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
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
时尚零售巨头维多利亚的秘密因安全事件导致网站和线上订单服务中断,已立即启动应急响应、邀请第三方专家协助恢复运营,实体店仍正常营业。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。