ZD至顶网软件频道消息:甲骨文公司已经将一套新型硬件添加至其“Oracle Cloud at Customer”产品当中,具体方式为利用其全新Exadata Cloud Machine运行内部甲骨文数据库,同时配合与Exadata Cloud Service完全相同的接口。
Cloud at Customer旨在将甲骨文的公有云体验整合至硬件当中,从而实现内部运行。甲骨文公司将其产品作为提供云体验的方案,从而帮助企业在无需调整监管机制的前提下顺利过渡至公有云当中。另外,由于使用同自家公有云相同的接口,因此客户能够更轻松地建立起混合云体系。再有,甲骨文亦提供一款用于本地及公有云版本服务的独立API,旨在为开发人员提供便利。
Cloud at Customer还提供类云型支付选项。客户可以为相关硬件及数据库支持订阅费用,其基本费率及费用则取决于实际资源使用规模。
这套新型设备将提供以下四种配置选项:
红色巨人最近开始向其他在公有云环境下运行其数据库的用户发送价格信号,包括将在AWS内运行数据库的许可费用提升一倍。而经过此次推出混合云数据库即服务方案,甲骨文公司再次表明其渴望尽可能多地掌控客户的基础设施堆栈。新设备的定价尚未正式公布,不过甲骨文公司创始人Larry Ellison此前曾承诺其价格水平将低于全部多云方案。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。