
為加快亞洲互聯(lián)網(wǎng)速度,谷歌再次朝水下進(jìn)發(fā)。
當(dāng)?shù)貢r間本周一,這家搜索巨頭宣布該公司與中國移動等其他五家公司共同投資3億美元鋪設(shè)海底電纜,旨在提升亞洲的網(wǎng)絡(luò)連接速度。
該海底電纜取名為“Faster(更快)”,它將 從美國西海岸的幾個主要城市(包括舊金山、洛杉磯、西雅圖、和波特蘭)等連接至日本的兩個沿海城市千倉(Chikura)和志摩町(Shima)。連接后,其網(wǎng)速將可達(dá)到每秒60 兆兆位(Terabits),這大約為標(biāo)準(zhǔn)電纜調(diào)制解調(diào)器網(wǎng)速的10倍。
投資該海底光纜項目的其他公司均為亞洲無線和電信公司,包括:中國移動國際有限公司、中國電信國際有限公司、馬來西亞的Global Transit公司、日本KDDI電信公司和新加坡電信。本次項目的主要供應(yīng)商為IT服務(wù)和產(chǎn)品公司NEC。該海底電纜的建設(shè)工作將立即開始,并計劃在 2016年第二季度投入使用。
谷歌技術(shù)基礎(chǔ)設(shè)施部門的高級副總裁烏爾斯·霍爾澤(Urs Hölzle)寫道:“‘Faster’將會令我們的亞洲用戶享受更快、更可靠的互聯(lián)網(wǎng)。”
這并非谷歌第一次投資海底電纜。早在2008年,谷歌便投資了另外一條連接至日本的電纜項目,名為“Unity”,之后又在2011年投資了另一條海底電纜,連接至日本和包括菲律賓和泰國在內(nèi)的東南亞國家。
對谷歌而言,推動并改善互聯(lián)網(wǎng)連接性與圍繞其核心服務(wù)的企業(yè)發(fā)展戰(zhàn)略相一致。
霍爾澤寫道:“在谷歌,我們希望我們的產(chǎn)品能夠做到快捷可靠,而無論是對全球超過十億的Android用戶來說還是對在谷歌云端平臺上打造產(chǎn)品的開發(fā)人員而言,這都需要一個強大的網(wǎng)絡(luò)基礎(chǔ)設(shè)施作保障。”
在這方面,谷歌的“登月”項目也有著類似的作用。此外,谷歌光纖(Google Fiber)計劃的目的同樣是加速網(wǎng)絡(luò)連接,而且在美國奧斯汀、德克薩斯州、猶他州普洛佛等幾個有限市場,該項目已投入使用。
除網(wǎng)速之外,谷歌還進(jìn)行了其他投資,試圖拓展互聯(lián) 網(wǎng)接入。如谷歌推出的高空熱氣球項目Project Loon,將通過多個高空飛行的熱氣球為農(nóng)村地區(qū)的用戶提供快速及穩(wěn)定的Wi-Fi網(wǎng)絡(luò)連接。在紐約和加州山景城谷歌總部的周邊地區(qū),該公司還提供免費 Wi-Fi服務(wù)。同時,谷歌還與幾家公司一同競爭,希望能將紐約市的付費電話亭轉(zhuǎn)變成免費的Wi-Fi服務(wù)中心。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。