选项。
他表示:“通过Dedicated Local Zones,我们与客户合作,为他们自己的Local Zones配置所需的服务和功能,以满足他们的监管要求。”
Garman表示,企业还可以利用云的多租户功能,在客户的机构社区和业务部门创建的多个AWS账户之间实现有效的使用,并减少管理内部基础设施的运营开销。
Dedicated Local Zones 将提供Amazon EC2、Amazon Virtual Private Cloud(Amazon VPC)、 Amazon Elastic Block Store(Amazon EBS)、Elastic Load Balancing(ELB)、Amazon Elastic Container Service (Amazon ECS)、 Amazon Elastic Kubernetes Service (Amazon EKS)和AWS Direct Connect等AWS服务。
AWS全球公共部门新加坡国家经理Elsie Tan表示,AWS为新加坡政府提供无缝、可扩展的云体验,以此为其一些最关键的工作负载提供安全、弹性的环境。
她补充表示:“作为世界上最全面、应用最广泛的云,AWS致力于帮助客户安全、快速地推动数字化转型,以此推动下一波云创新浪潮。”
新加坡政府首席数字技术官Chan Cheow Hoe表示,SNDGG已经与AWS合作定义并建立了Dedicated Local Zones,以满足严格的数据隔离和安全要求,使政府能够在云中安全地运行更敏感的工作负载。
他补充表示:“除了帮助新加坡政府满足其网络安全要求外,Dedicated Local Zones还让我们能够为各机构提供无缝的、一致的云体验。”
AWS Dedicated Local Zones的推出正值越来越多的公共部门机构和受监管行业的公司考虑采用主权云服务,这不仅是为了满足数据主权要求,也是为了在不确定和动荡的世界中降低风险并保持业务连续性。
Oracle是第一个抓住这一机遇的超级分销商,首先推出了Cloud at Customer服务,然后又推出了Dedicated Region Cloud at Customer,这是Oracle的一项托管服务,可以提供Oracle所有的服务,包括自主数据库和基于云的应用,月租金50万美元起。
不过,Dedicated Cloud Region at Customer的最低承诺费用为每年600万美元,企业可以使用Oracle Public Cloud上的任何服务。
好文章,需要你的鼓励
模型上下文协议(MCP)服务器是连接概率性大语言模型和确定性微服务工作流的关键节点,充当推理引擎与外部数据工具的翻译层。在生产环境中部署AI智能体时,MCP服务器承担着定义智能体能力、管理上下文数据和执行操作三大核心职责。由于其非确定性客户端特性,传统单元测试无法有效验证,需要通过端到端测试来确保系统可靠性,这使得MCP服务器成为智能体架构中不可或缺的关键基础设施。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
英伟达推出Vera Rubin计算平台,专为驱动具备思考和推理能力的智能AI系统而设计。该平台采用NVL72液冷机架系统,集成六种芯片包括新Vera CPU和Rubin GPU。相比Blackwell架构,Rubin GPU推理速度提升5倍,训练速度提升3.5倍。平台还推出推理上下文内存存储解决方案,性能提升5倍。此外,英伟达还发布了面向自动驾驶的开源Alpamayo模型系列。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。