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
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。