在Oracle CloudWorld大会将于下周于拉斯维加斯举行之际,Oracle和微软宣布推出Oracle Database@Azure。
据悉,这将直接访问在Oracle Cloud Infrastructure(OCI)上运行并部署在微软Azure数据中心的Oracle数据库服务。
此次合作还向Oracle客户开放了微软的Azure OpenAI服务。
微软公司董事长兼首席执行官萨提亚.纳德拉(Satya Nadella)表示:“我们与Oracle扩大合作,将使微软Azure成为Oracle之外唯一运行Oracle数据库服务的云提供商,并帮助我们的客户开启新一轮云驱动的创新浪潮。”
Oracle的董事长兼首席技术官拉里.埃里森(Larry Ellison)表示:“大多数客户已经在使用多种云。微软和Oracle一直在共同努力,使这些客户能够轻松地将Azure服务与最新的Oracle数据库技术无缝连接起来。”
“通过在Azure数据中心配置Oracle Exadata硬件,客户将体验到最好的数据库和网络性能。”
Fidelity Investments的企业数据主管Mihir Shah表示:“今天的声明展示了行业领导者微软和Oracle是如何将客户利益放在首位,并提供合作解决方案,使Fidelity这样的企业能够为客户提供一流的体验,并以最少的停机时间满足大量的合规性和监管要求。”
百事公司高级副总裁兼全球首席技术官Magesh Bagavathi也发表了自己的看法:“数据是所有企业的命脉,而云技术是分析数据的最佳方式,让洞察力变得具有操作性。”
“利用Oracle Database@Azure在云中运行关键任务系统和相关数据的能力为我们的全球运营提供了规模化的战略优势。”
沃达丰公司首席技术官Scott Petty在英国纽伯里(Newbury)表示:“Oracle和微软提供的这项新服务使我们能够以更快的速度和更高的成本效益为客户提供创新和差异化的数字服务。”
Oracle将直接在微软的全球数据中心内运营和管理这些OCI服务,首先从北美和欧洲地区开始。
埃里森在宣布两家供应商联合行动的活动上表示:“(我们)将Oracle的硬件和软件,在Oracle Cloud中使用的所有Oracle Database硬件以及Oracle Cloud中使用的所有数据库软件都实际转移到了Azure数据中心。”
“我们正在让客户能够方便经济地迁移可能存储在Oracle数据库中的海量数据,以训练OpenAI模型。”
向云端迁移的现状
埃里森接着谈到了Oracle工作负载的云迁移状况。他表示:“大部分数据还没有从内部迁移到云端,但是它们会的。”“我们正在努力加快这一进程,让客户更容易地将整个数据中心的工作负载迁移到云端。”
供应商表示,扩大合作将提供一个“在Oracle Database和Azure服务之间简化云采购和管理的精简环境。”
他们还表示,Database@Azure “这项新服务旨在消除客户在采用多云架构时面临的最大挑战,包括管理脱节、孤立的工具以及采购流程太复杂。”
客户将能够利用现有的Azure协议,通过Azure Marketplace购买Oracle Database@Azure。他们还可以使用现有的Oracle数据库许可证优惠,包括自带许可证(Bring Your Own License)和Oracle支持奖励计划。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。