5月11日消息,红帽公司(Red Hat)今天在美国波士顿举行的Red Hat Summit峰会上进行了一系列发布,产品组合中的新功能瞄准了边缘部署,将通过在Enterprise Linux和OpenShift应用平台上运行容器实现应用部署,帮助客户适应边缘计算的复杂性并加快部署速度。同时,红帽正在扩展功能,帮助客户管理从数据中心到边缘的整个网络的系统。
OpenShift是其边缘计划的关键部分,可以为Red Hat OpenShift 4.10提供零接触配置(围绕容器和Kubernetes的应用平台的最新版本)。零接触配置旨在使自动化部署成为可能,允许Red Hat OEM合作伙伴在其工厂预安装OpenShift Container Platform,并使用他们首选的硬件系统构建可重定位的OpenShift集群。
据红帽称,在IT人员有限的情况下,客户通过采购可安装到边缘位置的预配置OpenShift集群,从而加快边缘计算应用部署,服务无线接入网络(RAN)移动网络或者工业场所的错误监测系统,以及其他让远程操作变得更轻松的用例。
此次峰会公布的其他功能还包括OpenShift Data Foundation 4.10对单节点OpenShift部署支持的预览版,以及增加了具有动态配置的块存储。OpenShift Data Foundation为OpenShift提供数据层服务。
红帽高级集群管理支持管理OpenShift边缘部署,包括单节点OpenShift集群、远程工作节点和三节点紧凑型集群。红帽表示,单个管理集群可以使用零接触配置部署和管理2000个单节点OpenShift集群,并通过Ansible Automation Platform执行策略。
红帽表示,它现在拥有更广泛的边缘管理功能集,可以集中控制边缘部署的监督和扩展,并支持智能回滚以帮助增加边缘设备的正常运行时间。
此外,红帽宣布英特尔和OnLogic正在销售经过Red Hat Edge部署认证的解决方案。英特尔最新的NUC Element模块已通过Red Hat Enterprise Linux 8和9的认证,而OnLogic为人工智能和机器学习工作负载提供经过认证的系统。
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。