Google在基础架构上的支出很高,而且越来越高,2013年第四季度增长逾1倍至22.6亿美元。
Google周四公布了第四季度财报,营收增长17%至168.6亿美元,净利润为33.8亿美元。Google业绩大幅增长的基础之一是在基础架构上投入巨资——其中主要是服务器、网络设备和数据中心。
第四季度22.6亿美元的基础架构支出略低于第三季度的22.9亿美元,但比上年同期增长了逾1倍。相比之下,2013年第三季度通用汽车在基础架构方面的支出为19亿美元。
过去数十年,计算产业的主流商业模式是低投入、高产出,例如微软,软件只要开发成功,增加销售的边际成本几乎为零。目前,互联网创业公司可以利 用亚马逊的云计算服务,减小早期的基础架构支出。但在Google所处的产业,基础架构支出却越来越高。过去3年,Google在每个季度发布的财报中都 指出,“我们预计将继续增加资本支出。”
计算基础架构不仅是Google搜索算法,也是Google预测用户输入搜索关键字的基础。另外,Google+、实时广告竞拍、通过Google Play发布Android应用、Google Apps也都离不开计算基础架构的支持。
当然,Google还有其他支出,例如,支付维护基础架构、开发新一代服务、进行专利诉讼、提供后勤服务的4.8万名员工的薪酬。但毫无疑问的是,Google巨额利润的基础是大量的硬件。
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。