ZDNet至顶网服务器频道 01月23日 编译:甲骨文公司已经正式作出承诺,表示将成为世界范围内使用成本最低核心的数据中心设备供应商。
甲骨文执行主席Larry Ellison于近日宣布将对公司的工程系统——如今被更名为X5——已作出更新,并推出新策略向客户提供业界最低的产品采购价位。
Ellison给出的价格下调理由是,甲骨文已经逐渐意识到并不是每一家客户都希望购买其原有工程系统这类高性能的产品方案,因为此类产品虽然性能出色、但价格标签却也高得吓人。
甲骨文长久以来一直强调称其产品的性价比分析结果在业界始终处于领先水平,但Ellison指出,他“已经厌倦了这样的说法”,并开始意识到低成本、双插槽服务器已经在数据中心核心层面上开始占据统治地位。甲骨文希望进军这一市场,并计划在此击败思科与VCE等竞争对手。具体而言,甲骨文方面拿出的竞争优胜资本就是将价格压得更低。
那么甲骨文到底会给出怎样令人惊喜的低价位?
Ellison给出下面这份图表,旨在说明甲骨文对其融合型系统的全新定价方针,并表示其中同时囊括了甲骨文的现有产品价格以及竞争对手们的折后产品价格。
在Ellison看来,甲骨文公司完全能够将其技术堆栈的采购与运营成本压得更低,而企业客户将能够利用商用(但非高集成化)套件构建起属于自己的核心系统、且采用少量经过细致调整的专有方案与之搭配。
甲骨文公司曾经对商用类解决方案不屑一顾,但如今时代背景的变化使其放弃了这种坚持,Ellison表示新加入的应用模板等机制能够让应用程序在几分钟之内投付运行。这些方案同时也增强了甲骨文传统专有产品的稳定性水平。根据近日公布的结论,甲骨文旗下的新型Virtual Compute Appliance、Database Appliance、Exadata Database Machine以及Big Data Appliance等都将享受到这一增强效果,例如拥有更大的闪存容量、更快的CPU处理速度、更强的内部通信能力等等,这一切原本只能通过产品的更新换代实现。
Zero Data Loss Recovery Appliance更是得到了引人注目的更新效果,即使现有时间不足以对数据进行完整或者增量备份,其仍有基于数据库日志实现数据恢复的能力。除此之外,新的FS1全闪存SAN阵列据说也将把速度表现推向新高度。
Ellison的宣讲颇为低调,而且其间他手中的无线遥控还数次抽风、导致他无法顺利操作演示幻灯片。与此同时,他面前显示器上的内容难以看清,他只好选择背对观众、转身看着大屏幕来阅读产品相关信息。一系列麻烦缠身再加上公布的是低价格设备方案,一股凄凉之感贯穿了整次宣传活动。
通过近日的公告、甲骨文公司为自己设定了一项有趣的销售任务,因为多年以来甲骨文已经用实际行动告诉市场、专有设备才是推动业务发展的最佳途径。然而Ellison近日的态度无疑承认了市场根本不相信甲骨文的那套理论,只有思科UCS以及其它联盟厂商的融合型基础设施才是客户心中的理想选择。
甲骨文如今开始屈尊向市场需求倾斜、打造客户想要而非其自身想要出售的产品,不过仍坚称其集成化系统方案优于竞争对手。但光靠经验及原有成就似乎并不足以说明问题,因为这一次Ellison的演讲主题在于低成本,但是在这方面甲骨文显然没什么经验。因此,甲骨文选择的全新方案势必引发一系列争论。目前唯一明确的信息是,甲骨文公司仍在努力寻找其硬件业务的“甜蜜点”。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。