返回列表
OpenAI 模型与 Codex 正式登陆 Oracle Cloud:利用现有承诺构建企业级 AI 应用
行业新闻OpenAIOracle云计算

OpenAI 模型与 Codex 正式登陆 Oracle Cloud:利用现有承诺构建企业级 AI 应用

OpenAI 宣布与 Oracle 建立合作,允许用户通过 Oracle Cloud 访问 OpenAI 模型和 Codex。企业客户可以利用其现有的 Oracle Cloud 承诺(Commitments),在具备企业级安全性和治理能力的环境中构建并部署 AI 应用。这一举措旨在简化企业集成先进 AI 模型的过程,同时确保数据的安全与合规。

OpenAI Blog

核心要点

  • 平台集成:OpenAI 模型及 Codex 现已正式接入 Oracle Cloud 基础设施。
  • 资源复用:企业可直接利用现有的 Oracle Cloud 承诺额度(Commitments)进行 AI 构建。
  • 安全保障:提供企业级的安全防护与治理框架,满足高标准合规需求。
  • 部署优化:旨在简化企业级 AI 应用从开发到部署的全流程。

详细分析

深度集成:OpenAI 模型进入 Oracle 生态

根据 OpenAI 官方发布的最新消息,OpenAI 的核心模型以及专门用于代码生成的 Codex 模型现已正式登陆 Oracle Cloud 平台。这意味着 Oracle Cloud 的用户无需跨平台操作,即可在其熟悉的云环境中直接调用 OpenAI 的先进技术。这种集成不仅降低了技术对接的门槛,还为已经在 Oracle 生态中运行核心业务的企业提供了更便捷、更直接的 AI 接入路径,有助于加速企业内部的智能化转型。

资源复用:利用现有云承诺降低成本

此次合作的一个关键商业亮点在于,企业可以使用其现有的 Oracle Cloud 承诺(Commitments)来访问这些 AI 能力。对于许多已经与 Oracle 签订长期服务协议并投入大量资源的企业而言,这意味着他们可以在不增加额外采购流程或预算审批的情况下,灵活地将已有的云信用额度分配给 AI 创新项目。这种模式极大地优化了企业的成本结构,使得 AI 技术的引入更加顺畅且具备经济性。

安全合规:企业级治理保障

在企业级应用场景中,数据安全与治理始终是核心考量因素。OpenAI 强调,通过 Oracle Cloud 部署的模型将受益于 Oracle 长期积累的企业级安全架构。这确保了企业在利用 Codex 进行自动化代码生成,或使用其他大模型处理敏感业务数据时,能够严格遵循内部的安全策略和行业监管标准。这种结合了领先 AI 能力与稳健云基础设施的方案,解决了企业在应用 AI 时的后顾之忧。

行业影响

此次 OpenAI 与 Oracle 的合作标志着顶级 AI 模型提供商与传统企业级云巨头之间的进一步融合。对于 AI 行业而言,这拓宽了先进模型的落地渠道,尤其是进入了对安全性、稳定性和合规性要求极高的传统企业市场。对于 Oracle 而言,引入 OpenAI 的核心能力显著增强了其云服务的竞争力,使其能够与集成了 OpenAI 技术的 Microsoft Azure 在企业级 AI 市场展开更直接的竞争,进一步重塑了全球云计算市场的格局。

常见问题

如何在 Oracle Cloud 上访问 OpenAI 模型?

用户可以通过其现有的 Oracle Cloud 账户,利用已有的云承诺额度,在 Oracle Cloud 平台上直接配置和调用 OpenAI 的相关模型及 Codex 服务。

使用 Oracle Cloud 部署 OpenAI 模型有哪些安全保障?

该服务集成了 Oracle 的企业级安全和治理功能,确保所有 AI 应用的构建、测试和部署过程都符合企业级的安全防护标准和合规性要求。

现有的 Oracle Cloud 承诺是否可以直接抵扣 OpenAI 服务费用?

是的,根据官方说明,企业可以使用现有的 Oracle Cloud 承诺来构建和部署这些 AI 能力,从而实现资源的有效复用。

相关新闻

美团 BI 架构演进:以指标平台为核心解决数据口径与性能挑战
行业新闻

美团 BI 架构演进:以指标平台为核心解决数据口径与性能挑战

美团数据平台近期分享了其在新一代 BI 架构上的探索实践。该架构以指标平台为核心,通过构建“自动语义”和“增强计算”两大核心能力,有效应对了传统 BI 模式下因个性化数据集导致的数据口径不一致及查询效率低下的行业难题,标志着美团在数据治理与分析引擎领域的深度突破。

美团技术团队分享:基于Agent评测思路的31万行代码AI重构实践
行业新闻

美团技术团队分享:基于Agent评测思路的31万行代码AI重构实践

本文介绍了美团技术团队在AI生成代码占比超过90%的背景下,如何通过Agent评测思路管理AI Coding。针对AI可能放大系统混乱的风险,团队通过31万行代码的重构实践,构建了包含技术债梳理、Rule建设、重构SOP及Pre-PR机制的体系,成功将高成本的重构专项转化为随迭代持续推进的日常动作,为AI时代的软件工程管理提供了新范式。

LARYBench发布:定义具身动作表征“ImageNet”,通用模型性能超越专家模型
行业新闻

LARYBench发布:定义具身动作表征“ImageNet”,通用模型性能超越专家模型

美团技术团队正式发布LARYBench(Latent Action Representation Yielding Benchmark),这是一个旨在从大规模视觉数据中学习通用隐式动作表征的系统化评测基准。实验结果显示,通用视觉模型在动作泛化与控制精度上显著优于专门的具身动作专家模型。该研究证实,具身动作表征能够从大规模人类视频数据中自然涌现,为具身智能的发展提供了新的评测标准与研究方向。