现如今,软件已经无所不在,万物都将是软件定义。
这也意味着,软件开发变得尤为重要。开发是对软件的一系列操作指令的编辑,整理的一个过程,这个过程也是通过对代码的编写完成的。提到软件开发可能大家都会想到各种编程语言,像Java、python、C、PHP等等,同时软件开发还需要熟悉一种操作系统,像Windows、Linux、Android、iOS。
据IDC数据显示,到2020年,40%的研发成果都是复用第三方代码实现,第三方代码绝大多数都是开源社区代码。从2021年开始,每年全球产生软件的数量都是前一年的1.5倍,开发量在爆炸式的增长。
红帽战略产品推广经理佟一舟说道一个有意思的现象,培养一个程序员需要高昂的成本,所以也出现了一个趋势,在研发成果中复用第三方或者开源代码的比例就越来越高。
IDC也预测,到2024年,80%的研发成果都是复用第三方代码实现的,这一新趋势背后的逻辑是对研发效率与速度的不断追求。
抄作业容易,但复用第三方代码或开源代码并不容易,其中会遇到各种挑战,首先是海量的开源组件和代码如何发现和甄选;其次是开源软件是不断演进发展的,如何整合演进的代码形成一个统一的企业级软件;最后是代码可能存在漏洞,造成安全性隐患如何解决。
红帽的开发方式是什么?佟一舟表示,红帽依托开源社区组件研发企业级软件近30年,这也是为什么红帽软件研发的方式,对任何一个未来要写代码的企业来说,都是非常重要也非常关键的。
当然红帽在研发上的第一准则,是保证“百分百开源”和“上游优先”。红帽首席架构师张家驹指出,红帽沿袭了开源社区的开发模式,红帽相信社区的解决方案有更广泛的影响力,因为这是在一个更广泛的环境下,大家产生出的最好的想法。
尤其上游优先在内核上体现的最为明显。红帽Kernel开发经理杨瑞瑞表示,红帽是基于某个固定的版本,从上游移植代码,同时加入红帽自己的工程性内容。
同时OpenShift的开发原则和红帽软件开发原则是一致的,也是“百分百开源”和“上游优先”,从上游社区中选取最优秀、会长期存在的开源社区组件。红帽会对每一个组件做代码的剪裁+缺陷修复+安全加固+集成,完成企业级测试后,最终形成红帽的企业级软件。
红帽还有开放创新实验室这项服务,其以红帽的研发方式为理论基础,结合众多实践经验,与企业中的研发组成转型团队,将经验手把手交给企业,从底层逻辑、DevOps模式、转化等方面帮助企业成功。
红帽开放创新实验室先用访谈的方式了解了企业现状,然后把相关人员放在一个大型会议室里,大家一起头脑风暴,设立一个标准和最后的目标。最后探讨用什么方式去修正现在的工作模式,以达到预期目标。
企业愿意购买开源软件,企业级开源软件生态才能更加丰富,因为很多企业不仅是使用者,最后也会变成开源软件的贡献者。佟一舟指出,开源软件用户多了,贡献者多了,开源生态繁荣了,这门生意就闭环了。
因为这是一个正向的循环,红帽让企业级开源软件用户获得更好的体验,就会让开源社区越来越强大。同时红帽也希望喜欢开源的朋友,不要担心出错,上游社区可以接受,不管是内核或红帽维护的其他开源项目,都要勇敢的迈出第一步。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。