Veritone 正在将更多 AI 业务转移到 Oracle 云基础设施（OCI），签署多年协议迁移核心工作负载，以实现更快扩展和全球业务拓展。
这家总部位于加利福尼亚、专注于非结构化数据的企业级 AI 公司表示，OCI 将成为其核心产品的首选平台，包括 aiWARE、Veritone Data Refinery 和 Veritone Data Marketplace。
此举正值 AI 需求激增之际，企业逐渐意识到真正的挑战不仅在于构建模型，更在于处理大量非结构化数据。
"通过将一些最关键的工作负载迁移并扩展到 OCI，我们期望能够更好地为客户提供所需的性能、安全性和可扩展性支持，"CEO Ryan Steelberg 在接受 Data Center Knowledge 采访时表示。
云基础设施作为核心支撑
此次合作的核心是 aiWARE，这是 Veritone 用于在大量音频和视频数据上运行和管理 AI 的平台。但向 OCI 的转变并非一蹴而就。Steelberg 表示，Veritone 能够跨云迁移工作负载，源于多年来对其技术栈的重新架构。
"我们几乎将整个 AI 技术栈容器化了……这使我们在部署方面更加独立和云平台无关，"他说。
随着 Veritone 全球扩张并响应对主权 AI 部署日益增长的需求，这种灵活性现在变得至关重要。
"主权……这是当前的热词，"Steelberg 说，并指出一些政府对数据和 AI 系统的托管位置越来越谨慎。
通过转向 OCI，Veritone 押注于性能、成本竞争力和全球覆盖的组合来支持这一转变。
将数据转化为燃料
这项合作的重要部分关乎数据，而非仅仅是基础设施。Veritone 的 Data Refinery 旨在将原始音频和视频转化为可用的 AI 数据，而其 Data Marketplace 则将这些数据分发给开发者。
Steelberg 表示，挑战在于大量数据仍存储在传统格式中。
"大量数据仍在磁带和传统格式中，"他指出数字化和处理大型媒体档案的成本和复杂性。
即使完成数字化，组织仍面临索引和结构化数据的任务——这个过程正变得更便宜、更快速，但仍是一个主要障碍。
数据重于模型
对于 Veritone 来说，长期战略十分明确：数据管道将比模型更重要。
"金鹅就是数据，"Steelberg 说，强调训练数据和数据流正成为 AI 技术栈中最有价值的部分。
这与 Veritone 专注于处理、结构化和变现非结构化数据而非构建基础模型的定位一致。
该合作也支持 Veritone 在媒体和公共部门市场的扩张。
在媒体领域，公司与广播公司和体育组织合作管理和变现大型内容库。在政府部门，它正在满足联邦合规要求的安全环境中部署 AI 工具。
Veritone 的开放式多模型方法也影响着它与云服务提供商的合作方式。
"我们有点云平台无关……我们与所有云服务商都有联合销售，"Steelberg 说，强调超大规模云服务商仍是合作伙伴而非直接竞争对手。
分析：规模化数据管理
随着 AI 的发展，真正的优势正转向那些能够大规模移动、处理和管理数据的公司。Veritone 正好处于这一层面，通过依托 OCI，它试图为这项业务构建更强大的基础。
这也指向 AI 技术栈的更广泛转变。随着企业采用超越实验阶段，瓶颈不再是模型获取，而是公司如何有效处理和运营大量非结构化数据。这使基础设施决策再次成为战略性而非仅仅是运营性的考虑。
与此同时，部署模型正在发生变化。企业，特别是在重度监管行业，正从一刀切的云服务转向跨越公有云、本地和边缘的更灵活环境。这直接发挥了 Oracle 的优势，并暗示了一个更加分散、架构驱动的云环境前景。
Steelberg 指出了另一个对基础设施有直接影响的转变：数据中心本身需要针对数据移动而非仅仅是计算进行优化。
"如果我们无法让数据在这些数据中心中有效流入流出，它们就毫无价值，"他说。
更大的图景是，AI 不再仅仅是模型竞赛；它是数据竞赛。那些最好地处理数据——并控制数据如何和在何处运行的公司——最有可能获胜。
Q&A
Q1：Veritone 的 aiWARE 平台是什么？它有什么功能？
A：aiWARE 是 Veritone 用于在大量音频和视频数据上运行和管理人工智能的平台。它是该公司的核心产品之一，现在将成为迁移到 Oracle 云基础设施的主要工作负载。
Q2：为什么 Veritone 选择迁移到 Oracle 云而不是其他云平台？
A：Veritone 选择 Oracle 云基础设施主要是看重其性能、成本竞争力和全球覆盖能力的组合。这一选择也支持公司的全球扩张和主权 AI 部署需求，特别是在一些政府对数据托管位置越来越谨慎的情况下。
Q3：在 AI 发展中，数据比模型更重要吗？
A：根据 Veritone CEO 的观点，数据管道确实将比模型更重要。他认为"金鹅就是数据"，训练数据和数据流正成为 AI 技术栈中最有价值的部分，而真正的挑战在于如何有效处理和运营大量非结构化数据。
热门跟贴