至顶网软件频道消息:如果你仍然认为微软只是有Windows的话,醒醒吧。微软Azure计算总监Corey Sanders在近日举行的Cloud Foundry峰会上表示,目前有1/3的Azure虚拟机是运行在Linux上的。除此之外,有超过60%的Azure Marketplace镜像是Linux的。
正如我总喜欢说的,“这并不是史蒂夫 · 鲍尔默时期的微软了”。当然,即使是鲍尔默,最近也改变了自己的开源论调。他宣称他“乐于”看到微软将SQL Server植入Linux。现在,微软是喜欢Linux的。
多年前微软意识到,微软未来的利润不在Windows桌面,而是在Azure云和服务中。正如Sanders所说,Linux和开源是“客户所在的地方”。
那么,微软为为企业Linux用户在Azure上提供了哪些选择?
好的,首先你可以采用你自己的Linux分发版。如果你真的想在Azure上运行Arch Linux(一个倍受欢迎的轻量版Linux),你是可以的。的确,现在已经有了一个非官方的指南关于如何在Azure上运行Arch。
不管你运行的哪个版本的Linux,只有一个例外,Red Hat Enterprise Linux(RHEL),微软对Linux虚拟机并不收取前端费用或者终止费用。你只需要为你使用的资源付费。
为了将一个未获得支持的Linux发行版带入Azure中,你需要遵循微软关于非背书Linux发行版的指南。这可不是一个业余新手能干的工作,但是那些熟悉在Azure云上管理虚拟机的用户不会遇到太大的困难。
不过,大多数人都希望运行一个获得支持的Linux版本。下面就是目前你可以选择在Azure上运行的Linux版本。
CentOS:这是一个RHEL克隆。Azure支持CentOS 6.2+和7.X+。如果没有Azure支持计划的话,微软是不提供支持的。这个发行版也没有得到Red Hat的支持。一些CentOS镜像是Rogue Wave Software创建的,后者是一家软件开发工具公司。Rogue Wave在Azure上提供对CentOS的支持合同。
要想成功运行CentOS,你还需要Azure Linux Integration Services Version 4.1 for Hyper-V的驱动程序。
Clear Linux:这是英特尔云特定的Linux。Clear Linux是一个裸机发行版,适合于那些想要尝试容器而不是在业务中部署的用户。
CoreOS:这个较新的Linux是全新设计的,专门针对运行中的容器。CoreOS还是一个领先的Kubernetes容器管理工具。微软最近与CoreOS围绕Draft合作,这个工具可以在Kubernetes上交换应用的开发。Azure支持CoreOS 494.4.0版本。
Debian:是的,Debian,是针对免费软件GNU/Linux的新版本,自从2015年以来一直运行在Azure上。Azure支持Debian 7.9+和8.2+,很快推出该家族最新的Debian 9。
Oracle Linux:这是Oracle版本的RHEL,运行在Azure上,有6.4版本和7.0版本。要想在Azure上运行Oracle Linux,你必须持有有效的Oracle许可。
Red Hat Enterprise Linux:你可以运行你自己的RHEL 6.7或者7.1+镜像,或者使用Red Hat的。不管是哪种方式,你都需要订阅一个RHEL。RHEL on Azure还要求占有6%的计算时。
SUSE Linux Enterprise Server (SLES):SUSE也在Azure上有两个镜像。首先标准版是没有支持的。高级版支持MicrosoFreeBSD 10.3ft。如果微软不能帮你的话,他们会呼叫SUSE寻求帮助。你可以运行SLES 11 SP4、12 SP+和同等的SLES for SAP Azure变体版。你还可以在Azure上运行openSUSE。
Ubuntu:这是在Azure上使用最多的Linux,或者任何云中。微软认识到这一点,所以给予Ubuntu on Azure的支持。例如,Azure File Storage首先是在Ubuntu 17.04上提供的,Azure还支持Ubuntu 16.04及更高版本。
最后,微软不仅支持FreeBSD 10.3(BSD Unix on Azure),还将这个免费软件操作系统植入到Azure中。
所以不管你信不信,如果你想要拉近Windows和Linux服务器之间的差距,微软和Linux合作伙伴已经为你准备好了他们各式各样的Azure Linxu产品。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。