同时,Akamai全球迎来25周年庆,公司一直以强大的技术传承满足日益增长的客户需求
2023年 9月 19日 – 负责支持和保护网络生活的云服务提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM),近日庆祝在亚太地区及日本(APJ)经营20周年。随着客户的云计算和安全需求持续增长,Akamai对未来充满信心。
Akamai旨在让全球数十亿人在每一天都能时刻享受更加美好的生活,并且已在全球经营了25年。凭借在内容分发和安全领域的深厚积累,Akamai于今年通过云计算扩大了服务范围,为客户提供快速、智能和安全的一站式数字体验。
过去五年来,尽管面临疫情和宏观经济压力,Akamai仍能够逆流而上,在亚太地区及日本取得了显著增长。在技术创新、强大合作伙伴计划、战略收购和高绩效团队的带动下,公司预计在未来一年将继续取得成功。
Akamai在该地区拥有超2000家客户,包括Seven West Media、Tokopedia、Hotstar、DAZN Group、SBS、招商证券、Xero、The Pokémon Group和Mediacorp。
公司在帮助Tokopedia为其客户提供“丝滑”购物体验方面发挥了重要作用,还帮助Hotstar向1030多万并发用户播送印度的高水平板球锦标赛。Akamai的技术还在快速变化且不断加剧的威胁环境中为亚太地区及日本的企业提供保护。2023年2月,Akamai缓解了针对亚太地区及日本客户发起的有史以来最大的DDoS攻击,其攻击流量峰值达到每秒900.1吉比特和每秒1.582亿个数据包。
Akamai Connected Cloud提供全球分布最广的云平台,旨在满足现代化应用的需求。这些应用需要更高的性能、更低的时延和真正的全球可扩展性,而现有的云架构无法满足这些需求。
Akamai将继续投资云计算领域,计划在金奈、大阪、雅加达和奥克兰建立新的站点以补充当前位于新加坡、悉尼、东京和孟买的设施。这标志着Akamai在将计算、存储、数据库等服务加快整合到目前驱动其边缘网络的骨干网方面迈出了重要的第一步。
在整个地区,Akamai与150家合作伙伴开展合作,这些合作伙伴是Akamai取得成功所不可或缺的。目前,公司正在亚太地区及日本积极开发渠道网络,为金融服务、媒体和娱乐、广播、公共部门、高等教育、酒店、旅游、零售、游戏发行商和初创企业等关键行业提供更多它们所需要的服务。去年,Akamai与富士通(澳大利亚)和网宿科技(中国)等知名合作伙伴结成了战略联盟,在该地区现有战略合作关系的基础上又增加了Telstra(澳大利亚)、NTT Ltd.(印度)、CTC(日本)和Telin(印度尼西亚)等合作伙伴。
Akamai通过对云计算、安全和内容分发部门的战略收购,成功地满足了客户需求,并为客户提供了完整的技术堆栈。
Akamai于近期收购了StackPath,此举将使Akamai能够为寻求内容分发、网络安全和云计算企业解决方案的客户提供标准化的产品和支持。Akamai与基于数据和行为分析的API检测和响应平台Neosec达成最终收购协议,通过大幅扩展Akamai对快速加剧的API威胁态势的可见性,补充Akamai的API安全产品组合。
其他重要的收购包括云存储公司Ondat、云托管服务提供商Linode和微分段技术专家Guardicore。
Akamai还在亚太地区及日本的14个国家创造了3200多个工作岗位,并且预计将全面增加员工人数,以满足客户在云计算、安全和内容分发方面日益增长的需求。
Akamai亚太地区销售副总裁兼常务董事Parimal Pandya表示:“我们的目标是使企业能够更好地控制云等领域的成本,构建和部署帮助他们实现并保持优质客户体验,进而推动利润增长的解决方案。Akamai能够灵活应对不断变化的市场环境,证明了我们持续创新和与客户保持密切联系的能力。今年正值Akamai在亚太地区及日本经营20周年,我们十分高兴能够迎来一个新的技术时代并整装待发,为客户解决他们所面临的最大业务挑战,帮助他们在未来成功克服经济和其他方面的障碍。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。