据外媒SiliconANGLE报道,甲骨文推出了融合公有云与私有云的NAS存储服务,试图以此来降低企业数据向云迁移的成本。这项服务名为“Cloud Converged Storage”,与其同时亮相的还有Oracle ZFS Storage Appliance。
据悉,Cloud Converged Storage无需对外部云网关响应,帮助客户节省了软件和云访问许可费,希望让企业“轻松、无缝地将数据或应用迁移上云”。私有云服务商会支付部分费用,以便客户通过其基础设施平台访问公有云。
甲骨文认为,这一服务使得客户无需担心本地到云的集成、管理安全、技能要求等问题,提供了公有云和NAS存储系统的完善解决方案。
借助ZFS Storage Appliance,甲骨文对没有本地高性能存储系统的公有云厂商发起了冲击,同时挑战了缺乏公有云集成的传统硬件厂商。可以说,甲骨文通过混合数据能力提升了业务价值,大幅简化了用户体验。
由此,客户可以将Cloud Converged Storage用于弹性存储、备份/恢复、开发、测试、归档存储、快照副本存储、DevOps等流程。此外,还能够调用ZFS Storage Appliance的本地数据。
据了解,甲骨文对Oracle ZFS Storage Appliance进行了多项升级,其中包括新版Intelligent Storage Protocol,涉及数据备份、闪存存储池等解决方案。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。