Oracle公司与亚马逊云服务(AWS)似乎正在将长期以来的竞争关系搁置一旁,转而采取一种更为务实的合作方式,以适应当今多云技术环境的现实需求。
两大科技巨头近日宣布,将在Oracle云基础设施(OCI)与AWS云之间建立私有高速专属连接。双方共同客户将能够在两个平台之间低延迟地传输数据、运行应用程序。通过在Oracle互联服务与AWS多云互联规范之间建立直连通道,两家公司可为企业提供一条全托管的企业级数据管道,从而将各自的云平台有效整合为统一的计算环境。
此举折射出企业向"多云"架构迁移的大趋势——越来越多的企业正在同时使用数十个独立云平台和软件服务。多云架构并非新鲜事物,但在此之前,企业始终难以实现不同云平台之间的有效集成。
长期以来,企业不得不自行搭建连接通道,依赖拼凑起来的第三方网络服务商、手动配置方案以及高成本的物理基础设施。这导致了严重的"数据重力"问题——数据往往被困锁在某一云平台中,因为跨平台迁移的成本过高或技术过于复杂。
随着AI工作负载的兴起,上述问题愈发突出。现代AI应用通常采用分栈架构,例如企业可能同时使用Oracle OCI上的高性能数据库与AWS SageMaker处理应用逻辑和模型训练。一旦系统部署完成便难以轻易调整,而在两个云平台之间缺乏高性能桥接的情况下,此类工作负载将面临极高的延迟,严重制约其实用价值。
Oracle与AWS此次宣布的合作,正是为了解决上述挑战。考虑到两家公司长期以来相互竞争、批评不断,此次联手显得颇为出人意料。然而,双方显然都能从"亦敌亦友"的合作中获益,让数据在各自云平台之间流通,如同在单一整合平台上运行一般。
为此,Oracle将其原生互联服务与AWS多云互联规范进行集成,打造出一条完全绕过公共互联网的安全私有连接通道。这一连接将支持分栈部署场景,例如企业可在OCI上运行应用程序,同时将数据存储在AWS,反之亦然。
此外,企业现在还可以在无需承担传统迁移复杂性的情况下,将数据从一个云平台整体迁移至另一个。值得关注的是,Oracle表示这一新连接具备"托管"和"原生"特性,意味着客户无需手动配置路由或设计复杂的数据复制策略。通过接入AWS的互联规范,Oracle实际上是在标准化其云平台与竞争对手平台之间的通信方式。
theCUBE Research与Smuget Consulting首席分析师Rob Strechay表示,此次合作再次印证了多云不再只是一种策略,而是每个企业都必须面对的现实。他指出:"通过消除两大主流云平台之间的网络复杂性,Oracle与AWS正在让企业更容易实现跨云容灾和AI架构部署。"
增强的云互联能力有望进一步加速多云环境的普及。Strechay表示,网络复杂性一直是阻碍更多企业拥抱分栈环境的最大障碍之一。他补充说,AI的未来几乎不可能局限于单一云平台部署,企业需要切实可行的解决方案。
"AI的未来是:数据在一处存储,模型在另一处运行,而网络不再成为障碍。"Strechay说,"这也将使企业能够轻松实现跨云灾难恢复。虽然数据库层面的跨云部署在理论上早已合理,但Oracle现在让它在操作层面真正可行,无需搭建复杂的网络工程体系。"
此次宣布并非没有先例。竞争对手谷歌云早在2023年5月便推出了跨云互联服务,并于去年12月进一步发布了与AWS之间的专属私有连接。Oracle此前也已分别与谷歌云及微软Azure建立了互联通道。
Oracle产品管理高级副总裁Nathan Thomas表示,此次宣布是在双方早期合作基础上的延伸——此前双方的合作促成了Oracle Database@AWS的推出,使得在AWS云上运行Oracle数据库工作负载变得更加便捷。他表示:"这将帮助我们的共同客户实现应用程序现代化、统一数据管理,并开启新的生成式AI机遇。"
这条高性能连接专为企业级工作负载设计,预计将于今年晚些时候正式上线,首批开放区域为AWS美国东部(北弗吉尼亚)。
Q&A
Q1:Oracle与AWS之间的专属私有连接具体是如何工作的?
A:Oracle将其原生互联服务与AWS多云互联规范进行集成,建立一条完全绕过公共互联网的安全私有连接通道。该连接具备"托管"和"原生"特性,客户无需手动配置路由或设计复杂的数据复制策略,即可实现两个云平台之间低延迟的数据传输和应用运行,有效将两个平台整合为统一的计算环境。
Q2:Oracle与AWS的多云互联对AI工作负载有什么帮助?
A:现代AI应用通常采用分栈架构,例如同时使用Oracle OCI的高性能数据库与AWS SageMaker进行模型训练。在没有高性能桥接的情况下,跨平台AI工作负载会面临极高的延迟问题。此次互联方案通过建立高速私有通道,使数据和模型能够在两个平台间无缝流转,大幅降低延迟,让企业更容易实现AI架构的跨云部署。
Q3:Oracle与AWS的专属互联服务什么时候可以使用?
A:根据目前的公告,该高性能连接预计将于2025年晚些时候正式上线,首批开放的区域为AWS美国东部(北弗吉尼亚)地区,主要面向企业级大规模工作负载场景。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。