至顶网软件频道消息: 今天,微软推出了一个针对Azure云平台的新存储层,提供一种经济实惠的信息归档方式。这个名为Archive Blob Storage的存储层,针对那些希望能够可靠地保存大量低优先级、但又很重要记录(例如通话记录)的企业。这种数据通常需要保存多年用于法律法规和其他操作要求。

到目前为止,Azure中唯一一个原生归档选择就是Cool Block Storage层,这是微软在去年推出的。它要比标准计划便宜得多,但是通常不如来自AWS和Google云平台的竞品那么实惠。这是因为Cool Blob Storage是专注于归档使用场景的一些子集,这些场景要求能够在需要的时候快速调取记录,是一个非常重要的功能。
Archive Block Storage折中了访问速度以获得经济实惠性。提出请求后,找回一个数据集任务的时间长达15小时。作为交换,企业每个月每GB支付的费用只有1美分的18/100,相比之下Cool Blob Storage为1美分。
这个新的归档层让微软可以与主要云竞争对手同类的扩展存储用途相竞争。这更重要的是,这意味着企业现在可以将他们全部的数据集保存在Azure中的同时,满足各自的成本要求,这将使Azure平台更具吸引力。
后一点尤为重要,因为企业保存的记录越来越多,用于分析的用途。甚至是那些和通话记录一样普通的数据也可以被利用起来,例如用来帮助销售人员从过往与潜在客户沟通中吸取教训。这些信息可以用于训练机器学习和深度学习模型。
提供更多的存储层并不是微软希望应对趋势的唯一途径。就在昨天,微软透露计划通过Azure提供一种新型处理器,专门针对深度学习工作负载进行了优化。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。