至顶网软件频道消息: 刚刚与大众汽车公司(Volkswagen AG)达成重大的基础设施协议,AWS马不停蹄地又在今天推出了让企业在使用其云平台时更具灵活性的新功能。
主要亮点是一款名为AWS Deep Learning Containers的软件包,它由来自开源生态系统的主流人工智能工具组成,AWS将这些工具打包到Docker容器中,使其可以轻松部署在不同类型的AWS计算实例上。这么做的目的是为了让工程师在短短几分钟时间内,就能设置好基于云的人工智能开发环境。
Deep Learning Containers还打包了很多提高AI性能的优化。例如,AWS预打包版本的TensorFlow深度学习框架,可以训练神经网络使其速度提高到最初版本的两倍,而这主要是通过允许软件更有效地在AWS云平台将工作分布到不同图形卡上实现的。
TensorFlow是这次AWS发布Deep Learning Container仅支持的两款AI工具之一,另外一个工具是Apache MXNet。Amazon表示,未来还将支持更多框架。
AWS人工智能总经理Matt Wood表示,Deep Learning Container旨在帮助企业利用优化的、预打包的容器图像快速设置深度学习环境,“我们希望让机器学习不再那么深奥难懂”。
此外,AWS还针对Redshift数据仓库的一款新自动化工具,旨在减少客户的管理开销。这个名为Concurrency Scaling的机制可以在出现使用高峰时分配额外的处理能力,并在需要时取消额外资源配置。AWS还借这次机会正式宣布App Mesh网络监控工具全面上市。
除了以上这些新功能之外,AWS还推出了三个基础设施选项,主要针对那些希望削减云支出的企业。第一个是Glacier Deep Archive,是AWS S3对象存储服务中的一个新层,旨在保护不常访问的数据如财务审计日志等。它比AWS为此类用例提供的现有S3 Glacier Archive层便宜75%。
此外AWS还发布了M5a和R5a计算实例系列的新版本,这些实例于去年11月份推出,采用了AWS的芯片,比基于英特尔至强处理器的AWS设备成本低10%。
据AWS介绍,M5a和R5a节点可以配置75GB到3.6TB的直连NVMe闪存驱动器,由于非常靠近底层物理服务器,因此访问速度要高于常规存储。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。