ZD至顶网服务器频道 04月14日 编译: Rackspace将旗下的云带到阁下的面前:Rackspace日前宣布推出新的产品,将会把OpenStack打包,使其可以在它自己的数据中心、或第三方数字谷仓或用户的内部系统里运行。
内部部署云的风头一时无两:微软的Azurestack推出预览版,并赢得来自诸如惠普的巨头的支持;思科推出新的HyperFlex,并承诺会含云体验;VMware 走VxRail融合设备路线,原因是VMware觉得VxRail比软件定义的EVO:RAIL更佳。当然,还有Nutanix和SimpliVity,他们旗下的云产品拥有超级融合设备,他们都为自己旗下的云产品的可用性和可扩展性而自豪。
Rackspace新推出的产品更是往前走了一步,如果用户愿意的话,Rackspace就会很高兴地为用户在任何地方安装和管理一个OpenStack包,按他们的话说是“从地板到服务栈任何地方都可以”。
Rackspace现在是个服务型公司了:它之所以销售此款内部部署产品也是要将用户的计算预算转往“经营费用”栏目。
Rackspace的新服务号称提供和Rackspace自己的云供相同的体验,如果用户选择在内部系统上使用,就不会有延迟并可以节省电信费用。
Rackspace的云成熟度模型
Rackspace还指出,如果用户同时使用一篮子支持服务,就可以无需费心运行和维护OpenStack。从这一点来看,该项目可以加分,Rackspace的Mitaka版在这一点上曾做过努力。假如Rackspace真的可以实现所谓的“给我所想要的虚拟机”体验并能够做到规模上可以扩展和实现简单的存储机制,那它可能真的挖到宝贝了,尤其是相对于那些愿意花钱外包扩展IT功能的部门来说是这样。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。