今天上午在AWS re:Invent 2014大会上,我听了亚马逊CTO Werner Vogels在1个半小时的演讲中穿叉着AWS的7、8个美国企业级用户的演讲,我边听边对中国用户有10个不明白:
[video]uu=dfa091e731&vu=2446fe51ec&auto_play=0&width=600&height=450[/video]
1、为什么美国企业级用户这么推宠AWS,中国绝大部分企业级用户不接受公有云?
2、美国软件开发商说是他们的生产型、销售型用户要求开发商帮助自己的信息管理方式、数据资源从私有云向公有云转移,中国用户为什么不?
3、一个美国用户1年在AWS平台上执行6500万笔文案、上传70亿小时的视频,难道中国绝大多数的企业级用户的数据更多吗?
5、一位澳大利亚用户原在私有云上要用10天的时间完成的任务,用了AWS只需要4小时完成,难道中国用户比澳大利亚用户更有时间吗?
6、美国用户用Lambda不需关心配置、只需填写参数就可实现云服务,难道中国用户更需要关心自已应用以外的配置吗?
我在AWS re:Invent 2014现场
7、美国一个叫GILT的用户用EC2 Comtainer将7个应用创新、扩展到了300项微应用,难道中国用户希望自已的创新应用少吗?
8、美国一个天气数据的用户用了AWS云服务完成了私有云不可能完成的1.7亿次/每天下载任务,中国气象数据量比美国多得多吗?
9、谷歌眼镜能用AWS完成自己的创新,难道中国IT厂商有比谷歌眼镜更高级的产品、云不能满足创新吗?
10、AWS re:Invent 2014的PPT为什么闪的那么快?我产品名字都没来得及看清,就没了。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。