亚马逊网络服务公司(AWS)发布了名为Dedicated Local Zones的云部署选项,以帮助公共部门和受监管行业客户满足其最关键工作负载的监管和合规要求。
新产品将由AWS全面管理,专供客户或社区使用,并放置在客户指定的地点或数据中心。新加坡政府的智能国家和数字政府集团(SNDGG)是全球首个部署Dedicated Local Zones的客户。
AWS负责销售和营销的高级副总裁Matt Garman在一篇博客文章中表示,Dedicated Local Zones可由本地AWS人员操作,并提供与Local Zones相同的优势,如弹性、可扩展性和即用即付定价,同时还增加了安全和治理功能。
这些功能包括数据访问监控和审计方案、限制客户选定的AWS账户访问基础设施的控制措施,以及对本地AWS操作人员执行安全审查或其他的标准选项。
他表示:“通过Dedicated Local Zones,我们与客户合作,为他们自己的Local Zones配置所需的服务和功能,以满足他们的监管要求。”
Garman表示,企业还可以利用云的多租户功能,在客户的机构社区和业务部门创建的多个AWS账户之间实现有效的使用,并减少管理内部基础设施的运营开销。
Dedicated Local Zones 将提供Amazon EC2、Amazon Virtual Private Cloud(Amazon VPC)、 Amazon Elastic Block Store(Amazon EBS)、Elastic Load Balancing(ELB)、Amazon Elastic Container Service (Amazon ECS)、 Amazon Elastic Kubernetes Service (Amazon EKS)和AWS Direct Connect等AWS服务。
AWS全球公共部门新加坡国家经理Elsie Tan表示,AWS为新加坡政府提供无缝、可扩展的云体验,以此为其一些最关键的工作负载提供安全、弹性的环境。
她补充表示:“作为世界上最全面、应用最广泛的云,AWS致力于帮助客户安全、快速地推动数字化转型,以此推动下一波云创新浪潮。”
新加坡政府首席数字技术官Chan Cheow Hoe表示,SNDGG已经与AWS合作定义并建立了Dedicated Local Zones,以满足严格的数据隔离和安全要求,使政府能够在云中安全地运行更敏感的工作负载。
他补充表示:“除了帮助新加坡政府满足其网络安全要求外,Dedicated Local Zones还让我们能够为各机构提供无缝的、一致的云体验。”
AWS Dedicated Local Zones的推出正值越来越多的公共部门机构和受监管行业的公司考虑采用主权云服务,这不仅是为了满足数据主权要求,也是为了在不确定和动荡的世界中降低风险并保持业务连续性。
Oracle是第一个抓住这一机遇的超级分销商,首先推出了Cloud at Customer服务,然后又推出了Dedicated Region Cloud at Customer,这是Oracle的一项托管服务,可以提供Oracle所有的服务,包括自主数据库和基于云的应用,月租金50万美元起。
不过,Dedicated Cloud Region at Customer的最低承诺费用为每年600万美元,企业可以使用Oracle Public Cloud上的任何服务。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。