微软昨天揭开了Azure Edge Zones的神秘面纱,这是一个全新的边缘计算平台,旨在处理对延迟敏感的用例,例如机器人技术、混合现实和实时分析。微软此举对标的是AWS,后者于去年年底推出了Wavelength解决方案。
本质上说,Azure Edge Zone是一个精简版的Azure数据中心,比微软主要的云设施更靠近客户。由于距离更近,因此数据经过网络所花费的时间更少,从而可以显著提高延迟敏感型应用的性能。
Azure Edge Zones有多种形式,标准版由多个Edge Zones构成,微软计划在Edge Zones中部署主要的用户中心,并将其出租给客户,就像在Azure上出售云资源一样。客户可以在Edge Zones上运行应用,包括容器化工作负载和虚拟机,并能够访问“一系列精选的Azure服务”。
“例如,在Azure上运行总部基础设施的企业,可以利用Azure Edge Zones获得延迟敏感的交互式客户体验,” Azure网络群组企业副总裁Yousef Khalidi在博客中详细介绍说。
Edge Zone的第二个版本被称为Private Edge Zones。该版本的基本概念和标准版是相同的,不同的是,企业可以在自己的设施中本地设置该解决方案。内置的5G和LTE支持,将让客户可以在部署了Private Edge Zone的位置创建专用无线网络。
物流初创公司Attabotics是该平台的早期采用者,该公司使用这款平台来管理仓库机器人。同时,某家公用事业企业采用了Private Edge Zone分析来自现场传感器的实时数据,同时医疗机构还可以采用该解决方案提高安全性。“私有移动连接将充当医院、患者数据和诊断程序的智能网格,不必依赖互联网才能使用Azure技术,”Khalidi这样写道。
微软也看到了移动市场的重大机遇。微软正在与AT&T等许多运营商展开合作,将数据中心某些Edge Zone托管在距运营商正在建设中的5G网络大约“一跳”的位置。微软表示,这将让托管的Edge Zones以延迟小于10毫秒的速度处理来自移动设备的请求,从而改善混合现实应用和游戏流媒体平台等服务的性能。
好文章,需要你的鼓励
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。