IBM今天宣布在北美、欧洲和亚太地区发布IBM Enterprise Cloud的18个新“可用区域”,以抢夺更多的企业混合云市场份额。
可用区域指的是现有数据中心内的独立区域,有独立的电源、冷却和网络,以及内置冗余性和一套应用开发工具和操作平台,让客户可以在私有云环境中构建和操作软件。这其中包括位于美国南部、华盛顿特区、日本、法兰克福和伦敦的新数据中心。
这些区域旨在为企业提供高速连接,并且可以在特定区域隔离工作负载,这一要求在欧洲通用数据保护条例生效时就变得更为重要。这些区域运行在现有60个IBM Cloud数据中心中的一部分上,提供基本的基础设施即服务。
IBM全球云平台产品管理副总裁Aki Duvvur表示:“可以把这视为一种可用性架构。可用区域提供了更高的贷款,低于2毫秒的连接,从基础设施到人工智能的所有功能。”他说,每个区域的总带宽将超过1太比特。
所有提供的这170个服务中,包括容器支持、功能即服务、IBM Cloud(以前的Bluemix)平台即服务、诸如MongoDB、Redis和IBM Db2数据库管理系统这样的数据库引擎。企业可以联合多个可用区域,将其视为一个具有备份和故障切换功能的大型数据中心。
Duvvur说:“这个想法让你连接到这个区域的时候不存在单一故障点。如果你想利用具有低延迟的所有端到端云服务堆栈,那么可用区域是最好的选择。”
在公布这一消息的同时,IBM表示目前有三家大型企业正在将核心工作负载迁移到IBM云中。埃克森美孚公司已经采用IBM作为其Speedpass +移动应用的基础,这些移动应用在全美11000个加油站使用。博士伦公司将在达拉斯和法兰克福的IBM数据中心以及澳大利亚的Westpac运营其Stellaris Elite白内障手术系统。此外澳大利亚西太平洋已经迁移到一个安全的专用IBM Cloud基础设施。而能够签下博士伦和西太平洋银行的部分推动因素是他们要遵守各种严格的新隐私法。
IBM在2017年度云收入为177亿美元,包含公有云、私有云和混合云销售以及软件即服务产品组合。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。