自動化網絡保安服務方案供應商 Fortinet 最近先後完成了對 Lacework 和 Next DLP 的收購，希望進一步提升 Fortinet 在企業資料外洩防護市場中的地位，鞏固其在端點和 SASE 的綜合 DLP 市場中的競爭力。
（繼續閱讀…）
雲端服務
近日全城熱話均離不開奧運盛事，IT 界亦不例外，像游泳賽事直播中，便能看到螢幕上有人工智能（AI）分析每條賽道選手實況的畫面。事實上，NBA 與足球賽事早年已採納 AI 輔助判決，相信 AI 在今屆巴黎奧運所扮演的角色更重磅。
AI 回放系統帶來更佳觀賽體驗
在巴黎奧運期間，OBS 多鏡頭回放系統（OBS Multi-Camera Replay Systems）將支援運動員表現的定格慢動作回放，讓資深體育愛好者可以深入分析運動員的動作。對於一般觀眾而言，重播功能可成為科普素材，幫助他們深入理解賽事的關鍵時刻。
本屆奧運部署 17 套多鏡頭回放系統，全部由阿里雲提供，橫跨 14 個場館，涵蓋 21 個體育項目，包括七人欖球、羽毛球、田徑、籃球、沙灘排球、乒乓球、摔跤、網球、柔道、霹靂舞、自由式小輪車和滑板。當賽事影像傳送上雲端後，阿里雲 AI 驅動的運算能力可實現即時空間重建和 3D 渲染。其後，經過挑選的精彩時刻將透過直播或非直播的方式重播。精彩時刻只需數秒即可在雲端生成，並將無縫融入賽事的現場直播中。
此外，多平台奧林匹克視頻播放器（OBS Olympic Video Player，OVP）也將借助阿里雲的基礎設施，首次支援超高清直播。該服務為持權媒體機構，尤其是中小型機構，提供一站式解決方案，讓這些機構無須進行複雜的內部開發，即可向觀眾提供高品質的影片內容。
▲阿里雲攜手OBS為巴黎奧運會推出AI驅動的奧林匹克轉播雲3.
AI 驅動雲技術取代東京奧運衛星傳輸方式
除協助分析運動員和賽事，觀眾更關心的相信是賽事直播的流暢度。阿里雲與奧林匹克廣播服務公司（OBS）便針對 2024 巴黎奧運會，推出奧林匹克轉播雲 3.0（OBS Cloud 3.0）。新方案結合了 AI 驅動的雲技術，其「奧運雲直播」（OBS Live Cloud）更於奧運會歷史上，首次成為持權媒體遠程分發的主要方式，取代了 1964 年東京奧運會期間，啟用的衛星傳輸方式。
據悉，本屆奧運已預訂的遠程服務中，三分之二（涉及 54 家轉播機構）已使用「奧運雲直播」，另 379 個串流頻道和 100 個音頻訊號，亦將透過「雲直播」傳輸。
透過雲端傳輸內容，具有低延時和高靈活性的優點，在可擴展性、彈性和成本方面，無疑勝過其他傳輸方式。而在實現這項技術突破前，轉播機構必須依賴專用且昂貴的國際電訊光纖電路，並花費大量時間搭建設備，才能將跨越大半個地球的直播畫面傳送到接收點。
OBS 行政總裁 Yiannis Exarchos 表示：「全球約有一半人口將會觀看奧運， 像阿里雲這樣的技術，能夠幫助我們說好世界上最傑出運動員的故事，同時以鼓舞人心的方式將世界緊密連接在一起。」
簡化遠程製作工作流程便利不同媒體平台
OBS 的內容分發平台 Content+早前已全部遷移至阿里雲上，並將持續簡化遠程製作的工作流程，確保現場直播、運動員採訪、幕後花絮和社交媒體內容等實現無縫傳輸。
阿里雲海外業務事業部總裁袁千表示：「我們很高興見證奧運轉播從 2020 東京奧運會，到 2024 年巴黎奧運會所經歷的技術演進。阿里雲 和 OBS 的合作加強了我們致力於改善奧運會觀眾體驗的承諾，將技術創新轉化為具體應用並帶來實際成效。」
OBS 預計將為本屆奧運會製作超過 11,000 小時的內容，比 2020 東京奧運會增加 15%。優化後的雲端平台能簡化遠程製作的工作流程，並確保奧運會期間的內容傳輸不受干擾。
Content+的新功能可讓持權媒體機構在更短的時間內，於全球任何地點製作自己的精華片段。且內容有三種不同的清晰度可供下載，便利線性電視轉播、數碼平台及／或社交媒體使用。
自 ChatGPT 問世以來，各行各業都在躍躍欲試開發或應用生成式 AI。公眾對 AI 寄予厚望，但由於其高昂的成本和技術的複雜性，究竟如何讓 AI 發揮作用，是時下大眾關注的焦點。
AI 憑藉強大的性能和一致性，能夠發現人類可能會錯過或者忽視的東西，因此具有強大潛力。但歸根結底，研發 AI 的基礎是數據。
也就是說，恰當地處理和保護數據至關重要。數據不僅是整個 IT 基礎設施的命脈，也是所有創新的基礎。作為生成式 AI 基礎設施的一部分，數據庫在不斷發展以適應生成式 AI 時代企業的需求。AI 的有效性取決於企業如何選擇恰當的數據庫來管理數據。
常用數據庫模型
在線交易處理（Online Transaction Processing，OLTP）數據庫是一種支持實施事務處理的數據庫系統架構，令企業能夠處理大量用戶同時進行的並發交易，例如在網上銀行交易、線上購物等。
此外，在線分析處理（On-Line Analytical Processing，OLAP）技術能夠整合交易數據，更能幫助整合多個來源的數據，因此可從多維度對數據進行快速而深入的交互式分析。此技術極大地提高了企業的分析效率。舉例來說，零售商可以將其庫存數據與客戶購買行為數據結合起來，依此判斷是否需要增加某種特定商品的生產量。
AI 時代的新興數據庫模型
隨著 AI 時代的到來，我們預計向量數據庫模型將最具變革性。
向量數據庫是用於配合大語言模型，通過將非結構化數據轉化為高維向量，為「智能工作負載」提供所需的數據高效管理。預計到 2050 年，包括文件、圖像、音頻錄製、影片等在內的非結構化數據，將佔據全球數據的 80%。彼時，AI 預計將實現更高階的語義理解，即理解潛在的語境和語義的細微差別，而非單純的字面含義。
AI 的終極目標是要理解和利用數據，而向量數據庫是提升大型語言模型行業特定知識的一個關鍵要素。例如，網絡遊戲公司可透過使用向量數據庫解決方案，創建能夠與人類玩家互動的智能非玩家角色（NPC）。這些 NPC 不只是按照預設腳本對話，而是會根據對玩家交流內容的實時理解做出反應，令互動更加真實。
兼顧成本與效益
當然，AI 的潛力不僅限於遊戲應用，甚至不止於理解和處理非結構化數據。
AI 還可被用於管理數據庫。當存儲空間不足時，AI 可以向系統管理員發出警報，提醒關注存儲需求並詢問是否需要擴展存儲空間。若獲得授權，AI 還能自動擴展存儲空間。同樣的功能也可應用於 CPU 容量、存儲容量以及其他功能上。
過去購買雲端服務產品時，必須預設一組伺服器資源，但這將帶來一定的成本。當預設的伺服器容量超過實際工作負載所需的量時，就會造成伺服器資源的浪費。
無伺服器運算旨在解決這一挑戰，確保雲服務所使用的伺服器容量精確地匹配工作負載的需求，並且能隨著工作負載動態變化進行適應。
透過將 AI 與無伺服器雲運算相結合，可實現兩者優勢的完美結合。AI 能夠增強企業決策能力，以應對突發的高增需求或動態變化的工作負載。企業亦只需按實際所需的資源數量付費，降低使用成本。
企業是否能夠把握住當下的 AI 趨勢，在競爭中脫穎而出，關鍵在於如何有效地利用適當的數據庫，以充分發揮 AI 的潛力和優勢。
撰文：阿里雲數據庫產品事業部總裁李飛飛博士
