至顶网软件频道消息:微软公司已经同意以价值75亿美元的股票收购开发平台GitHub,不少开发者则因此开始物色新的代码托管选项。
软件巨头将自身描述为GitHub上最为活跃的组织,并宣称已经在其中进行了超过200万次提交。此外,微软公司的立足根基正是开发工具与平台,而此次收购亦可被视为微软对传统的一次回归。
微软公司CEO Satya Nadella表示,“我们承认,我们需要为此次收购协议负起责任。”
“我们致力于成为GitHub社区的管理者,GitHub社区也将继续保留其开发者至上的风格、独立运营的特质以及平台开放性。我们将始终聆听开发者的反馈意见,并投资建设基础功能及更多新功能。”
然而,开发者群体对这一消息的反应却不算积极。
我们一直在针对此次收购开展调查,而根据目前得到的结果来看,开发者们以四比一的压倒性比例毫不意外地给出了反对观点。
与此同时,读者们亦纷纷给出了自己的意见。JMcPhee评论称:“微软表示‘看起来你正在编写源代码,是否需要帮助?’”Fruit与Nutcase则更直白将其形容为“开发者!开发者!开发者!Git!Git!Git!”这样一场狂欢。
此外,另一套源代码管理平台GitLab则率先祝贺其竞争对手GitHub迎来收购。但GitLab方面同时指出,其代码库导入速度猛增至原本的十倍。
从GitLab自身的状态仪表板统计数据来看,上述数字实际上偏向保守。就在上周末,开发者们开始变得焦躁不安,并在微软与GitHub收购案正式公开之前看到了不少传闻与消息。
GitHub方面宣称到2017年为止其托管的代码库总计5700万套,而在其十周年庆典上亦表示项目总数超过8000万个。如今,其已经拥有2800万用户。GitLab面对如此强大的对手自然还有漫长的道路要走,但其也必然欢迎此次意料之外的宣传良机。
GitLab本身其实也遇到了一些麻烦。在2017年意外删除生产目录之后,程序员用户们在这里经历了一场集体性的心脏病发作——好在最终丢失的数据陆续得到恢复。
该服务在今年4月还遭遇了一些严重的性能问题,希望这一切在此轮汹涌的repo浪潮当中不会再次出现。
除此之外,还有其它替代性方案——例如BitBucket、SourceForge以及GItea。
尽管微软方面在Nadella管理期间对开源社区表达出关怀与共享等相当积极的信号,但软件开发者们对于微软以往的打击开源行为显然还记忆犹新。
不过,立即转投其它代码托管平台怀抱似乎也不太明智。虽然目前已经存在多种Git服务可供选择(而且编程人员完全可以随时建立自己的平台),但实际迁移过程往往相当复杂且有可能给项目带来巨大影响。因此,请各位开发者朋友采取谨慎的应对态度。
最后需要指出的是,一旦正式加盟微软,GitHub将由Xamarin公司创始人Nat Friedman负责管理——GitHub现任掌门人Chris Wanstrath将不再担任CEO职务。
Friedman表示,“GitHub将继续作为社区、平台以及企业保持独立运作。这意味着GitHub将坚守自己的开发者至上价值观、独立精神以及开放的可扩展性能力,我们也将始终支持开发人员选择其熟悉并喜爱的任何语言、许可、工具、平台或云。”
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。