Cloudflare 宣称已找到能减少推理工作负载所需硬件的优化方案,并正在开展早期对话,试图为 AI 时代重新构建万维网。
这一构想在公司上周的第四季度财报电话会议中被提出。公司 CEO、董事长兼联合创始人 Matthew Prince 指出,他们的"客户中包括了许多最重要的 AI 公司,同时也服务着全球大量的内容创作者。处于这两者之间的位置使我们在探索后搜索时代网络商业模式方面发挥着重要作用。"
Prince 认为 Cloudflare 因此处于"独特地位,可以帮助确定内容创作者如何获得补偿,哪些 AI 代理可以在什么条件下访问内容,以及未来由 AI 驱动的网络将如何组合在一起。"
他并非在空谈,因为他还透露"我们正在与所有相关方进行的对话,都将为未来奠定基础。请持续关注,这确实是令人兴奋的时刻。"
这听起来很像 Cloudflare 想要利用其作为大型内容分发网络提供商的地位来管理机器人对内容的访问权限,并在中间设置收费关卡,以确保内容提供商不会白白将其内容提供给 AI。许多大语言模型都是通过抓取互联网内容进行训练的,内容创作者认为这侵犯了版权,而 AI 公司则认为这属于合理使用。多个法院案件将很快审查这两种论点,同时主要内容公司也在与模型开发商达成付费协议。
Prince CEO 还认为,凭借 GPU 优化技术,Cloudflare 可以通过其无服务器"Workers"在 AI 市场取得成功。
"Cloudflare Workers 的杀手级应用正在显现为 AI,"Prince 热情地表示。由于无服务器是按使用付费的模式,开发者无需租用可能闲置的服务器,而是可以按需使用无服务器系统。
他继续说道:"就在上个月,中国工程师团队在 DeepSeek 模型的 AI 训练领域展现的效率让世界感到惊讶。我们发现在 Cloudflare 平台上的 AI 推理也可以进行同样的优化,为客户带来更快的性能和更低的价格,同时为我们带来更高的利润率和更少的资本支出。"
"我们认为推理比训练是更大的机会,我们的团队持续找到突破性进展,使我们远超任何替代方案,"他补充道。
更少资源消耗的 AI 和重新架构的网络被提及为 Cloudflare 目前正在追求的未来机会,这将影响未来的业绩。
公司截至 2024 年 12 月 31 日的第四季度收入同比增长 27%,达到 4.599 亿美元,但净亏损 1,280 万美元。
全年收入为 16.7 亿美元,增长 29%,亏损 7,800 万美元,较 2023 财年的 1.84 亿美元亏损有所改善。
公司预计 2025 年第一季度收入在 4.68 亿至 4.69 亿美元之间,全年收入在 20.9 至 20.94 亿美元之间。
要实现这一目标,公司可能需要避免自身故障,比如 2 月 6 日其 R2 对象存储服务离线 59 分钟,导致数据无法访问的事件。
产品总监 Matt Silverlock 和员工 Javier Castro 承认,停机是"由于人为错误和在处理 R2 上托管的钓鱼网站报告时缺乏足够的验证保护措施所致。"
在 Cloudflare 员工试图关闭钓鱼网站时,他们的操作"导致对该网站执行了高级产品禁用操作,进而导致负责 R2 API 的生产 R2 Gateway 服务被禁用。"
如果 Cloudflare 操作正确,只有钓鱼者使用的 R2 存储桶和端点会被关闭。相反,整个服务都离线了。公司现在正在重新审视其流程,以确保这种情况不再发生。
好文章,需要你的鼓励
人工智能代表着第四次工业革命的到来,它不仅是机械化工具,更是全球范围内增强、合作和颠覆的催化剂。AI已深度融入日常生活,在医疗、国防、金融和公共治理等领域发挥变革作用。与以往技术不同,AI能够增强人类决策能力,提升效率和创新。然而,算法偏见、网络安全威胁和隐私问题等风险不容忽视。未来AI发展需要政府、企业和学术界协调合作,建立伦理、法律框架,确保AI成为推动人类进步的积极力量。
腾讯微信AI团队开发的ComoRAG系统通过模仿人脑认知机制,让AI具备了动态记忆和循环推理能力,在长文本理解任务上相比传统方法准确率提升高达11%。该系统采用三层知识组织结构和五步认知循环过程,能够像侦探破案一样主动探索线索、整合信息、构建完整推理链条,特别在处理复杂叙事推理问题时表现优异,标志着AI从信息检索工具向智能推理伙伴的重要转变。
随着现代AI技术对数据中心基础设施提出新要求,"AI数据中心"一词使用日益频繁。然而,这一术语的定义仍不清晰,AI数据中心与传统数据中心的区别并不明显。AI数据中心通常具备更大容量、GPU加速硬件、优化网络设备、高效冷却系统等特征,但这些特性并非AI独有。与其投资专门的AI设施,企业或许应考虑改造现有数据中心来支持AI工作负载。
新加坡南洋理工大学团队开发的4DNeX系统实现了从单张照片生成完整4D动态场景的突破。该技术采用6D视频表示法融合RGB颜色和XYZ空间信息,构建了包含920万帧数据的4DNeX-10M大规模数据集,通过改进视频扩散模型实现15分钟内的高效生成,在动态程度和一致性指标上显著优于现有方法,为虚拟现实、影视制作等领域提供了新的技术路径。