甲骨文与亚马逊云科技联合宣布推出Oracle Database@AWS。这款新产品允许客户直接在亚马逊云科技的基础设施之上访问Oracle Autonomous Database数据库以及Oracle Exadata Database Service相关服务。此外,企业客户还可以将甲骨文的数据库技术与亚马逊云科技的各类云服务无缝集成起来。
客户获益
新的Oracle Database@AWS服务允许客户在亚马逊云科技的专有基础设施之上运行甲骨文数据库,提供OCI与基础设施之间的无缝集成。这将为客户在甲骨文云基础设施和亚马逊云科技之间提供统一体验,大大降低数据库管理难度、简化计划模式并支持客户的联合访问。
新产品将甲骨文的先进数据库技术(包括Oracle Autonomous Database以及Oracle Exadata Database Service)优势同亚马逊云科技的灵活性、可扩展性以及强大的全球影响力成功结合起来。
这将为客户带来以下几项重要助益:
最重要的是,Oracle Database@AWS允许客户在针对该项技术进行优化的基础设施之上本地运行甲骨文数据库。例如,Oracle Exadata是甲骨文打造的工程平台,负责将专用存储及计算服务器同经过优化的软件相结合,为OLTP、数据仓库及其他关键任务工作负载提供极致的性能表现。
深度集成的解决方案使得甲骨文及亚马逊云科技完美契合,从而提供以往在通用云实例上运行甲骨文数据库软件所无法实现的性能水平。
分析师观点
甲骨文-亚马逊云科技之间的合作伙伴关系,属于整个行业向着多云应用迈进的广泛趋势的重要组成部分。现如今,几乎每家企业都会采用多家云服务商以平衡风险、确保遵从法规要求并优化业务性能。而与亚马逊云科技建立合作,将为企业在应对这些复杂难题时提供显著优势——甲骨文的数据库专业知识与亚马逊云科技庞大云基础设施的结合,无疑是一种两全其美的理想解决方案。
对于亚马逊云科技而言,此番合作代表着其企业工作负载支持战略层面的自然演进,同时也满足了企业客户对于多云解决方案日益增长的现实需求。亚马逊云科技历来专注于提供原生服务方案,而这有时会给依赖甲骨文等其他供应商技术的客户带来不便。此番合作表明,亚马逊云科技愿意通过在其生态系统之内原生提供甲骨文的领先数据库解决方案,借此优先满足客户的实际业务需求。
甲骨文与亚马逊云科技的合作关系,还只是这家数据库巨头多云战略的最新一步。今年早些时候,甲骨文已经宣布与Google Cloud建立合作伙伴关系,允许客户以无缝方式使用甲骨文与Google Cloud技术。今年晚些时候,Oracle Database@Google Cloud 的访问权限也将按计划面向客户正式开放。
同样的,甲骨文与微软近期也在持续扩大合作伙伴关系,允许Oracle Autonomous Database在其新的集成云服务Oracle Database@Azure之上向客户交付。
以上合作关系显然有助于缓解甲骨文当前面临的一大关键挑战:如何在众多企业客户已经依赖于其他云服务的前提下,说服客户转向甲骨文OCI基础设施。借助新的Oracle Database@AWS,甲骨文大大缓和了企业在不同云服务商之间做出选择时的决策压力,成功让甲骨文数据库产品对现有亚马逊云科技客户产生更强的吸引力。
此番Oracle Database@AWS公告,对于甲骨文和亚马逊云科技来说都是一项具有重大意义的战略举措。在甲骨文这边,此举增强了其数据库服务的可及性和采用率。而对于亚马逊云科技而言,其扩展了云巨头的产品组合,有望吸引到更多新的企业客户。再进一步立足整个云计算市场的视角,此次合作则代表着简化云管理和降低云运营复杂性的重要一步。
由甲骨文与亚马逊云科技联手打造的Oracle Database@AWS,无疑在日益多云的业务世界中为希望推动基础设施现代化的企业客户,提供了一套极具吸引力的方案选项。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。