继世界一级方程式锦标赛F1 (Formula 1) 重大赛季之后,甲骨文红牛车队在新赛季开始时,宣布推出新的技术计划,这将有助于车队继续卫冕冠军。甲骨文红牛车队基于数据驱动性能的理念,将提高甲骨文云技术的使用率来支持新的粉丝互动机会,包括为新车 RB19 设计涂装。该团队还将通过数十亿次模拟来进一步扩大其竞争优势,帮助专业竞赛策略师做出更精准的决策。此外,Oracle 云基础设施远程软件服务 (Oracle Cloud Infrastructure, OCI) 将为 Red Bull Powertrains 提供杰出计算能力,以支持其面向 2026 赛季的开发工作。
甲骨文红牛车队主席兼首席执行官 Christian Horner 表示:“甲骨文云技术帮助我们在 2021 年和 2022 年的锦标赛中获胜,我们相信它将在本赛季继续为我们的粉丝、团队和车手带来更多惊喜。在甲骨文公司的帮助下,我们从数据中获得洞察,进而更快地在赛道内外做出更明智、更有效的决策。从竞赛策略到粉丝互动,以及作为 Red Bull Powertrains 基础设施的重要部分,甲骨文公司都是我们车队取得成功的关键。”
Paddock 会员设计将载入红牛车队历史
甲骨文红牛车队在 2022 年赛事中屡屡获胜,与此同时,甲骨文公司也帮助车队通过独特的粉丝互动平台 The Paddock 收获了更多粉丝。借助 Oracle 客户体验云解决方案(Oracle Cloud Customer Experience, CX),这项数字化的忠诚度和奖励计划在 2022 年实现了大幅增长,新增会员超过 25 万,并通过视频、测验和竞赛与会员保持联系,让粉丝能够获得独家的幕后信息、与车队互动并与其他粉丝一起构建社区。为了给今年的粉丝带来更多精彩体验,甲骨文红牛车队发起了一项联盟首创比赛,让 Paddock 会员为三场美国大奖赛(迈阿密、奥斯汀和拉斯维加斯)设计赛车涂装。
甲骨文公司云基础设施产品副总裁 Karan Batta 表示:“甲骨文云技术的设计目标是帮助客户取得成功。该技术帮助来自全球各地、各行业的企业解决复杂的挑战,而甲骨文红牛车队所使用的正是这个技术。”
2023 年,近 1000 亿次竞赛策略模拟将有效改善决策
甲骨文公司将继续为甲骨文红牛车队的竞赛战略提供技术支持,助其在赛道上取得成功。数十亿次计算机生成的模拟将帮助竞赛策略专家做出瞬间决策。去年,OCI 在甲骨文红牛车队的夺冠之旅中发挥了至关重要的作用,让车队能够连续实时运行竞赛模拟,从而使车手能够对赛车的性能、赛道上发生的变化以及比赛中竞争对手的决定做出快速反应。
2022 年,甲骨文公司进一步缩短了延迟并提高了竞赛模拟的数量和速度,从而使总模拟运行量增加了 25%。在这项每 0.1 秒都很重要、每一项决定都必须经过仔细分析的竞赛中,如果车队可以获得海量的模拟数据,即时处理并提炼成切实可行的战略,就可能凭借这个优势脱颖而出。2023 年,该团队预计将在竞赛的周末运行近四十亿次模拟,并在整个赛季运行近一千亿次模拟,最终借助 OCI 来卫冕世界冠军。
OCI 赋能 Powertrains 模拟
甲骨文公司还将与Red Bull Powertrains合作,该公司在开发新一代混合动力引擎方面取得了关键进展,新引擎将在 2026 年赛季投入使用。OCI 将支持该团队的高性能计算 (HPC) 工作负载的要素,以运行复杂的、计算密集型的模拟,为动力系统设计的关键要素建模。
除了即将到来的 F1 赛季之外,甲骨文公司也将继续为甲骨文红牛车队的电竞团队提供支持。OCI 将帮助电竞团队分析数据,做出更明智的竞赛决策并更了解自己的表现。OCI 还将为模拟技术提供支持,帮助车手做好准备 — 就像 F1 团队一样。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。