谷歌在去年4月发布了Anthos,也就是重新命名的Cloud Services Platform。Anthos采用了Kubernetes技术,旨在承载可在现有本地硬件和公有云上未经修改地运行应用,从而让企业可以为每种应用选择最合适的基础设施。
Anthos应用部署在软件容器中,这些容器用于托管每个应用的组件,使这些组件更易于使用。对开发人员来说最大的好处在于,无论这些应用托管在什么基础设施上,开发人员只用一套工具就可以构建和部署应用,并根据需要推送更新。Kubernetes让管理容器化应用组成的大型集群变得更加轻松。
Google Cloud合作总监Rayn Veerubhotla和产品经理Manu Batra在博客中表示,存储是使用Anthos服务管理跨云部署的数据的一个关键考虑因素。
因此,谷歌为合作伙伴的存储解决方案提供了名为Anthos Ready Storage的认证计划。
Veerubhotla和Batra表示:“该计划认证了那些Anthos最高效地在本地运行所具备的一系列核心要求,帮助企业组织选择那些部署了Anthos的存储解决方案。”
这里说的要求包括能够演示Kubernetes的核心功能,例如通过开放和便携API动态配置存储卷,以及跨集群向上和向下扩展管理存储的能力。谷歌表示,经过认证的存储提供商还可以提供简化的部署体验。
Constellation Research分析师Holger Mueller表示,这一点将会受到Anthos用户的欢迎,因为即使是在云时代存储仍然是一项至关重要的能力,而且当你自己的数据中心也上云的时候,这一点就尤其重要。
Mueller说:“谷歌与值得信赖的供应商合作以提供Anthos存储,是很有意义的。这么做会把竞争对手变成竞合关系,因为传统的IT厂商现在可以与谷歌合作,以影响企业决策。总而言之,这是明智之举。”
Google Anthos的早期存储合作伙伴包括Dell EMC、HPE、NetApp、Portworx、Pure Storage和Robin Systems。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。