作者:MIKE WHEATLEY
更新时间:美国东部时间2020年10月21日00:01
戴尔技术公司(Dell Technologies Inc.)推出了Project APEX,该产品意在扩展和统一其“即服务”产品,使客户和合作伙伴可以更轻松地根据需要使用其超融合基础架构产品、个人计算机、网络、服务器和存储产品。
周二晚间发布的Project APEX将戴尔现有的Dell Technologies On Demand和Dell Technologies Cloud产品统一起来。戴尔的想法是针对本地、云端和边缘工作负载,为客户提供更为一致的“即服务”体验。
在周三上午的虚拟戴尔技术世界大会(Dell Technologies World event)上,戴尔创始人兼首席执行官迈克尔.戴尔(Michael Dell)在发表主题演讲时表示:“现在,我们致力于将我们所有产品和服务作为服务来交付。”他表示:“我们正在全力以赴为你构建下一代的数据架构。”
在随后的新闻发布会上,戴尔补充表示,其想法是将该公司在客户使用的所有云中提供产品和产品即服务的各种努力集中在一起。他表示:“Apex确实激励了所有这些努力。”
戴尔副董事长兼首席运营官Jeff Clarke在通报中补充表示:“Apex是所有‘即服务’型活动的总和。想象一下‘快捷键’。”
Clarke表示,第一个Apex解决方案,即存储即服务,将于第一季度推出,以后还会推出更多服务。
APEX项目的核心是Dell Tech Cloud Console,它的美国版预览版已经面市,客户可以通过该版本的单一界面管理他们使用的所有随需应变式的戴尔服务和工作负载。戴尔表示,通过它,客户可以浏览戴尔市场(Dell Marketplace)并从各种云服务和“即服务”硬件产品中进行选择,以满足他们的需求。你只要单击几下鼠标,就可以通过该控制界面部署各种不同的云工作负载,管理多云资源并且实时监控成本。
戴尔推出了新的存储即服务本地部署产品组合,以增加其随需应变产品,该产品组合包括了针对块和文件数据服务的可扩展和弹性存储资源,这些资源可以通过云控制台进行管理。戴尔表示,这些产品将于明年全面上市。
此外,该公司还发布了新的戴尔技术云平台(Dell Technologies Cloud Platform),即基于实例的预配置产品,订阅价格起价为每个实例每月47美元。此外,还有一项名为PowerProtect for Multi Cloud的新型托管安全产品,可通过特殊的低延迟连接帮助跨公共云平台保护数据和应用程序。尤其重要的是,该公司为其随需应变服务公布了一套新的“按需伸缩”(Flex on Demand)或按照使用量付费的定价方案。
戴尔似乎认为,市场将会对其“即服务”类的产品有更多的需求,而一些分析师们似乎也赞同他的这一看法。国际数据公司(International Data Corp.)的Rick Villars表示,到明年年底,“即服务”使用模式的敏捷性和适应性将推动随需应变IT基础架构的需求增长三倍。
SiliconANGLE姐妹市场研究公司Wikibon的首席分析师Dave Vellante表示,“即服务”式的消费模式显然是一种已经形成了的新趋势,而且他认为这种趋势在未来几年内还会继续发展。他表示,戴尔公司和其他传统基础架构公司(例如慧与等)正在通过在交易中施加某些限制(例如最低使用量条款等)的方式来复制软件即服务公司的做法。
Vellante表示:“但是随着时间的流逝,我认为它将演变为更多的消费定价,例如真正的云计算/按照使用量付费的模式。”他表示,“我预测,基础架构公司将收集越来越多的数据,并随之变得越来越好。他们将获得更多的信心,并将开始更加倾向于基于用量的模式。”
戴尔还大打环境牌,以吸引企业使用其随需应变型的产品,该公司承诺回收并翻新二手的信息技术设备,以支持客户的可持续发展目标。其中包括100%二次销售从随需应变基础架构项目中退还的租赁设备。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。