/
Lucidity將成本控制焦點轉(zhuǎn)向Kubernetes存儲
存儲擴展專家Lucidity將其AutoScaler平臺擴展至Kubernetes容器編排平臺，幫助企業(yè)控制存儲支出。該公司表示，Kubernetes中的持久卷常常成為隱形浪費源，雖然Kubernetes可自動擴展實例數(shù)量，但底層存儲通常未被充分利用。新服務(wù)可為亞馬遜EKS提供持久卷的自動擴縮容，聲稱可為客戶節(jié)省高達70%的云塊存儲費用。
Robomart推出新型配送機器人，3美元統(tǒng)一運費挑戰(zhàn)外賣巨頭
洛杉磯初創(chuàng)公司Robomart發(fā)布最新自動駕駛配送機器人RM5，可載重500磅，配備10個獨立儲物柜支持批量配送。該四級自動駕駛車輛將用于按需配送服務(wù)，采用3美元固定配送費模式，旨在挑戰(zhàn)DoorDash和Uber Eats等傳統(tǒng)外賣平臺。公司計劃今年在德克薩斯州奧斯汀首先推出服務(wù)，CEO稱機器人可將配送成本降低70%。
百度無人出租車已實現(xiàn)盈虧平衡，海外擴張前景可觀
中國互聯(lián)網(wǎng)巨頭百度表示，其在中國的無人出租車業(yè)務(wù)已實現(xiàn)盈虧平衡，對進軍全球市場后的盈利前景充滿信心。CEO李彥宏在財報電話會議中透露，盡管武漢的出租車費用比其他中國城市低30%，但百度的無人出租車業(yè)務(wù)已在當?shù)貙崿F(xiàn)盈虧平衡。AI技術(shù)在多方面助力百度發(fā)展，包括代碼生成、數(shù)字人技術(shù)等，但AI搜索的商業(yè)化仍面臨挑戰(zhàn)。
多站點IT基礎(chǔ)設(shè)施升級指南：告別VMware的替代方案
對于擁有多個站點的組織，VMware成本上升威脅著遠程辦公室的獨立運營能力。將工作負載推向云端雖能抵消許可費用，但增加了對持續(xù)連接的依賴和風險。組織應(yīng)借此機會重新審視整個基礎(chǔ)設(shè)施，尋找能夠整合虛擬化、存儲、網(wǎng)絡(luò)和數(shù)據(jù)保護功能的平臺。理想的替代方案應(yīng)支持從核心到邊緣的統(tǒng)一軟件棧，在斷網(wǎng)時保持站點獨立運營，并為AI工作負載做好準備，同時降低硬件成本和運營復(fù)雜性。
"便宜"的開源AI模型實際上在消耗你的計算預(yù)算
最新研究顯示，開源AI模型在執(zhí)行相同任務(wù)時消耗的計算資源比閉源競品高1.5至4倍，簡單知識問答甚至高達10倍。盡管開源模型單token成本更低，但總計算需求的增加可能抵消其價格優(yōu)勢。研究發(fā)現(xiàn)OpenAI模型在token效率方面表現(xiàn)突出，而大型推理模型在處理簡單問題時會消耗數(shù)百個token進行不必要的思考。這一發(fā)現(xiàn)挑戰(zhàn)了開源模型更經(jīng)濟的傳統(tǒng)認知，企業(yè)在評估AI部署策略時需重新考慮總體計算成本。
OpenAI采用新數(shù)據(jù)類型MXFP4，推理成本降低75%
OpenAI在其開源模型中采用MXFP4數(shù)據(jù)類型，這是一種4位浮點格式，通過微縮放塊技術(shù)實現(xiàn)更高精度。相比傳統(tǒng)BF16格式，MXFP4可將計算和內(nèi)存需求降低約75%，使1200億參數(shù)模型僅需80GB顯存即可運行。該技術(shù)不僅大幅減少硬件資源占用，還能將推理速度提升4倍，為云服務(wù)商和企業(yè)大幅降低AI部署成本。
AI編程助手成本高昂利潤微薄，初創(chuàng)公司面臨生存挑戰(zhàn)
AI編程助手初創(chuàng)公司面臨嚴峻挑戰(zhàn)。Windsurf等公司因依賴昂貴的大語言模型，導(dǎo)致毛利率嚴重為負，運營成本超過收費。激烈的市場競爭加劇了這一問題，包括Cursor和GitHub Copilot等競爭對手。改善利潤率的直接方法是自建模型，但成本高昂且風險巨大。許多公司寄希望于LLM成本未來會下降，但最新模型費用實際在上漲。這種困境可能影響整個AI編程工具行業(yè)。
DeepSeek展示企業(yè)模型蒸餾技術(shù)應(yīng)用機遇
模型蒸餾技術(shù)在Gartner 2025年AI技術(shù)成熟度曲線中已達到"啟蒙斜坡"階段。雖然中國DeepSeek近期將其推向聚光燈下，展示了如何用模型蒸餾訓練出可媲美OpenAI的大語言模型，但該技術(shù)并非新發(fā)展，可追溯至2006年。隨著基礎(chǔ)模型計算成本高昂，企業(yè)開始尋求以10%成本獲得80%性能的解決方案。模型蒸餾作為創(chuàng)新與可擴展性的橋梁，正獲得商業(yè)關(guān)注。
云回歸大逆轉(zhuǎn)：IT團隊為何重返專用基礎(chǔ)設(shè)施
Liquid Web對1000多名IT專業(yè)人士的調(diào)查顯示，86%的IT專業(yè)人員目前在基礎(chǔ)架構(gòu)中使用專用服務(wù)器，42%正將工作負載從公有云遷移回專用服務(wù)器。55%的受訪者認為完全控制和定制化是選擇專用服務(wù)器的主要原因。合規(guī)性、性能可變性和控制權(quán)喪失成為云遣返的主要驅(qū)動因素，而意外成本和資源浪費也推動了這一趨勢。
亞馬遜DocumentDB無服務(wù)器數(shù)據(jù)庫助力智能體AI發(fā)展并降低成本
AWS推出Amazon DocumentDB Serverless正式版，為MongoDB兼容的文檔數(shù)據(jù)庫帶來自動擴縮容功能。該服務(wù)專門針對智能體AI工作負載的不可預(yù)測需求模式，通過按需計費模式，相比傳統(tǒng)預(yù)置數(shù)據(jù)庫可降低高達90%的成本。無服務(wù)器架構(gòu)消除了容量規(guī)劃需求，自動匹配實際使用量，特別適合AI智能體的突發(fā)性資源消耗模式，為企業(yè)AI應(yīng)用提供更靈活高效的數(shù)據(jù)庫基礎(chǔ)設(shè)施。
五大策略助CIO降低IT成本且不影響創(chuàng)新
CIO面臨著削減IT支出同時推動創(chuàng)新的雙重挑戰(zhàn)。專家建議通過降低單位成本釋放資源、戰(zhàn)略性應(yīng)用AI自動化、與財務(wù)部門深度協(xié)作、清理簡化系統(tǒng)和數(shù)據(jù)，以及優(yōu)化供應(yīng)商合同管理等五大策略來實現(xiàn)這一目標。關(guān)鍵在于工作更智能而非僅僅更便宜，通過成本控制為創(chuàng)新騰出預(yù)算空間。
降低數(shù)據(jù)中心租賃成本的六大策略
數(shù)據(jù)中心托管租賃是企業(yè)獲取數(shù)據(jù)中心基礎(chǔ)設(shè)施的成本效益方式，但租賃費用因多種因素而異。要優(yōu)化租賃成本，可采取以下策略：選擇低成本區(qū)域；整合服務(wù)器減少占用空間；將工作負載集中到單一設(shè)施以獲取批量折扣；與運營商協(xié)商價格；避免購買不必要的附加服務(wù)；接受長期合同以換取更低費率。這些策略可幫助企業(yè)在保持性能和可靠性的同時顯著降低托管支出。
AWS S3對象存儲新增矢量功能大幅降低AI存儲成本
亞馬遜云服務(wù)宣布為S3云對象存儲推出向量存儲功能S3 Vectors，聲稱可將AI存儲中向量數(shù)據(jù)的上傳、存儲和查詢成本降低90%。該服務(wù)旨在讓客戶以經(jīng)濟方式在AWS云中存儲大量向量數(shù)據(jù)并進行語義搜索，可替代昂貴的向量數(shù)據(jù)庫。每個S3 Vectors存儲桶支持多達1萬個向量索引，每個索引可存儲數(shù)千萬個向量。
AWS為S3新增向量存儲桶以降低RAG存儲成本
AWS為S3對象存儲新增向量存儲桶功能，旨在降低Amazon OpenSearch Service中低頻訪問向量的存儲成本。該功能專為向量數(shù)據(jù)存儲設(shè)計，可將上傳、存儲和查詢向量的總成本降低90%。新的向量存儲桶提供專用API，無需預(yù)配置基礎(chǔ)設(shè)施即可存儲和查詢向量數(shù)據(jù)。每個存儲桶最多支持10000個向量索引，每個索引可容納數(shù)千萬個向量。該功能已與Amazon Bedrock Knowledge Bases集成，支持構(gòu)建RAG應(yīng)用程序，并可與OpenSearch Service協(xié)同工作以優(yōu)化成本。
AWS Bedrock負責人Atul Deo：更便宜AI與新型智能體的未來之路
AWS Amazon Bedrock負責人Atul Deo正致力于讓人工智能軟件變得更便宜和更智能。他在12月re:Invent大會前只有六個月時間來證明這一目標的可行性。Deo表示AI領(lǐng)域發(fā)展速度前所未有，模型每幾周就會改進，但客戶只有在經(jīng)濟效益合理時才會部署。為此，AWS推出了提示緩存、智能路由、批處理模式等功能來降低推理成本，同時開發(fā)能執(zhí)行多步驟任務(wù)的自主代理軟件，將AI應(yīng)用從聊天機器人轉(zhuǎn)向?qū)嶋H業(yè)務(wù)流程自動化。
模塊化設(shè)計重塑印度數(shù)據(jù)中心發(fā)展格局
傳統(tǒng)數(shù)據(jù)中心基礎(chǔ)設(shè)施雖然對企業(yè)至關(guān)重要，但也是預(yù)算和房地產(chǎn)的重大負擔。模塊化數(shù)據(jù)中心正成為強有力的替代方案，解決企業(yè)面臨的運營、財務(wù)和環(huán)境復(fù)雜性問題。這種模塊化方法在印度日益流行，有助于解決環(huán)境問題、滿足人工智能的電力需求、降低成本并支持新一代分布式應(yīng)用。相比傳統(tǒng)建設(shè)需要數(shù)年時間，工廠預(yù)制的模塊化數(shù)據(jù)中心基礎(chǔ)設(shè)施可在數(shù)周內(nèi)部署完成。
云服務(wù)商如何吞噬你的AI利潤：推理陷阱解析
AI項目從試點轉(zhuǎn)向生產(chǎn)階段時，企業(yè)面臨意外的云成本激增問題。推理工作負載需要全天候運行以確保服務(wù)正常，成本可能一夜間飆升1000%以上。許多公司每月費用從5000美元激增至50000美元。為控制成本，企業(yè)開始采用混合架構(gòu)：將推理工作負載遷移至本地或托管設(shè)施，訓練任務(wù)保留在云端。這種模式可削減60-80%的基礎(chǔ)設(shè)施支出，在保持性能的同時實現(xiàn)成本可預(yù)測性。
企業(yè)AI戰(zhàn)略為何需要開源與閉源模型并舉：TCO現(xiàn)實考量
企業(yè)在AI模型選擇上面臨開放源碼與封閉專有技術(shù)的抉擇，這一選擇對財務(wù)和定制化都有重要影響。開放模型如Meta Llama提供更大控制權(quán)和定制選項，而封閉模型如OpenAI GPT-4o提供簡化使用和企業(yè)級支持。專家建議采用投資組合策略，根據(jù)準確性、延遲、成本、安全性等因素選擇合適模型，而非單一選擇。
企業(yè)高管對開源AI模型持謹慎態(tài)度偏愛專有方案
凱捷研究院調(diào)研顯示，盡管AI在自動化重復(fù)性業(yè)務(wù)任務(wù)方面帶來顯著成本節(jié)約，但應(yīng)用場景相對簡單。調(diào)研涵蓋1607名來自年收入超10億美元企業(yè)的高管，發(fā)現(xiàn)AI可降低客戶運營成本40%、人員運營成本26%。然而，四分之三的高管仍偏好專有AI模型，其中43%選擇超大規(guī)模云服務(wù)商產(chǎn)品。盡管開源模型如DeepSeek能實現(xiàn)11倍計算成本降低，企業(yè)領(lǐng)導(dǎo)者仍因技術(shù)專業(yè)性要求、安全風險和社區(qū)支持等因素，對開源AI方案保持謹慎態(tài)度。
通用汽車全新“富錳”電池承諾2028年推出更實惠電動車
通用汽車推出的鋰錳富含電池（LMR）在降低成本的同時保證續(xù)航，預(yù)計2028年量產(chǎn)，將顯著減少對鎳和鈷的依賴。
- LinuxONE 客戶案例集錦
- IBM 存儲客戶案例集錦
- 智能超融合基礎(chǔ)設(shè)施 - HPE SimpliVity 解決方案
- 借助 HPE GreenLake 提供本地云體驗解決方案
- 掌控全局 — 推動業(yè)務(wù)創(chuàng)新：適用于 HPE SimpliVity 的 HPE 主動式系統(tǒng)支持服務(wù)
- 實現(xiàn)居家辦公高效率解決方案
- 實現(xiàn)關(guān)鍵業(yè)務(wù)革新 - HPE Primera解決方案
- 搭配Nutanix的HPE GreenLake私有云解決方案
- 重新定義 HCI， 助其更上一層樓
- 適用于 VDI 的 HPE GreenLake - 本地云服務(wù)解決方案
京公網(wǎng)安備 11010802021500號
