与当今创新相关的不断扩展的技术面临的一个巨大问题是如何为其提供动力。公司从本地存储转向云，但即使有了人工智能等新技术，我们仍然必须弄清楚基础设施的放置位置。在 CoreSite 的最新报告“2025 年数据中心状况”中，各公司揭示了在混合环境中优化工作负载的平衡行为是多么复杂。 “2025 年数据中心状况”报告的主要发现是什么？ 在追求数字化转型的过程中，一切都在向云端转移。然而，在成本意外增加和网络安全复杂性增加之后，不少组织已将至少部分工作负载转移回本地位置。 CoreSite 的报告发现，98% 的领导者计划采用或已经采用混合 IT 模型。  这种趋势留下了缺口。工作负载可以跨混合系

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ MLCommons  公布了其行业标准 MLPerf Storage v2.0 基准套件的结果，该套件旨在以架构中立、具有代表性和可重现的方式测量机器学习 (ML) 工作负载存储系统的性能。在这一轮基准测试中，参与度显着提高，提交组织的地域代表性也增强了，提交测试的系统也更加多样化。 基准测试结果表明，存储系统性能持续快速提高，测试系统所提供的加速器数量大约是 v1.0 基准测试轮的两倍。 MLPerf Storage v2

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 慧与 宣布其 NVIDIA 的进步 HPE 的 AI 计算产品组合可在整个 AI 生命周期中为企业客户提供支持。这项工作加强了与 NVIDIA AI Enterprise 的集成，并将最新的 NVIDIA AI 模型和 NVIDIA 蓝图引入 HPE 私有云 AI。 HPE 还将推出配备 NVIDIA Blackwell 加速计算功能的 HPE ProLiant 计算服务器，以推进生成式、代理式和物理式 AI 工作负载。这包

制造业领导者越来越多地采用人工智能和计算机视觉来提高操作精度、增强安全性并提高产品质量。智能相机和人工智能传感器现已成为现代工业智能不可或缺的组成部分。 然而，当组织致力于利用高保真视觉数据进行实时洞察时，许多组织发现了残酷的事实：云优先架构无法跟上。在网络拥塞、高延迟和不断膨胀的存储成本之间，将所有内容推送到云端根本无法满足现代工厂车间的需求。 为了解决这些问题，制造商正在转向边缘优先、基于流的策略。这些方法将实时人工智能直接引入数据源。这可能包括装配线、地板和边缘环境。因此，从本质上讲，在需要快速、可靠且不妥协地做出决策的情况下，可以使用派生情报。 制造业中视觉人工智能的兴起 工业

在每个行业中，数据工程师和数据科学家都希望更好地利用隐藏在文件共享中并锁定在不同系统中的数据。他们需要这些数据来创建人工智能和分析工具的工作流程，以便他们能够更多地了解他们的市场，创造新产品和服务，或者改善业务运营和客户关系。 这个等式的另一面是，企业数据带来了巨大的风险，而企业甚至 IT 内部也没有充分理解这些风险。例如： 当资金需要用于创新、网络安全和卓越的客户体验时，数据存储和备份至少占大多数 IT 预算的 30%； 大多数非结构化数据无法用于实现商业价值； 很大一部分非结构化数据（高达 80%）很少使用，并且占用昂贵的存储空间； 许多组织没有明确的保留和删除政策，也没有定期清理数据

主权人工智能并不是以欧洲数据中心的模型训练开始和结束。相反，主权人工智能是完全控制人工智能的数据、基础设施和决策的能力——确保每一步的信任、合规性和独立性。真正的主权始于对整个数据生命周期的端到端控制。事实上，Gartner 2024 年预测预测，到 2027 年，部署生成式 AI 的企业中 70% 在选择公有云 GenAI 服务时将优先考虑数字主权和可持续性。 为什么端到端控制是游戏规则改变者 想象一下您正在经营一家高端汽车公司。您设计了一款突破性的电动汽车——设计是您的，品牌是您的，展厅自豪地标有您的名字。从表面上看，它似乎是一个完全拥有的产品。但仔细观察：组装汽车的工厂是由外部机构

曾几何时，迁移到超大规模公共云平台的主要理由集中在摆脱基础设施维护业务。 IT 部门不再需要管理物理服务器或面临因依赖本地硬件而带来的可扩展性限制。因此，公司转移到公共云，在那里他们可以按需租用服务器。 人们仍然普遍认为易于访问基础设施是云迁移的主要原因。但实际上，超大规模云平台的价值现在远远超出了基础设施即服务 (IaaS) 的范畴。这就是为什么对最大化创新感兴趣的公司需要更具创造性地思考为什么以及如何充分利用超大规模解决方案。 请允许我通过讨论超大规模平台在现代 IT 中扮演的角色以及企业如何利用当今的超大规模解决方案发挥最大作用来进行解释。 另请参阅： 构建不可知的云平台基础设施：

如果您从事基础设施工作，您就会感受到数据引力的作用。你规划并建造了一个田园诗般的、原始的、灵活的建筑，然后站在后面短暂地惊叹它。接下来，添加数据 - 然后数据就会增长！突然之间，工作负载聚集在它周围，服务部署在数据所在的地方，您的架构决策悄悄地由存储位置而不是业务优先级决定。 起初，这很微妙，这里有几毫秒的延迟，那里有一小笔出口费用。但快进后，您正在管理一个系统，其中移动工作负载不是战略选择，而是一项艰巨的工作。这才是真正的危险。并不是说你不能搬迁，而是它变得如此昂贵、具有破坏性且政治上困难，以至于你根本不会搬迁。 踢球者？万有引力并不关心你所处的环境是否仍然适合你。 什么是数据引力？

混合云是企业实现现代化、同时确保现有基础设施可靠性的首选策略。通过将本地系统与云环境相结合，组织可以释放数据的全部潜力、增强敏捷性并优化工作负载。这种方法可以无缝访问关键数据，消除孤岛，并提高整体运营效率。随着数据量不断增长，解决方案不仅必须满足当前需求，还必须提供支持未来需求的灵活性。超过一半的组织优先考虑将其云功能与可用资源相结合，以有效管理集成，利用新兴技术。 生成式人工智能 (GenAI) 和自动化通常被视为数据到达云端后即可应用的工具，但在当今的环境下，它们必须成为组织更广泛的混合云战略的组成部分。无论是利用大型机数据、迁移到云端，还是优化基于云的应用程序，人工智能和自动化都不再是

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 汇合 在本周的 Current 会议上发布了多项公告。今年的会议主题是“实时数据和人工智能的结合”，这表明开发人工智能计划的人们越来越需要将流、事件和其他形式的动态数据纳入他们的工作中。会议上发布的公告反映了这一需求。具体来说，该公司宣布： 推出 Confluence Intelligence，用于构建和支持上下文丰富的实时人工智能 (AI)。完全托管的堆栈基于 Confluence Cloud 构建，持续流式传输和处理历史

在单个数据中心或集中式云设施中运行人工智能操作的时代已经一去不复返了。现代人工智能应用程序必须利用高度分布式的服务和功能。将这些资源无缝地整合在一起需要一种新的网络方法。 NaaS（网络即服务）是一种云服务模型，提供商可以根据需要（通常通过订阅）向企业提供包括连接、安全和管理在内的网络功能。 快速浏览一下现代人工智能应用程序的工作原理就可以看出对 NaaS 的需求。首先，用于训练人工智能模型的数据通常在不同的地方存储和生成。用于训练模型和运行推理的计算资源通常是分散的，尤其是随着 GPU 即服务和 Neoclouds 等新产品的兴起。实时应用程序中对快速分析和可操作见解的需求意味着数据处理和

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 雪花 本周发布了一系列涵盖一系列应用领域的公告。首先，它宣布雪花智能 现已全面向 Snowflake 的全球客户群开放。 Snowflake Intelligence 是一款企业智能代理，可帮助用户用自然语言回答复杂问题，并将洞察力传递到每位员工的指尖。此外，该解决方案通过零复制将所有企业数据源（从结构化表和非结构化文档）统一到来自 Salesforce Data 360 等第三方应用程序的数据。 该公司还发布了一套新的开发

分析师预计，到 2025 年，云数据库和 DBaaS 市场规模将达到 240 亿美元左右，预计到 2030 年复合年增长率约为 20%。驱动因素包括e 向云原生架构的转变、人工智能和物联网数据增长以及对全球分布式、低延迟数据服务的需求。 值得注意的是，云数据库市场在 2025 年发生了转型。它不再仅仅是“云中的数据库”。它已成为企业的数据和人工智能控制平面，供应商竞相将矢量搜索、自动化和无服务器经济学直接添加到他们的服务中。 2025 年云数据库市场亮点 1.人工智能原生和支持矢量的数据库成为默认数据库 2025年最明显的变化是“数据库+矢量搜索”现在是基线，而不是例外。 Googl

训练人工智能模型并运行它们通常是一项分布式工作。通常会战略性地部署各种计算和数据资源，以优化性能并降低成本。这种分布式模型将新的重点放在连接不同元素的底层网络基础设施上。人工智能的网络方面是本周在德克萨斯州阿灵顿举行的 GNE 2025 会议的焦点。 人工智能对年度全球 NaaS 活动 (GNE) 的影响在整个会议中显而易见。过去几年，会议的主题是网络即服务（NaaS）本身。在过去的几年里，会议主办方 Mplify（以前称为 MEF）是一个由服务提供商、技术解决方案提供商和企业用户组成的国际组织，专注于开发框架、生命周期服务编排 (LSO) API 和认证，使 NaaS 产品能够根据需要可靠

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ MLCommons  宣布了 MLPerf Training v5.1 基准套件的新结果，凸显了人工智能生态系统的快速发展和日益丰富，以及新一代系统的显着性能改进。本轮针对生成式 AI 场景的两项基准测试相比 5.0 版本的结果取得了显着的性能改进，超过了摩尔定律预测的改进速度。 5.1 版本为所提交系统的多样性创造了新记录。本轮基准测试的参与者提交了 65 个独特的系统，具有 12 个不同的硬件加速器和各种软件框架。近一半

在制造、交通、电信、公共安全等日益受到实时决策驱动的行业中，数据不再是偶尔批量创建的。它来自传感器、机器、移动资产和数字应用程序，持续且大规模地到来。虽然将数据集中在云或数据中心进行分析曾经看似高效，但当今数据流的数量、速度和重要性已经暴露出传统回程优先方法的严重局限性。 多年来，经常处理此类数据流并希望使用这些数据进行实时洞察的组织一直将数据分析转移到创建数据的边缘。随着数据量和数据生成速度的增长，许多组织越来越多地为其边缘系统赋予高级智能，以根据分析得出的实时和近实时见解自适应地采取行动。 另请参阅： 超越延迟：自适应边缘智能的下一阶段 回传数据的局限性 当数据量和数据生成速率不大时

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 能源部 将领导一项名为“创世纪使命”的新计划，目标是通过人工智能（AI）的力量改变美国的科学和创新。这项工作旨在利用当前的人工智能和先进计算发展，在十年内将美国科学和工程的生产力和影响力提高一倍。 该计划将利用能源部大约 40,000 名科学家、工程师和技术人员以及私营部门创新者的专业知识，来构建定义未来的技术。它将利用能源部的 17 个国家实验室、工业界和学术界建立一个综合发现平台。该平台将连接超级计算机、人工智能系统和下

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 年度亚马逊网络服务 AWS re:Invent 大会发布了 AWS 及其合作伙伴发布的大量公告。 AWS 的一些主要公告包括： AWS 宣布全面扩展其 Nova 产品组合 包括四种新模型、一项开创性的“开放训练”服务，使组织能够使用 Nova 构建自定义模型变体，以及一项用于创建高度可靠的人工智能代理的服务。该公告的内容包括： Nova 2 Lite，这是一种快速、经济高效的推理模型，适用于日常工作负载，可以处理文本、图像

在 2025 年的技术格局中，出现了一个共同的主线：随着人工智能成为业务运营的基础，企业正在迅速重新思考数据的处理、管理和应用的地点和方式。 无论是研究专为高级人工智能工作负载构建的 Neocloud 的兴起、工业 4.0 不断发展的前景和陷阱、人工智能代理时代结构化数据的新重要性、边缘计算的战略主导地位，还是 PostgreSQL 对人工智能驱动的应用程序日益增长的吸引力，2025 年 RTInsights 的前五篇文章共同强调了一个重大转变。组织正在从单一架构和实验试点转向集成、可扩展和智能就绪的生态系统。 总而言之，这些文章表明，数字化转型的未来在于新技术以及跨分布式环境高效、负责任

跟上实时分析和人工智能市场的新闻和发展步伐可能是一项艰巨的任务。幸运的是，我们为您提供了我们的员工每周遇到的项目的摘要。如果您喜欢将其放在收件箱中， 在此注册 ！ 美国能源部 (DOE) 已宣布与有兴趣合作推进 Genesis Mission 的 24 个组织达成协议，这是一项历史性的国家努力，将利用人工智能 (AI) 的力量来加速科学发现、加强国家安全并推动能源创新。 我们之前曾报道过 11 月份创世任务的启动情况。当时，我们注意到该计划将利用能源部大约 40,000 名科学家、工程师和技术人员以及私营部门创新者的专业知识，来构建定义未来的技术。它将利用能源部的 17 个国家实验室、