6月24-26日,云原生领域顶级大会KubeCon + CloudNativeCon在上海召开,作为云原生技术与应用的领先企业,阿里云全面展示了云原生产品家族,同时发布边缘容器(ACK@Edge)和云原生应用管理与交付体系,为企业数字化转型提供全方位的技术支撑。
云原生是IT基础技术以及应用的新趋势。Gartner报告指出,到2022年有75%的全球化企业将在生产中使用容器化应用。
阿里巴巴是国内最早大规模布局云原生技术体系的公司。早在2011年,阿里巴巴就率先在全集团规模部署容器化基础架构,开启了中国公司将云原生技术体系在电商、金融、制造等领域中大规模应用的先河。
历经9年技术沉淀,阿里云已拥有国内最丰富的云原生产品家族,覆盖八大类别20余款产品,涵盖底层基础设施、数据智能、分布式应用等全栈技术能力,可以满足不同行业场景的需求。
目前,阿里云上运行着国内最大的公共云容器集群及镜像仓库,广泛服务于互联网、金融、零售、制造、政务等领域企业和机构,大幅降低了应用开发的门槛,让企业轻松享受云的优势。
奥组委通过容器服务ACK,在欧洲助力奥运OCS频道敏捷开发高效运维;西门子使用阿里云ACK,实现开放式物联网操作系统MindSphere微服务架构、DevOps以及系统的高可用;迅雷使用容器混合云方案,完成云下及云上混合部署和调度,在享受极致弹性的同时降低成本。
此次发布的边缘容器可实现云、边、端一体化的应用分发,支持不同系统架构和网络状况下,应用的分发和生命周期管理。该产品采用了自研高性能Terway网络插件,将弹性网卡ENI分配给容器实例,使容器实例和计算资源使用同一个网络平面,性能较传统的overlay容器网络高出20%。
大会同时发布了云原生应用管理与交付体系,涵盖国内首个开放云原生应用中心Cloud Native App Hub、云原生应用自动化引擎OpenKruise等服务。
其中,OpenKruise 开源项目源自于阿里巴巴经济体过去多年的大规模应用部署、发布与管理的最佳实践,同时解决了 Kubernetes 之上应用的自动化管理问题。OpenKruise后续会继续覆盖部署、升级、弹性扩缩容、QoS 调节、健康检查,迁移修复等更多K8s 自动化能力。
阿里云智能容器平台负责人丁宇表示:“云原生正在重塑整个软件生命周期,容器、Kuberentes、云原生成为云时代的三个重要标准。阿里云将继续加大云原生技术栈产品体系的研发,并持续回馈开源社区,与生态合作伙伴一起,共同推动云原生标准制定以及应用的落地。”
阿里云是国内在云原生领域的开源贡献最全面的科技公司,涵盖编排调度、作业管理、无服务器框架等,主导维护etcd、containerd、dragonfly等多个CNCF明星项目的发展,已有超过10个项目进入CNCF landscape。今年1月,阿里云资深技术专家李响成为首个入选全球顶级开源社区CNCF技术监督委员会的中国工程师,致力于推动云原生技术的落地。
得益于全面的技术投入和大规模应用实践,阿里云成为国内唯一进入2019 Gartner《公有云容器服务竞争格局》报告的企业。今年3月,阿里云智能总裁张建锋表示,未来1-2年内,阿里巴巴要实现100%的业务跑在公共云之上,并且继续大力投入云原生技术的研发。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。