2018年红帽全球峰会新闻速递:IBM和红帽宣布将大力扩展两者之间的长期合作关系。IBM和红帽的企业用户可以从两家公司在私有云和公有云技术领域的联合优势中获益。
该协议基于IBM最近的重大举措:利用容器技术重新设计了整个软件产品组合(包括WebSphere、MQ Series和Db2)。容器技术正在迅速成为在多种IT环境之间安全可靠地迁移应用的方式,能将应用在现有数据中心和公有云间自由迁移。
在IBM进行软件容器化的同时,红帽丰富的企业级、云原生及混合云基础架构解决方案组合也得到进一步发展。这二者的结合为企业采用混合云计算提供了明确的途径。
通过该协议,IBM和红帽的企业用户现在能够:
利用IBM Cloud Private和红帽OpenShift技术,最大限度地利用他们现有的技术投资,并将其更轻松地迁移到混合云中;
在一套单一、集成的容器平台IBM Cloud Private上构建和部署容器化的应用,获得企业所有数据的整合视图;
借助于运行在红帽OpenShift容器平台上的IBM Cloud Private,同时充分利用IBM基于云计算的服务,如人工智能(AI)、物联网(IoT)和区块链,让开发人员更快速地设计、改造和部署新的应用。
作为该协议的一部分,IBM将把其私有云平台(IBM Cloud Private和IBM Cloud Private for Data),及其中间件产品扩展至红帽OpenShift容器平台,成为红帽认证的容器产品。企业用户能够得益于IBM Cloud Private自助服务目录、部署引擎,及在红帽OpenShift容器平台上运营管理所具有的速度和简单性,这些特性涵盖了包括IBM公有云在内的所有混合云环境。
该合作项目建立在全球最大的两家开源企业——IBM与红帽长达二十年的合作关系之上。红帽订阅客户现在已经可以通过“红帽云访问”(Red Hat Cloud Access)解决方案,在IBM Cloud上使用红帽 OpenShift容器平台订阅功能,享受该合作带来的益处。
红帽和IBM还将进一步合作:IBM Garage和红帽咨询部门将提供联合咨询和实施服务,并得到世界领先的红帽服务以及IBM技术支持服务的鼎力相助。同时,两家公司还宣布了一项联合开发计划,以尽快在IBM Power Systems上提供红帽产品组合的关键组件。此外,通过与红帽合作,IBM还宣布,IBM PowerAI现已可以在红帽企业Linux上运行。
目前,《财富》杂志评选出的100强企业中,有90%都在使用IBM的系统,并且,每天有超过1000亿次关键任务交易均运行在IBM系统上。同时,红帽产品已经成为领先的企业Linux平台,并成为推动全球IT机构采用Kubernetes的主要因素之一。
高层证言
Paul Cormier,红帽产品与技术部门总裁
如今的企业需要一套简洁的数字化转型路线图,而且需要对跨多个IT环境部署的一致性具有信心。通过扩展我们与IBM之间的长期合作,我们把红帽OpenShift容器平台以及IBM Cloud Private这两套领先的企业应用平台结合到了一起,并为之添加了IBM软件和云解决方案的强大功能。我们将携手为企业用户提供受支持的、具有一致性的产品。
Arvind Krishna,IBM混合云高级副总裁
和IBM近期对其中间件进行容器化的举措一样,IBM和红帽之间建立的里程碑式合作关系也为企业用户提供了更多的选择和灵活性。双方利用容器架构实现混合云的共同愿景能够支持数百万家企业,无论它们来自银行业、航空业或是政府机构等等,让他们可以从我们两家公司获得领先技术,而无需在公有云与私有云之间进行取舍。
Sam Fatigato,Coda Global首席执行官
IBM和红帽公司在提供企业灵活性方面处于领先地位,他们都大力支持开放标准和混合云环境。这一合作伙伴关系契合Coda Global公司的战略,即帮助客户利用具有企业级管理能力和规模的、基于容器的云计算技术来实现其应用的现代化。Coda Global公司能够助力企业将其最伟大的创意迅速推向市场,而IBM Cloud Private与红帽OpenShift的结合能够帮助我们快速、高质、大规模地提供服务。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。