私有云的概念在于由企业内部IT部门购买服务器、存储与网络产品,从而构建自有云体系。然而事实证明,这并不是一项高效的解决方案。
最近五年来,私有云一直专注于构建自己的IaaS方案。然而三大云服务供应商的核心重点早已超越核心计算服务,开始向其它新兴领域拓展。虽然规模不及AWS与Azure,但谷歌提供一套非常有趣的机器学习服务组合。合理的价格与易于使用的框架令其获得巨大吸引力,而AlphaGo战胜冠军围棋选手也再次证明了谷歌在这场AI驱动革命中占据着领导地位。
而微软则凭借区块链充分运用自身中间件、加密与编程语言的力量,这使其拥有吸引金融服务及政府机构的可观潜力。
与此同时,AWS则正大踏步迈入智能家居与办公环境,具体方案为搭载AI方案Alexa的Echo产品。用户能够利用Alexa提供的API将Echo与自己的特斯拉汽车对接,甚至能够让后者自动驶出车库。
下面探讨私有云将逐步走向消亡的三项核心因素:
1. 创新:云供应商拥有极为可观的人才及技术积累,亦具备雄厚的资本不断构建新型功能——这些是私有云供应商永远无法实现的竞争优势。
2. 规模化:机器学习需要利用大量数据进行训练,而公有云庞大的用户基础能够有效解决数据集需求。同样的,如此规模的服务器集群远远超出了任何单一企业的实现能力。
3. 网络效应:通过对不同输入数据及客户使用活动的支持,云服务供应商能够极大丰富自身产品。这种网络效应远远超出了单一企业的实现能力。私有云的核心诉求在于解决底层硬件需求以解决业务问题,这意味着其需要将大量精力投入至基础堆栈调试当中,导致对具体服务的关注能力有所缺失。
企业IT部门寄希望于利用云服务供应商的“堆栈基础”解决业务问题,而私有云IaaS集群则根本不可能实现同样的功能。
毫无疑问,如今的数据中心发展已经达到峰值,惟一的问题是其将以怎样的方式走向衰退。因此立足于未来五到十年,身披私有云概念的自有基础设施恐怕只能是一场看起来很美的镜花水月。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。