今年的Red Hat Summit 2017在美国波士顿举行,此会议一直是关于企业应用开发、IT自动化、容器和微服务的信息盛会。所有这些交织在一起,这些技术及其市场渗透得如何呢?为了找到答案,我们聆听了一些主题演讲和Red Hat高管的讲话,包括Red Hat首席执行官Jim Whitehurst的讨论,并且坐下来与Red Hat技术产品负责人Paul Cormier进行了沟通。下面就让我们来看看Red Hat Summit 2017峰会上的5大亮点。
容器正成为主流
Red Hat传递了一个重要信息:Red Hat OpenShift让容器在生产中的运营变成现实。Red Hat高管表示,“通过OpenShift平台即服务,Red Hat在生产中部署的容器已经超过其他任何厂商——包括Docker自身。通过OpenShift把容器部署到生产中的客户包括思科、迪士尼、德意志银行等大企业。你需要一个生产就绪的环境真正开始部署容器,并把你的业务置于其上,我们是唯一证明我们可以做到这一点的厂商。我们向您展示了全球最大的一些企业正在生产中运行我们的容器。”
与此同时,Red Hat本周大多数产品发布都是围绕容器的,包括OpenShift.io,一个用于创建基于容器的应用的在线开发环境。显然,Red Hat希望打破关于容器还没有为步入主流做好准备的担忧。
容器变现大战日趋白热化
顺便说一句,本周Red Hat发布了容器相关的新产品和新服务,同时Docker自己也有一些动作。Docker任命了前Concur首席执行官Steven Singh为新任首席执行官,通过为企业提供容器平台带来更多业务。这场从容器业务中盈利的竞争越来越激烈,Red Hat不掩饰地强调其自身的差异化。Cornier表示:“你必须是一家商用Linux厂商才能把容器做得很好。Docker的解决方案是面向最终用户的,客户要构建他们自己的内核。这不是企业就绪的,这不是企业可以很好使用的。”
Docker和Red Hat OpenShift之间的差异也在本周浮出水面:Red Hat使用开源的Kubernetes进行容器编排,而Docker的产品有它内嵌的编排功能。在本周的峰会上,Red Hat高管表示,Kubernetes必将成为标准。听起来Kubernetes将“主导一切”,将成为标准。“Kubernetes已经到达了一个转折点”,这是以前OpenStack在开源云计算领域到达的转折点。McCarty表示:“我们会记住其他名字,但是是高兴地回忆起他们。”
IT自动化进入新阶段
数十年来企业一直在追求IT自动化,现在有一些迹象表明这个目标最终开始逐渐实现了。Red Hat管理副总裁Joe Fitzgerald认为,Red Hat的Ansible产品代表着“IT自动化的典范”。该产品与众不同之处在于它为自动化提供了更高水平的简化性——意味着它不仅仅是面向工程师了。Ansible让企业“相比以往在更多领域实现自动化”,包括计算、网络、存储、容器和云等。Red Hat把Ansible定位为一款可以配合像Puppet和Chef等配置管理使用的编排工具,Ansible产品营销高级经理Justin Nemmers说。
不过,企业必须确保他们在做IT自动化的时候可以有恰当的控制,否则他们可能“很快会把糟糕的事情自动化”。此外,IT部门有些人可能不愿意看到自动化以保护他们的“专营权”。他说:“这个自动化的过程会发生变化,打破这些孤岛,而这必然会给那些正在经历这个过程的组织带来一些痛苦……但是如果你不这么做,你的竞争对手就会抢先你做了。”
微服务并不是万全之策
把应用分解成为许多分立的服务——也就是微服务——对于一些企业来说可能是明智之举,但并非所有企业。你越依赖微服务,你就会把越来越多的复杂性带入系统,Red Hat开发者项目高级总监Harry Mower表示。“这可能会引入一系列问题。我会提醒那些即将采用微服务的人们。有很多可行的理由把应用作为一个整体来操作,如果你已经在运行和使用一个应用,那么你不会希望混淆一些好的东西。”
但这并不意味着Red Hat不看好微服务。本周Red Hat推出了OpenShift Application Runtimes——预构建的运行时间基础——目标是加快在混合云上开发微服务。
企业需要进行更多实践
Red Hat首席执行官Whitehurst在这次峰会的主题演讲中谈到,大多数企业并没有以正确的组织方式来支撑员工进行创新。目前企业的组织方式基本上和150年前没有什么区别,一小群决策者制定计划和行动策略,努力达到一些理想的未来状态。Whitehurst表示:“这在静态的、稳定的环境中没有什么问题,但是如今世界发展速度这么快,未来变得越来越模糊,我们预测未来的能力也越来越弱。”.
这时候企业应该更多采用开源项目那样的方式,为个人创造尝试新鲜事物的环境,然后修改和解决出现的各种问题。Whitehurst表示:“那些知道在这种规模下如何做,创造性更多允许个人以集体方式做事机会的组织机构将会在21世纪取得成功。”
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。