几乎在两年前的同一时间,也是四月份,CNET记者曾经受邀参观位于硅谷的甲骨文总部,而这次是第二次。时隔两年,甲骨文对中国的策略有哪些推行重点,这些策略贯彻和实施的怎么样?其间这些策略有没有改变?这是我们最感兴趣的问题。
在刚刚公布不久的第三季度财报中,甲骨文实现收入93.07亿美元、同比增长4%,利润25.65亿美元、同比增长2%的成绩,其中云计算和集成系统是推动增长的双引擎。云软件订购收入增长25%,其中云应用软件增长60%,季度收入已接近3亿美元。硬件产品收入增长8%,这也是甲骨文收购Sun以来首次实现增长,而集成系统收入则增长了30%。
在云计算和集成系统的增长中,中国市场做出的贡献大吗?甲骨文在中国推行云计算和集成系统的脚步够快吗?这是我此行中特别想弄清楚的问题。
因为在我看来,面对无论老对手IBM、微软还是新对手亚马逊纷纷将公有云落地在中国,并且在中国云计算市场大展拳脚,甲骨文似乎不着急;而颠覆传统硬件采购模式的软硬件集成的一体机,中国客户接受程度如何呢,恐怕也不那么顺利吧。
两年前的甲骨文总部之行,让记者满满感受到的是甲骨文浑身散发的傲气,它藐视对手,它特别崇拜自己的技术,这个有着浓浓的工程师文化的公司,或许不那么会左右逢源,它推崇的,还是硬碰硬的拿实力说话。
但是两年的时间,IT产业被新兴技术推着跑步前进,跑在前边的更多是互联网公司,他们轻装上阵,跑得轻松也快;而传统的IT企业,多年积累,要带着的东西多,跑步速度肯定受影响。
这一现实,甲骨文同样面对,它该怎么加速?
本次总部之行,CNET将会采访甲骨文公司总裁马克·赫德以及几乎所有产品线的副总裁,详情请关注CNET的详细报道。
好文章,需要你的鼓励
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。
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。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。