AWS全球公共部门副总裁Max Peterson最近发布了一篇关于AWS最新Digital Sovereignty Pledge的博客,概述了保护全球网络数据安全并确保关键应用不受外部压力影响的一种综合方法。
随着组织不断发展数字基础设施并更加依赖它,对数字弹性和主权的需求也随之增加。有些人可能,认为弹性和主权是两个独立的问题,但两者有着内在的联系。前者的概念是,组织需要对其数字资产、数据和所使用的技术进行控制和自治,而不受任何外部各方的影响;后者是指组织预测、承受数字基础设施遭受的不利条件、压力或攻击并从中恢复的能力。
这两项举措通过以下方式相互关联:
数据主权和运营弹性已经成为当今数字时代的一项关键组织举措。AWS的博客重点介绍了为客户配备必要工具来应对现有挑战的步骤。企业和政府面临着自然灾害、网络中断和地缘政治紧张局势带来的巨大压力,需要维持持续运营并保护敏感数据。
Digital Sovereignty Pledge旨在让客户能够控制他们自己的数据,同时满足全球监管要求,承诺中包括了一套针对数据驻留、访问管理、加密,尤其是弹性的控制措施。Peterson认为,弹性至关重要,因为弹性让组织能够在不可预见的干扰中维持运营。
AWS在弹性方面拥有良好的生育,其全球基础设施中包括了分布在33个区域的105个可用区域,这种设计有意将相关故障的风险降到最低,并确保服务可以不间断地继续。每个可用区都配备了独立于其他区域的冗余系统,以防止大范围的服务中断。客户可以通过将应用分布在同一AWS区域内的不同可用区来提高可靠性,最大限度上减少停机时间。
Peterson表示:“AWS是唯一一家在每个区域都提供三个或更多可用区的云提供商,提供更多冗余和更好的隔离来控制问题,发电机和冷却设备等常见故障点不会在可用区之间共享,而是由独立的变电站供电。”
AWS的方法超出了基础设施的范围。AWS在服务设计层面注入了弹性,确保即使在出现依赖项故障的情况下,Amazon Elastic Compute Cloud、Amazon Simple Storage Service和虚拟私有云等系统也能像物理云一样可靠地运行,这种“静态稳定性”理念意味着AWS的服务旨在抵御故障的影响,无需立即干预或重新配置。
Peterson分享了AWS客户是如何利用云的弹性和主权功能来确保连续性和数据保护的例子。Information Services Group将应用分布到多个可用区,从而提供区域之间的安全数据传输,这在地缘政治紧张局势期间至关重要。另一家客户是教育机构Pearson,依靠AWS Resilience Hub(一个用于建立弹性目标的平台)来增强应用的耐用性。
现在,数字弹性几乎成为每个IT领导者的首要考虑因素,数据在哪里、企业可以控制数据、数据始终可用都是非常重要的。
AWS还通过AWS Local Zones、AWS Dedicated Local Zones和AWS Outposts等解决方案来满足本地和远程用例客户的需求,这些方案旨在满足那些受严格监管行业的严格要求。例如,纳斯达克使用AWS Outposts改进其操作系统,有助于响应资本市场的需求。
AWS还提供了各种弹性服务来帮助客户从中断中快速恢复,其中包括AWS Backup、AWS Elastic Disaster Recovery和Amazon Route53 Application Recovery Controller。领先的媒体公司汤森路透就通过使用AWS DRS的连续复制功能增强了他们的数据保护和应用恢复流程。
最后,AWS与合作伙伴和专业服务团队展开合作,帮助客户实现弹性目标。AWS Resilience Competency Partners指的是那些可改善云工作负载可用性和弹性的专家。AWS Professional Services对变更管理、灾难恢复、耐用性、可观察性、运营、冗余、可扩展性和测试这八个基本领域进行评估,找出企业需要改进的方面。
Peterson总结说:“我们仍然致力于增强我们的主权和弹性选择范围,使客户能够在中断或断网的情况下维持运营。AWS将继续根据客户需求进行创新,帮助您在云中构建和运行弹性应用,以跟上这个不断变化的世界。”
更宏观的战略就是在这个技术将在工作、生活和学习的各个方面发挥着至关重要作用的世界中确保数字基础设施的安全性、运行能力和独立性,而数字主权和弹性是这个战略中相互关联的两个要素。AWS的承诺就是,将复杂且令人困惑的事情变得易于管理。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。