
当甲骨文软硬件集成系统从推出之初的面对质疑,到一步一步以业绩证明其优势从而得到认可时,甲骨文究竟是如何让软件和硬件系统通过调优、集成,发挥1+ 1》2的性能魔力的?在本次甲骨文总部之行中,我们采访了甲骨文公司系统事业部执行副总裁John Fowler,从性能、研发、产品路线图、团队合作等方面,他详解了甲骨文软硬件产品是如何“水乳交融”的。
甲骨文公司系统事业部执行副总裁John Fowler
这一切建立的根本,是甲骨文公司各个业务线都在强调的“同类最佳”的目标,其核心就是“永远争第一”,力求每个产品都做到同类最好。在同类最佳的基础之上,甲骨文再把每一类已经是市场最好的软件和硬件集成在一起,这也就奠定了1+1》2的基础。大家还记得甲骨文那张著名的七层堆栈的图吗?从存储设备、服务器、虚拟化设备到操作系统、数据库、中间件、应用软件,甲骨文拥有业界最全的产品线,并且在每一层都有最优秀的产品。
七层堆栈图,从底层开始分别包括:存储设备、服务器、虚拟化设备到操作系统、数据库、中间件、应用软件。
在采访中John Fowler透露,其实在当年甲骨文收购SUN之前,拉里·埃里森(甲骨文创始人及CEO)已经开发出了第一代的Exadata软硬件集成系统,当时是通过与惠普的合作来开发的。拉里在与惠普合作中受到的最大启发,就是这种软硬件集成的一体化产品是真正划时代的,但是与此同时他也认识到,甲骨文只有自己完全拥有硬件工程师团队之后,才能够按照自己的想法去实施集成系统的战略。
据John Fowler介绍,在甲骨文软硬件集成系统推出的背后,是需要甲骨文软件团队和硬件团队之间进行大量合作的。一开始把两个团队工程师放在一起的时候,甚至都没有共同语言,因为平时使用的词汇都完全不一样。但是随着两个团队合作的深入,他们会产生很多好的想法,甲骨文会通过实际产品研发的模拟来证明这些想法。整个过程就是一个把大家的讨论逐步转变成可模拟的实际测验的一个过程,绝对不是工程师之间的辩论或者吵架。
这种软件和硬件部门的合作也在集成系统之外开展,内存数据库技术其实就是一个很好的案例。众所周知内存数据库技术是甲骨文提供给所有数据库12c用户的一个增强选件,可以让用户以内存的方式来读取数据库里面的数据,而不需要通过原先的硬盘来读取数据,这种方式使得用户的数据处理分析速度大幅度提高。在这个过程当中,甲骨文的硬件团队就充分考虑了未来内存数据库的功能特点,在硬件开发的过程当中支持内存数据库技术,在整个芯片的设计、处理器的设计方面充分考虑内存数据库的功能和特点,充分考虑未来软件的发展趋势。
在研发上,甲骨文斯毫不吝啬,每年用于研发的投入达到50亿美金,而对于硬件产品的研发重点,John Fowler强调大量的研发都是基于自有核心技术的产品或者是高附加值的产品。比如正在测试的微处理器芯片,就会把数据库加速的一些功能内嵌到芯片当中。从这进程来看,其实光有研发投入也不够,必须要同时拥有软件和硬件的自主知识产权才行。
对于甲骨文来说,过去的传统业务重点在于为客户提供企业内部使用的相关软件、硬件或者集成系统,而现在,甲骨文的战略之一就是慢慢通过云的方式向顾客提供相应的软硬件集成服务。
在这其中,SDN(软件定义网络)对于甲骨文的云战略来说是非常重要的一环,因为它能够帮助甲骨文灵活处理虚拟机上面的应用软件运行和整个网络能力的配置,未来甲骨文会在所有系列产品中都嵌入SDN的功能,把它当成是甲骨文平台的一个有机组成部分。另外,甲骨文还会将SDN技术与其存储产品结合在一起,实现端到端的处理。另外甲骨文也把SDN功能植入到Solaris操作系统当中,新一版的Solaris里SDN功能会得到大幅度增强。
其实对于连续两个季度获得业绩增长的甲骨文硬件业务,外界环境并不好,全球硬件市场就处在缓慢下滑的态势当中,不过John Fowler依旧预测接下来的这一季度,甲骨文的硬件业务仍然将继续保持10%以内的增长。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。