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
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。