ZD至顶网软件频道消息: 现在所有人都可以使用了——微软顶尖的工程师表示,“呼吸新鲜的空气吧!”
据Stack Overflow的估计,Swift在最受欢迎的编程语言中排名第二,该语言已经出现在了IBM的BlueMix云平台之上,供所有人使用。
她从今年二月份开始成为BlueMix之上的一个运行时,当时IBM提供了一种方式将Swift二进制上载到Linux容器将其打造成为一个应用程序,进入令人向往的世界。
在六月份召开的苹果公司Worldwide Developers Conference大会取得了进一步的进展,苹果公司在大会上发布了Kitura,这是一个Swift网络应用程序框架,以及各种产品包以处理套接字、安全性、组网、存储等。
得到了Kitura——上周发布了1.0版本——和其他的网络应用程序框架,例如Perfect、Swift Express、Tailor、Vapor和Zewo的支持,Swift已经成为编写基于服务器的应用程序的一种可行的方式。
本月早些发布的Swift 3.0最终导致正式的Swift Package Manager,简化了各种库的集成和维护的工作,以及各种开发人员不可避免会添加到他们的应用程序中的东西。
IBM Mobile Innovation Lab的杰出工程师Patrick Bohrer认为Swift对开发人员来说非常有趣,因为它提供了脚本语言的便捷性,并且提供了编译语言般的安全性和性能。
当然,让绰号“蓝色巨人”的IBM给冗余的员工下达情绪化的指令的可不仅仅是减少劳动的乐趣。它的乐趣也不仅仅是古怪的JavaScript或者过分冗长的Objective-C。但是对Swift的效果更好的描述可能是带来的愉快多过烦恼。
Bohrer对《The Register》表示,“这是大家都能够呼吸的新鲜空气。”
到目前为止,并没有很多公司加入进来,Bohrer将这一事实归结为适当的Linux支持要到3.0版本的发布才会出现。
Bohrer 表示,“现在有了一个我们能够使用的语言版本、一个网络框架以及一个运行时。” Bohrer 表示,“现在真的站在起跑线上了。”
IBM从2014年同苹果公司合作时就开始了同Swift的亲密接触,虽然IBM为苹果公司的iOS打造企业移动应用程序,而苹果公司在去年决定开放Swift的源代码。通过Swift能够支持服务器应用程序的能力,IBM确保了拥有这项技术的机构能够帮助其他的公司创建、部署和管理基于Swift的应用程序,最理想的情况下是和它的云服务结合在一起。
Bohrer认为Swift对机构应该有吸引力,因为Swift编写的应用程序和用其他语言编写的类似的应用程序相比,需要的内存更少。
Bohrer表示,“你有能力在给定的服务器上打包更多的运行时”,他表示IBM已经将Swift同JVM语言以及脚本语言进行了对比。
但是,Swift的未来仍然可能让人心碎。Apple的Chris Lattner在五月份的时候表示应用程序二进制接口(ABI)的稳定性最早在Swift 4.0才能实现。Swift 3.0应该带来资源和API稳定性,但是二进制不兼容的问题在该语言的下一次迭代中仍然可能存在,需要对应用程序进行重新构建。这可真有意思。
好文章,需要你的鼓励
The Access Group是英国最大的软件公司,估值近100亿英镑。该公司APAC区域技术总监Rolf Krolke分享了公司在频繁并购活动中如何整合各异IT系统的经验。由于自2017年来年均约10次收购,公司面临存储基础设施分散、维护困难等挑战。目前正推进存储现代化项目,将传统存储设备替换为Pure Storage全闪存阵列,并计划在全球10个数据中心部署数十PB容量,以支持新的Access Evo平台和AI应用。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。