
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。