![]()
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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。