CNET科技资讯网 3月18日 国际报道:近日有传闻称,苹果公司正将其一部分云业务从亚马逊云服务(AWS)转向谷歌的云平台。各处询问后我们发现,苹果似乎的确做出过一些举措来拓展其iCloud存储、在一些业务上使用谷歌的服务。
可以说,这对谷歌而言是另一巨大的胜利,至少对AWS而言是一大损失,后者已见证着Dropbox搬走了其大部分美国内部存储业务,而且Spotify至少也将它的部分业务搬到了谷歌。
如果留心的话我们可以发现,对谷歌、尤其是该公司的新任云业务负责人戴安妮·格林(Diane Greene)来说,过去这一个月个其业务还不错。Spotify和苹果之类的高调客户肯定会使得它对其他企业客户更具吸引力。虽然谷歌的云平台可能有谷歌的数据中心技术力量为其提供支持,但这还未能帮助该公司与亚马逊AWS和微软Azure平台相竞争。AWS的优点在于它出现的很早,而Azure得益于微软的现有销售渠道并专注于混合云技术。不过,尽管Azure有着微软作其背后的支持力量,Azure在云业务领域依旧位居第二。
不过,目前尚不清楚苹果是否已明确决定转移其云平台。相关各方(包括AWS、苹果以及谷歌)均未就此予以置评。
亚马逊如今已为我们提供了以下声明,似乎暗示着该公司认为是谷歌泄露的这一信息,而苹果仍然是一家AWS客户:“我们对此感到有些困惑,毕竟供应商与企业进行交易时均理解和尊重客户保密协议(NDAs),并不会就不存在的‘倒戈’竞争进行暗示。”
然而,据一位匿名业内人士向TechCrunch表示,苹果肯定正在探讨选择哪家公共云供应商,并将目光转向了微软Azure和谷歌,但它还未做出决策。值得注意的是,苹果已经开始在其iCloud服务和媒体服务中使用Azure(和AWS) 。
至于苹果是否会继续从AWS平台剥离并转向其他平台,谁也说不准。但目前看来,这是一个扩大云供应商投资组合使其多元化的问题。
另一个问题在于,苹果目前正在扩大它在俄勒冈州普赖恩维尔的数据中心,而且预计也将在美国和欧洲均大力投资构建新的数据中心。如果苹果将从AWS平台转向谷歌的情况属实,那么谷歌进驻普莱恩维尔似乎将有些说不通。为什么不干脆等到数据中心建设完成后再说呢?
然而,如果苹果确实只是单纯地想扩大其基础设施,那么新增谷歌服务(再加上Azure、AWS及其自家的数据中心)将会是一项非常合乎逻辑的举措。当然,苹果也有可能只是在考虑谷歌云中的一些特定服务,而谷歌的BigQuery数据分析平台的可能性最大。
我们可以确定的是,在最近的财报电话会议上Akamai提到,该公司旗下两个最大的客户正在进行多元化。Akamai的首席执行官汤姆·雷顿(Tom Leighton)表示:“在过去的几年里,我们最大的两个客户占据了Akamai总体收入的13%。展望2016年,我们预计它们仍将是我们最大的媒体客户,而且将继续为我们提供6%左右的营业总收入。剩下7%的变化是他们增强DIY努力的结果,而这也是我们对未来几个季度的收入同比增长率预期较低的主要原因。”
众所周知Akamai最大的客户是苹果公司,因此,这意味着苹果还打算尽快将其内容分发网络(content delivery network,CDN)的一些内部业务移走。
下周,谷歌将在旧金山举办大型云计算活动Google Next。如果该公司打算公开谈一谈它的新客户(而且这绝对是一个重要的“如果”),那么它很有可能将为苹果的云端服务提供基础设施。
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。