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
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。