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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。