1970年,Unix系统诞生,成为开源的开端;1990年代,“开源软件”一词被提出。自后,一波又一波的开发者纷纷投入到免费开源系统的开发,GNU/Linux系统发行版出现,并在计算机领域兴起了一场开源文化运动。
不过,在过去的这20多年里,“开源”还只是“开发者语言”,真正关心源代码、真正关注开源价值的,多数都只是开发者。直到近几年来,开源才真正开始“出圈”——在进行数字化转型的过程中,许多企业都处于快速创新、成本控制、应用快速更新迭代等多重压力之下,而开源因为更灵活、更开放,刚好可以解决这些问题。同时,随着开源行业标准渐渐成型,技术环境越来越成熟,开源的普及也变得水到渠成。
具体来说,在文化层面,开源可以极大地加速企业创新,它可以让每个人都参与到解决问题的过程当中,发挥集体的智慧,激发每个人的创新力;在应用层面,开源最大的特点是开放,它可以让开发人员在其中更好地互动、互益,同时减少应用开发“重复造轮子”的问题,降低非必要成本;在基础架构层面,开源还是云计算非常关键的技术,目前市场上的许多主流公有云和很多企业使用的私有云基于的都是开源技术。
所以,开源不仅仅是代码的一种共享,同时也是思想和资源的共享,它将成为企业加速数字化转型必不可少的一环。但老生常谈的是,开源不等于免费。要真正地创造价值,开源还需要与商业紧密结合,而这个过程依然处处是“坑”。
那么,开源在哪些场景更有“用武之地”?在使用开源的过程中如何“避坑”?如何利用开源把云计算的价值最大化?11月26日 14:00-15:30,在线参与“企业开源实践联盟城市高管在线圆桌会.重庆&成都站”,与开源实践先行者以及红帽技术专家共同探讨企业的“数智化”转型路径,以及混合云平台构建过程中的开源价值。
活动亮点
扫描图片上方二维码,立即报名
席位有限,先到先得!
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。