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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。