至顶网CIO与应用频道 11月29日 拉斯维加斯消息(文/王聪彬):AWS一直持续保持以开发构建客户体验为核心的高速创新,90%的技术产品路线图都是根据客户需求而来,剩余10%则是交付客户所需要的,根据与客户的沟通来创造。
在2018 AWS re:Invent上AWS CEO Andy Jassy首度谈及了AWS的本地化部署。在与亚马逊AWS云计算首席企业战略顾问张侠的交流中,他更愿意称其为混合模式,而非混合云。因为AWS一直是公有云的坚定拥护者,混合云只是其中一个阶段。
AWS CEO Andy Jassy
但用户正不断向AWS提出,以相同的方式在本地和云中工作的需求,这就有了AWS Outposts。
AWS Outposts是将AWS的基础架构和运营模型本地化,在企业内部部署和AWS中使用相同的API、工具、硬件,以及功能,实现真正一致的混合体验。 Andy Jassy表示,一些客户的应用无法上云,他们希望拥有与云一致的服务与体验。
AWS Outposts的两种选项:
第一、VMware Cloud on AWS Outposts:相当于是VMware Cloud on AWS的本地部署,在本地搭建的AWS环境中运行VMware。这就比较适合有数据可控需求,又希望有更好伸缩性和新技术,以及想要上公有云的企业。
第二、AWS Outposts:在本地交付AWS软硬件一体的解决方案,可配置的计算、存储机架甚至维保,客户可以使用用于在AWS云中运行的相同的控制台和API。
实际在几个月前宣布的Amazon RDS on VMware,混合架构的策略就已经初露端倪。企业可以在基于VMware的软件定义数据中心和混合环境中轻松地安装、运行和扩展数据库,并将它们迁移到AWS或AWS上的VMware云。
“AWS Outposts的目标并不是希望客户在本地复制VMware Cloud on AWS。”VMware CEO Pat Gelsinger说,我们看到一些企业希望用不同的方式使用VMware,VMware将减少两中选项之间的差异,客户则可以选择更适合需求的选项。
AWS CEO Andy Jassy(左)与VMware CEO Pat Gelsinger(右)
在Forrester首席分析师戴鲲看来,AWS Outposts是AWS在混合云管理领域的重要举措,在私有云领域距离客户的异构需求还有一定距离。VMware Cloud on AWS本地部署在金融和医疗行业会有较强吸引力,对于其他领域以及中国市场,考虑到落地速度,目前影响有限。
AWS Outposts支持用户选择版本、服务,已做个性化的配置,具体设备的规格等细节会在2019年发布,参照Azure Stack的模式也基本会是即付即用定价。针对定制化硬件上,Andy Jassy表示,同VMware一样,我们也不排除与生态合作伙伴合作的可能。
“推出与公有云具备一致架构和体验的私有云解决方案是2017年下旬开始的重要公有云市场趋势。”戴鲲认为,AWS Outposts将进一步推动全球乃至中国的公有云厂商加快完善私有云方案和混合云管理支持能力,同时加快现有私有云与混合云管理厂商的市场融合与生态演进。
AWS Outposts的具体落地也需要投入大量的人力,Andy Jassy提到,AWS在全球有大量数据中心管理经验的人才储备。
除了今年重磅的AWS Outposts,AWS 还提出了对于区块链的思考。针对用户对于区块链的两种主要场景进行发布,一种是对总账担忧,需要不可篡改和可扩展性;一种是希望实现非集权制,实现分布式信任。
对应的产品和服务就是Amazon Quantum Ledger Database(QLDB)和Amazon Managed Blockchain。QLDB是全托管的中心权威机构拥有的分布式记账数据库,提供透明、不可更改、加密的交易认证。Amazon Managed Blockchain是全托管的支持超级账本平台Hyperledger Fabric和以太坊Ethereum架构的区块链服务。
首次发布的区块链产品和服务都是基于数据库场景。AWS BigData、Datalakes、Blockchain总经理Rahul Pathak表示,数据库技术本身是无法做到可篡改,QLDB是用区块链去维护一个数据库,Amazon Managed Blockchain则是QLDB的一个延伸。未来区块链还会延伸到大数据分析,例如进行链下的查询和分析。
目前已经有多家金融服务公司在尝试验证机构间的金融交易,但又不希望有一个集中化的交易记录系统,每一个金融机构都要保持自己的单独的记录,所以AWS正基于超级总账Hyperledger的框架进行开发。
另外AWS re:Invent还有多种发布,RoboMaker引领云端机器人开发,Amazon Control Tower、AWS Security Hub、AWS Lake Formation简化开发和运维过程,AWS Timestream推动物联网应用和变革传统厂商格局;SageMaker Ground Truth、SageMaker RL、AWS Inferentia驱动在数据准备、增强学习和推理自动化方面的技术演进;Amazon Comprehend Medical、Amazon Personalize、Amazon Forecast延伸了人工智能垂直与水平领域的应用。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。