新区域设立于阿姆斯特丹、雅加达、洛杉矶、迈阿密、米兰、大阪和圣保罗,将助力 Akamai 实现更加现代化、分布更广泛的云计算愿景
2023年 10月 25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),近日宣布在欧洲、亚洲、北美和拉丁美洲新增七个核心计算区域。这些核心计算区域分别位于荷兰阿姆斯特丹、印度尼西亚雅加达、加利福尼亚州洛杉矶、佛罗里达州迈阿密、意大利米兰、日本大阪和巴西圣保罗,这是 Akamai 自去年收购 Linode 以来推出的第三批新核心计算区域,也是 Akamai 重新定义云运营方式的关键推动步骤。
在圣保罗和迈阿密新增核心计算区域后,Akamai 可以支持各公司更轻松地在拉丁美洲开展业务。凭借这两个新的核心计算区域,Akamai 在这个长期以来由超大规模云提供商主导的市场中成为了颇为引人关注的竞争对手。Akamai 入驻圣保罗后,客户能够在南半球人口最多的城市和国家之一运行工作负载,避免了目前需要跨洲传输工作负载所面临的巨大经济和绩效障碍。Akamai 试图在全球各个难以进驻的市场建立核心计算区域,而圣保罗和迈阿密便是其中的两个代表性城市。Akamai 可以将这些区域连接到目前为其边缘网络提供支持的同一底层骨干网,该边缘网络广泛覆盖 131 个国家/地区的 4,100 多个边缘 PoP。
Akamai 正在改变企业处理云架构的方式,且着重考虑分布更加广泛、更加分散、低延迟且全球可扩展的设计。Akamai 的云计算服务非常适合需要在更靠近最终用户位置运行的更高性能的工作负载,如流媒体、游戏和电子商务应用中常见的工作负载。这些服务是 Akamai Connected Cloud 的一部分,这是一款涵盖云计算、安全性和内容交付的大规模分布式边缘和云平台,可使应用程序和体验更靠近用户,帮助用户远离威胁。
Akamai 云技术业务首席运营官兼总经理 Adam Karon 表示:“公司需要更加出色的用户体验,而这越来越暴露出传统集中式云模式的局限性。我们正在通过改变模式为客户解决这一难题。借助 Akamai Connected Cloud,我们正在采取一种由外而内、分布式优先的方法,该方法的构建基于对云原生技术的承诺以及二十多年来全球众多大型公司所依赖的同一网络。这是一种着眼于未来的方法,未来,网络规模与数据中心的规模将同样重要。”
七个新增全球核心计算区域
最新一批战略性核心计算区域开始上线,并在 9 月和 10 月面向客户开放。这些区域将 Akamai 的云计算网络扩展到关键的数据密集型连接点,并最终支持客户改善最终用户的连通性和体验。
在过去的 90 天里,Akamai 开放了 13 个新的核心计算区域。在今日宣布的区域之前,就已经有了位于亚特兰大、达拉斯、费利蒙、纽瓦克、多伦多、法兰克福、伦敦、孟买、新加坡、悉尼和东京的各个区域,还有最近宣布的位于芝加哥、华盛顿特区、巴黎、斯德哥尔摩、西雅图和钦奈的区域。Akamai 计划将于今年晚些时候推出更多全球核心计算区域。
有关 Akamai Connected Cloud 和 Akamai 云计算服务 的更多信息,请访问 Akamai 网站。
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。