至顶网软件频道消息: 从2010年NASA和RackSpace决定将OpenStack项目开源算起,OpenStack面市已经近9年年了。这些年来,OpenStack从最初的一个开源小项目成长如今的开源云框架的事实标准,走过了一条非常成功的道路。在中国市场OpenStack发展得非常好,和美国一起成为OpenStack最为重要的两大市场。同时,中国也正在OpenStack发展方向上发挥越来越重要的作用,如今中国的华为、腾讯是OpenStack的白金赞助商(最高级),在基金会中我们还有中移动、中国电信、浪潮等10家黄金赞助商。
“OpenStack是当今最成功的开源项目之一。OpenStack基金会有超过10万会员,OpenStack在全球187个国家有部署。目前,用户也是非常活跃的,比如,在上一个OpenStack版本发布的周期当中,一年时间里就有 7 万次代码提交。 ”OpenStack基金会执行董事Jonathan Bryce在日前OpenStack基金会举办的媒体沟通会上表示。
据悉,一年7万次的代码提交数量是非常大。目前全球范围内仅 3 个开源项目拥有这样的活跃度(除了OpenStack之外只有Linux Kernel和Chromium)。
Jonathan Bryce介绍说,目前OpenStack基金会除积极推动 OpenStack 项目之外,还致力于推动 OpenStack Infrastructure 开源基础设施的建设和发展。这里所说的开源基础设施包括计算、存储、网络以及所有对于驱动云计算的发展非常重要的计算功能和具体应用所必备的组成部分。为了促进开源基础设施的普及,从 2017 年年底的时候开始,OpenStack基金会一直在推动开源项目新的流程,这个流程以“协作”为核心。
“不协作,勿宁死,一个项目尤其是开源项目没有协作,很难取得真正意义上的成功,协作和集成尤为重要。”Jonathan Bryce说。
在OpenStack之外,OpenStack基金还确立了一些新的重点领域,包括边缘计算、容器、AI等,为此新推出了一些试点项目,包括数据中心自动化配置的开源项目Airship、容器项目 Kata Containers、边缘云计算项目StarlingX、持续集成/持续交付平台Zuul。最近,OpenStack基金会刚刚批准Kata Containers成为新的顶级开源基础设施项目。
对于OpenStack在中国市场的发展,Jonathan Bryce给予高度肯定。他表示,中国是OpenStack的最主要市场之一,以OpenStack最新版本的Rocky 为例,来自中国的下载和代码贡献也都仅次于美国,位列第二。
Jonathan Bryce认为,中国对OpenStack的发展起到了非常重要的作用,其中之一是让更多人能用OpenStack。比如,在中国除了华为、浪潮等这些大公司积极推广OpenStack外,还有很多新兴的公司(如九州云、EasyStack等)提供基于OpenStack的产品,这样能让更多中国企业使用OpenStack。中国对OpenStack的第二个贡献体现在,中国公司在技术上展现出来的领导力,如今,在基金会中有多位独立董事来自中国,他们是OpenStack全球社区里非常重要的领导者。
随着OpenStack在中国的普及,OpenStack基金会也会向中国市场投入更多支持,今年OpenStack基金会将在中国上海设立办公室。另外,一年两次的 OpenStack 峰会(从去年开始 OpenStack峰会改成了OpenStack Infrastructure 开源基础设施峰会),今年下半年的峰会会在上海举行。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。