日前,数字化企业IT解决方案领域的全球领导厂商BMC的最新研究显示,多种公有和私有云服务及基础架构的快速采用增加了云的复杂性,这种复杂性正在不断放大数字化企业面临的传统压力。因此,企业意识到需要重新思考当前多源云环境下的管理策略和方法,并开始启用人工智能(AI)作为新兴解决方案。
在伦敦BMC Exchange上,BMC公布了上述结果,该结果来自于对11个国家/地区1000多名IT决策者的调查。本项调查由调研公司opinion.life进行,旨在了解为了优化成本、保持灵活性并降低风险,企业应如何投资由不同供应商提供的多个公有云解决方案。
40%的受访者表示希望通过多个云提供商降低风险。他们表示,实施安全和治理策略是管理多源云环境时的主要挑战,其次是自动化、优化资源利用率和云使用成本。由于解决更大规模、更分散且越来越虚拟化的基础架构所带来的安全挑战需求日益突显,多位IT 决策者表示,安全是他们打算在未来24到36个月投资的主要领域。
45%的受访者表示成本优化是使用多个公有云供应商的原因。“采用多源云技术的首要推动因素是成本优化,但五分之二的IT领导者对其企业在云上的开支却一无所知。”BMC企业解决方案总裁Bill Berutti表示。基于这种局面,Bill Berutti认为,仅管理IT基础架构的传统方式不再起作用,IT领导者必须考虑新的多源云环境管理方法,以确保他们在节约成本、自动化性能优化以及增强安全性和治理方面获得公有云的预期益处。
由于认识到管理多个云环境的复杂性,80%的受访者表示需要新的方法和工具,正在考虑的新方法包括AI。有78%的IT决策者表示,他们的公司正试图将人工智能作为其多源云管理策略的组成部分。
Berutti指出,大多数IT领导者都清楚,多源云带来的复杂性正在放大企业面临的传统挑战,如安全性、可见性、成本、性能、自动化和迁移等挑战。为此,这些IT领导者必须使用专为多源云环境构建的新技术解决方案来调整管理方法,如利用机器学习和AI来降低管理的复杂性。
BMC为企业或组织成功管理多源云环境提供以下建议:
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。