ZD至顶网CIO与应用频道 12月01日 拉斯维加斯消息(文/王聪彬):今天Keynote首日可以用iPhone的隔代升级来形容,去年AWS带来了众多的新品,今年Keynote首日只有AI等几个新产品的发布,更多的重点是把原有功能的再升级,从掌握命运到赋能。
客户需求让产品加速升级
AWS创新的步伐一直在加速,今年将近有1000项创新。AWS CEO Andy Jassy说,实际上很多人都问AWS为什么每天都有创新,某些产品有一些自主权,他们有自己的产品路线图。
AWS CEO Andy Jassy
Krynote首日发布了AWS九个实例的7个升级,九个实例包括EC2 T2、M4、D2、R3、X1,I2、C4、G2、P2,同时还新增了虚拟机服务器VPS服务Lightsail和FPGAs硬件加速的F1。
在计算之后数据分析紧随其后,Amazon Athena交互式查询服务,便于在Amazon S3中分析数据使用标准的SQL。
Amazon Redshift、Amazon EMR和Amazon Athena可以是一个很好的组合,Amazon Redshift可以在大规模结构化数据集合上执行复杂的查询和获得超高速的性能。针对非结构化数据,Amazon EMR 提供的托管 Hadoop 框架可以快速轻松、经济高效地在多个动态可扩展的 Amazon EC2 实例之间处理大量数据。Amazon Athena能够非常快速地对存储在Amazon S3中的数据运行查询,而无需启动、配置和管理Hadoop集群或数据仓库。
继IoT今年AI也登陆AWS:
1、Amazon Rekognition深度学习图像分析服务,通过API连接相机就可以识别图像内容,以及脸部识别;
2、Amazon Polly可以将文本转换为语音,采用了深度学习技术。一旦提交了文本流,Polly就会输出mp3音频流。目前支持24种语言,47种声音的转换;
3、Amazon LEX提供由深度学习实现的理解自然语言和自动语音识别,通过使用语音、文本将对话式界面构建到任何应用程序中;
变形能力 Vmware与AWS结合
变形能力指的主要是云形态间的融合,混合云这个一直被AWS称作过度阶段的形式,现在又有了新的策略。
俗话说鱼与熊掌不能兼得,很多客户之前都面临两扇门的选择Vmware和AWS,因为企业并不想购买额外的硬件,很多客户陷入了私有云和公有云的两难。今年10月两家宣布了新的战略合作伙伴关系,Vmware Cloud On AWS可以支持客户在VMware vSphere 私有云、公有云以及混合云环境下运行各种应用。
VMware的CEO帕特·基辛格(Pat Gelsinger)在现场开玩笑说我先确定下今天是否来对了场合。为什么选择AWS原因也很直接,因为我们的客户要求我们做这样的事,成千上万的客户也在使用AWS,两者的无缝整合也实现了VMware的价值创新。
VMware CEO帕特·基辛格(Pat Gelsinger)左
大卡车是个跨时代的产品
Snowball这款硬件产品在发布前在AWS内部有很多争论,Andy说,今年Snowball的订单量增加了10倍,这也用事实证明当时选择的正确。
Snowball虽然解决了企业对大量数据安全快速的迁移,但是很多客户提出了新的问题。每次Snowball要送到AWS后企业才能够放心的删除这些本地数据,而且一个50TB的Snowball并不能满足一些企业的数据迁移量级。
所以最新发布的Snowball Edge有了更大的容量100TB,自动跨设备分享,而且数据可以直接同步到S3上免去等待Snowball送达的过程,最后还增加了计算功能。
Snowball Edge
如果企业觉得还不够,那么请使用下面这辆卡车,AWS Snowmobile可以存储Exabytes级别数据,总容量达到100PB。之前10G专属光线传输预计26年才能完成的数据迁移,现在6个月就可以完成。目前一些客户已经开始使用Snowmobile,目前还是主要做数据的迁移。
Snowmobile
“大卡车是个跨时代的产品。”一位AWS中国客户认为这种Exabytes级别数据传输从线上光缆到线下大卡车,反而效率获得极大提升,把不可能的数据传输任务变成可能。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。