SUSE Linux Enterprise Micro 5.2 的新特性
SUSE Linux Enterprise Micro 5.2是一个更加稳定的整合版本,旨在提高可用性和可靠性,其新特性包括:
引入自安装镜像,以进一步减少部署时间。自安装镜像是一个可引导的预配置镜像,可以更简便地安装到目标系统上,然后使用与现有预配置镜像相同的配置方法。自安装镜像删除了部署 SLE Micro 的手动步骤,从而优化了部署流程。
使用基于 Web管理的附加模块cockpit,增强了基于 Web 的配置和管理的可用性。
SLE Micro 的应用场景
SLE Micro 可作为单节点容器主机、Kubernetes 集群节点、单节点 KVM 虚拟化主机或公有云使用。SLE Micro 是按规模构建的,客户可以将其纳入他们的数字化转型计划中,无论是在边缘还是支持大型机的边缘部署,客户都可以按照自己的节奏将工作负载设计从单体应用过渡到微服务方式。他们可以从容器工作负载开启数字化转型,或者虚拟化他们当前的遗留工作负载,在准备好后,再迁移到容器化工作负载。在这一过程中,底层系统平台不会发生改变。
SLE Micro 的低维护性受到了客户的高度认可,它可以在帮助客户实现基础设施现代化的同时降低成本。SLE Micro 提供了一个超可靠的基础架构平台,易于使用,开箱即用,具有高度的合规性。
SLE Micro 是 SUSE 边缘解决方案不可或缺的一部分,各行业客户和合作伙伴获得的收益如下:
制造业
Krones 将工厂车间的物理服务器换成了连接到云的边缘设备,并通过在Kubernetes中使用 SLE Micro 和 K3s,将服务器数量减少了 50%。来自 KRONES AG 的软件系统研发 Ottmar Amann 表示:“我们采用了去中心化策略,将在裸机上运行的应用程序移动到完全托管的、使用 K3S 和 SLE Micro的容器化堆栈上,从而降低了运营费用,并实现了应用程序基础架构的现代化。”
电信
作为全球最大电信运营商之一的某企业,采用了供应链多样化策略,通过 K3s、SLE Micro、SUSE Manager 和 Rancher Management 对其边缘云项目进行全生命周期管理,从而降低了 TCO(硬件和软件)。
嵌入式系统
一家位于美国的大型系统集成商正在使用 SLE Micro,并通过在易于维护和更新的不可变基础架构上支持容器工作负载来降低维护成本,实现嵌入式系统的现代化。
大型服务器
凭借较小的体积、内置安全框架和几乎为零的管理成本,SLE Micro 为 IBM Z & LinuxONE 提供了高质量的容器和虚拟化主机操作系统。“我们希望我们的共同客户能够将这个不可变的 Linux 发行版作为其安全执行堆栈中的 KVM 主机,从而充分利用 IBM Z 平台的安全性和可靠性。”IBM 公司 IBM Z & LinuxONE 业务 Linux 总监 Kara Todd 表示。
基于 Arm 的系统
“通过 SLE Micro 和 K3s 的结合,SUSE 为基于 Arm 的嵌入式设备、边缘用例和工业物联网应用提供了一个出色的平台。”Arm 公司基础设施业务线服务器生态系统开发总监 Bhumik Patel 表示。
SLE Micro 与 SUSE 其他技术相结合,致力于成为部署在所有生产领域的容器工作负载的基石。如:边缘环境、嵌入式、工业物联网以及数据中心内外的各种计算环境。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。