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
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。