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
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。