OpenStack Days China 2017于24日至25日在北京国家会议中心召开,红帽与众多国内主流OpenStack厂商专业人士、各行业高管、电信运营商、OpenStack贡献者、云运维工程师、应用开发者等深入探讨了OpenStack的开发应用经验以及未来发展方向。
OpenStack Days China 2017红帽展台
作为全球领先的开源解决方案提供商,红帽推出的OpenStack平台,整合在红帽企业Linux上,能够满足高安全性要求,密切监管OpenStack中的各种动态,摆脱供应商依赖,从而能够满足企业用户更高需求的能力。红帽OpenStack平台解决方案配合其他一系列完备的服务产品,为开源生态系统的构建打下了坚实的基础。
OpenStack技术委员会成员、红帽总部持续集成/开发首席架构师Monty Taylor
本次大会上,Monty Taylor就《全球OpenStack: 云互操作性的力量》这一主题展开精彩演讲,他指出,OpenStack成功联结了全球的开发者,形成了一个十分有意义的生态社区,每位开发者都可以用自己喜欢的方式为这个生态社区做出贡献。OpenStack还为全球云科技提供了强大的助力,无论何时何地,都能让开发者们在多元的平台上面完成他们的工作,共同致力于社区建设。
这与红帽的企业愿景不谋而合:成为基于开源提供创新技术的客户、合作伙伴、贡献者之间的催化剂。此外,Monty回顾了红帽过去取得的一系列成就,同时也指出了当前面临的挑战,他深入探讨了这些挑战与OpenStack的关系,并提出了OpenStack下一步发展的宏观愿景。
红帽资深技术专家张家驹
张家驹发表了题为《深度解析红帽开源云堆栈》的演讲。他指出,当今数字化转型是大趋势,OpenStack将是企业未来发展的必然方向。他还深入解读了OpenStack模块构成、核心技术栈、NFV解决方案等技术关键,全面直观地展现了红帽OpenStack平台。
除此之外,他还分别展示了红帽OpenStack四个成功应用案例。比如在红帽技术专家的指导和支持下,沃尔沃基于红帽OpenStack平台和CloudForms的开放混合云,创建了一种多层架构,支持持续整合和DevOps模式。该项目不仅基于整个产品堆栈的整体一致性,还能够为不同的堆栈层,如Paas、IaaS、管理与操作系统等提供支持;红帽针对美国个人消费信用评估公司(FICO)提供了多项服务,使其在中端市场和中小企业客户中获得了1000万美元的销售额,并减少了新业务上线时间和存储成本,还提升了数据管理的效率。同时,还分享了来自国内电信与金融行业的成功案例。
红帽资深解决方案架构师王磊
王磊在其《红帽OpenStack Platform – 推动企业采用OpenStack》演讲中表示,当前OpenStack市场呈现出稳健的增长态势,预计到2020年将会接近6万亿美元。红帽采用订阅模式,提供OpenStack平台和CloudForms管理系统服务,可以有效地帮助用户使用OpenStack。
他还特别强调,OpenStack的实施关键是人,尤其在企业面临数字化转型之际,工作流程的变化、相关配套管理系统的变化都需要更为专业的人员和模块化的管理。红帽提供的OpenStack服务不仅具有技术优势,而且还涵盖了人员培养和管理模式的针对性设计,帮助企业应对转型时人员的问题。
本次大会期间,红帽还与其他与会成员进行了深入交流,在未来也将持续致力于为全球用户提供更为优质的OpenStack平台服务,并为OpenStack生态做出更多贡献。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。