至顶网软件频道消息: 软件容器让企业打造能够运行在各种不同类型基础设施上的应用,然而由于英特尔在服务器市场占据主导地位,因此实际上大多数部署都是运行在基于英特尔芯片的硬件上的。
为了推进软件容器运行在其他平台上,Docker今天宣布与Arm展开合作,大大扩展其产品对Arm芯片设计的支持。
Arm本身并不生产处理器,而是向其他半导体制造商提供设计许可。Arm的芯片以效率著称,这一点也帮助Arm近年来进军到数据中心市场。现在很多领先的服务器制造商都有销售基于Arm的系统,不仅如此,AWS最近也宣布加入其中,推出了采用Arm Neoverse系列处理器的云实例。
在这次合作中,Docker将致力于简化开发运行在这种基础设施上的软件。令开发人员可以在基于Arm的计算机上构建容器化应用。Docker将让使用Docker容器平台的200万工程师能够在他们现有基于英特尔的工作站上开发兼容应用,从而打消采用容器应用的障碍。
这种互操作性还有利于企业为互联设备编写软件。Arm芯片为目前大多数物联网提供支持,迄今为止Arm的半导体合作伙伴已经根据Arm的设计出货了超过1350亿个处理器。
“Arm技术在全球互联网基础设施市场中的普及是无与伦比的,如今有近200万的Docker开发者能够快速安全地构建和扩展面向云和这些互连设备的应用。”Docker战略联盟执行副总裁David Messina在一份声明中这样表示。
此外,Arm和Docker还计划将Docker Enterprise商业版容器平台引入AWS采用Neoverse的云实例中。两家公司表示,这次合作伙伴关系将优先考虑“安全设备管理”,并表示双方的计划还涉及Arm用于管理互连设备部署的Pelion平台。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。