至顶网软件频道消息: 5月10日,红帽公司宣布,宝马集团已经部署了红帽OpenShift容器平台,以支持其交付业务应用和服务。宝马集团等企业利用红帽OpenShift容器平台进行创新,加快应用开发,缩短上市时间,获得更大的灵活性,以便按需扩展服务。
在竞争激烈的汽车行业中,IT基础设施不仅支持开发和制造等内部功能,而且还必须支持提供数字服务,以满足客户对可靠性和性能的需求。大多数客户通过宝马集团的IT服务直接与其进行互动。宝马集团几乎所有汽车都配有BMW ConnectedDrive,它是该公司一套数字产品,使用一系列服务与应用将驾驶员与车辆连接起来,为驾驶员提供与车辆有关的各种信息、辅助功能和驾驶途中的娱乐活动,或者能让他们对车辆进行远程访问操作。
宝马集团目前拥有1000多个基于web的应用,表明了市场对于随处可见、易用的应用需求在不断增长, 这种增加凸显了许多企业的一项重要需求:动态扩展现有的应用和服务,以满足各种需求,同时更快地把新的创新推向市场。传统的企业架构本质上往往是巨型整体式的,可能很难处理现代工作负载的动态需求。因此, 许多全球性企业寻求更灵活的应用基础设施,以支持更敏捷的开发和IT运营方式,包括持续交付、持续集成和广泛的自动化。
红帽OpenShift容器平台是一个以容器为中心的混合云解决方案, 它由Linux容器和Kubernetes、Project Atomic(项目原子)和OpenShift Origin上游项目等构建而成,基于可信赖的世界领先的企业级Linux平台 -- 红帽企业版Linux。红帽OpenShift容器平台为基于容器的部署提供了一个更安全、更稳定的平台,而且无需损失当前的IT投资,可以让任务关键型的传统应用与新型的、云原生的、基于容器的应用共存。
宝马集团的开发人员更青睐使用行业标准技术, 因此该集团特别重视红帽对Docker及Kubernetes项目的广泛贡献,以及红帽为这些技术提供的企业级版本。红帽OpenShift容器平台还支持多种公共云,允许探索混合云策略,同时可以保留独立于底层基础架构的应用, 从而能够让宝马集团这样的企业随时选择最密切贴合其需求的技术。此外,红帽OpenShift容器平台中与现有技术堆栈的简化集成也有利于保护现有投资, 同时实现更快速地向现代原生云运行环境转移。
由于受到一天中的时间、天气状况、交通事故等多种因素的影响,宝马ConnectedDrive的服务请求经常有大幅波动。当把传统应用分解成在容器中运行的微服务之后,红帽OpenShift容器平台使宝马集团能够进行点扩展,根据需求的高峰和低谷调整负载,并提供现今消费者所期望的持续服务。
宝马集团最初在其位于德国的企业数据中心使用红帽OpenShift容器平台,专注于支持ConnectedDrive。
红帽副总裁兼OpenShift PaaS业务部门总经理Ashesh Badani表示:“宝马集团展示了企业如何采用敏捷的方法和现代化的容器技术交付业务价值并增强客户体验。我们很高兴为汽车行业创新的领导者提供支持,协助它提升其技术实力和创新能力,以便更快、更可靠地提供服务。简化企业从创建到部署的应用开发流程,对于企业级的数字化转型至关重要,预计这一趋势将愈加明显,特别是其他企业将追随像宝马集团这样的行业先锋的步伐。”
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。