Gartner的分析师Donna Scott说,云计算已经进入市场了10多年了,但是人们对此仍有一些不明就里的地方。她在最近的CIO网络研讨会上试图消除这种认知混乱。关于关公共和私有云,人们普遍存在两个疑问。
什么类型的数据往往用于公共云和私有云?
有几种类型的数据是大多数公司不想放在公共云里的,Scott说。一个是知识产权。原因很简单:他们不想共享这些数据,其他关键的IT运营设施也是如此。 “你不想共享网络,你不想共享存储空间,你不想共享计算,”Scott说。
企业通常将这些数据类型以及个人可识别或受监管的信息放在私有云中——无论是在内部还是在托管设施中,他们租用空间但拥有硬件。 Scott说,一些公共云提供私有云的能力,所以有较少的共享,“但你必须仔细分辨清楚,决定你想分享什么,你不想分享什么,并作出评估。”
企业应如何计算公有云和私有云的总体拥有成本?
“你需要衡量内部以及云端提供服务的成本,”Scott说。 这样,企业可以对比两者并做出决定。 以电子邮件为例。如果公司有一个内部电子邮件应用程序,可以确定每个用户的成本——设备成本、许可成本、维护和保持电子邮件运行24/7的成本。
“基本上,你把所有的成本加起来,除以使用的员工人数,就是每个用户的成本,”她说。 做这种类型的计算和分析时,IT部门应该让他们的财务部门参与进来。因为他们大多数不能很好地处理提供IT服务的成本,Scott说。
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。