Oracle在与英国高等教育机构谈判国家框架协议之前,向这些机构发起了Java审计请求。该协议价值高达986万英镑(1333万美元),与标准商业定价相比,预计将为这些机构节省4500万英镑。
自Oracle于2023年1月推出Java SE通用订阅服务以来,用户一直被建议寻找替代方案来替代Oracle的运行时环境和开发工具包。Oracle将Java许可从按用户收费改为按员工收费模式。
尽管Oracle声称这是"一个简单、低成本的月度订阅服务,包括用于桌面、服务器或云部署的Java SE许可和支持",但Gartner当时的分析发现,按员工订阅的模式比传统模式贵2到5倍。
英国教育和研究数字解决方案提供商Jisc为编程和开发平台Oracle Java SE谈判了一项国家协议。该组织表示,这项协议为机构提供了针对英国教育和研究定制的许可,与公布的单一许可清单定价相比,为各机构节省了高达4500万英镑,同时还提供了对潜在历史许可差异的豁免。
这个集体采购组织表示,虽然Oracle Java在机构中用于第三方培训是免费的,但在内部业务系统中运行该软件的高等教育机构需要长期支持,面临成本和合规挑战。
一位大学内部人士告诉The Register,虽然他们的机构没有使用Oracle Java,但仍有少数机构在使用,有时用于管理松散的"宠物项目"。在查看以学生人数为基础的新许可条款时,这些客户正"面临财务深渊",而Jisc与Oracle的协议承诺限制这些责任。
Jisc表示,该协议在五年内提供按FTE(全职等效)的年度固定费率,展示了集体、全行业方法的优势。该组织向The Register确认,新的许可框架是在Oracle直接向各个机构请求审计(包括与Java相关的审计)后谈判达成的,尽管该组织无法获得详细信息。
自Oracle Java新许可模式推出以来,强烈建议用户组织迁移离开Oracle Java,为其软件开发和运行时环境寻找开源替代方案。一项Oracle用户调查发现,只有十分之一的用户可能继续使用Oracle Java,部分原因是许可变更。
Jisc告诉The Register,在Oracle许可模式变更后,其大学和学院探索了各种选择。
一位发言人说:"然而,考虑到现有依赖关系的复杂性和不合规的风险,该行业确定与Oracle达成集体协议是最有效和务实的方法。"
他们表示,该协议是与Oracle以及包括UCISA(代表高等和继续教育机构的协会)和学院协会技术参考小组等代表机构合作,历时18个月开发的。
Jisc许可总监Caren Milloy在一份准备好的声明中说:"当我们的成员面临重大财务压力时,这项协议不仅降低了成本并提高了效率,还有助于与Oracle这一行业主要供应商建立建设性的战略关系。"
Oracle Java平台高级副总裁兼OpenJDK管理委员会主席Georges Saab表示:"Oracle一直以免费和透明的方式支持包括Oracle Java在内的许多Oracle产品的第三方培训。教育工作者和学生都可以免费访问和支持Oracle Java。
"然而,使用Java运行其组织企业系统的机构仍需要商业许可以获得长期支持。"他声称:"这项协议通过帮助确保满足其许可要求,为机构提供了巨大价值。"
去年,英国学生办公室(OfS)的一份报告发现,英格兰40%的大学预计今年将出现预算赤字。与此同时,大学和学院工会(UCU)的数据显示,超过50所大学和学院计划在2024年进行裁员和其他削减。
好文章,需要你的鼓励
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。