此次名為“ReDefine”的大會(huì),事實(shí)上是EMC年度的重磅產(chǎn)品發(fā)布會(huì),EMC在大會(huì)上發(fā)布了橫跨XtremIO閃存、企業(yè)級(jí)存儲(chǔ)VMAX、橫向擴(kuò)展NAS組合等多個(gè)領(lǐng)域,從而期望幫助客戶“重新定義可能性”,并加速他們邁上混合云之旅。
EMC亞太及日本區(qū)總裁David Webster指出,如今,IT產(chǎn)業(yè)正在朝著移動(dòng)、云計(jì)算、大數(shù)據(jù)、社交這四大趨勢(shì)奔流。但是,如今的IT發(fā)生了重大變化,軟件定義正在改寫幾乎所有產(chǎn)業(yè),軟件定義的特斯拉正在影響著汽車產(chǎn)業(yè)的走勢(shì),軟件定義的Nest正在改變家居市場(chǎng),軟件定義也正在改變著IT業(yè)。
David Webster表示,如今IT的重點(diǎn)已經(jīng)從過去的成本和優(yōu)化、提升效率等方面,轉(zhuǎn)化到如何促進(jìn)業(yè)務(wù)創(chuàng)新上來(lái)。如何平衡業(yè)務(wù)與IT,是企業(yè)CEO、CFO、CIO們共同考慮的問題。
由Pivotal、VMware、EMC共同組成的EMC聯(lián)邦,成為解決這些難題最具競(jìng)爭(zhēng)力的組織。Pivotal是EMC和VMware共同成立的子公司,它提供大數(shù)據(jù)、PaaS等服務(wù)的公司,VMware同樣是EMC的子公司,它提供的是軟件定義的數(shù)據(jù)中心服務(wù),EMC則是信息基礎(chǔ)架構(gòu)的構(gòu)建者,另外除了這鐵三角之外,EMC的另外一家子公司RSA,負(fù)責(zé)提供云、大數(shù)據(jù)等安全服務(wù)。
由此,可以把EMC看作是一家具有獨(dú)特形式的提供混合云相關(guān)業(yè)務(wù)的服務(wù)集團(tuán)。
EMC企業(yè)和中端存儲(chǔ)事業(yè)部(EMSD)VMAX家族產(chǎn)品銷售總監(jiān)Colin Gallagher在接受CNET科技資訊網(wǎng)采訪時(shí)指出,收購(gòu)TwinStrata之后,EMC將可為客戶提供全新的服務(wù),那就是用戶在連接外部存儲(chǔ)時(shí),不僅僅是一個(gè)存儲(chǔ),更可以對(duì)接外部的公有云。
圖為EMC企業(yè)和中端存儲(chǔ)事業(yè)部(EMSD)VMAX家族產(chǎn)品銷售總監(jiān)Colin Gallagher
據(jù)Colin Gallagher介紹,當(dāng)下流行的包括AWS、Azure等10余種公有云,都在支持的范圍之內(nèi)。
雖然,EMC方面沒有明確提到此筆收購(gòu)的金額和明確的用意,但是通過融合TwinStrata與VMAX兩種技術(shù),這里面蘊(yùn)含著EMC近年來(lái)力推的混合云戰(zhàn)略。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。