红帽高级开发者Bastien Nocera在一篇博文中表示,公司正进一步整合/收缩其在桌面Linux上的开发工作。
这篇博文题为《新的责任》,其中提到红帽在今年6月就决定不再为RHEL打包LibreOffice。之后红帽公司解雇了Fedora项目负责人Ben Cotton。Nocera本人倒是没有被解雇,只是“被调到另一团队,负责处理红帽优先项目清单中的任务。”
Nocera还提供一条指向6月底一封电子邮件的链接,其中列出\他被迫停止开发的多个Fedora软件包。他表示自己只能把十分之一的工作时间分配给这些项目,并描述了目前已经被基本遗弃的开发方向:
我的管理链已经决定停止关于桌面蓝牙、多媒体应用程序(即totem、rhythmbox 和 sound-juicer)以及libfprint/fprintd的全部上下游工作。
在LibreOffice发布之初,红帽的Matthias Clasen曾表示该公司正集中精力构建工作站软件栈的其余部分:
我们正在调整RHEL for Workstations的工程优先级,重点关注Wayland协议中的空缺、构建HDR支持、开发颜色敏感任务所需的内容,外加工作站用户需要的多项其他改进。
这些确实都是目前桌面Linux的重大弱项。虽然对Wayland和Linux图形现代化的研发投资值得肯定,但此举的另一方面也就是对传统X11显示栈的进一步打击……我甚至怀疑,X.org服务器可能在红帽管理层眼中已然沦为“遗留”资产。
红帽目前在桌面领域的主要赚钱工具是Red Hat Enterprise Linux for Workstations,它专注于“高性能和图形密集型工作负载,例如动画、视觉效果(VFX)、计算机辅助设计/计算机辅助工程(CAD/CAE)以及科学研究。”
此类工作站的用户很可能还有另一台辅助计算机,例如Mac笔记本电脑等,用于执行电子邮件、Zoom、Teams或者Meet通话等相对简单的日常生产力工作。也就是说,他们的蓝牙耳机(例如Nocera在工作中使用的SteelSeries)需要接入的是这些设备,而并非RHEL/W机。
即使如此,此番调整对于GNOME项目来说也是一记沉重打击。根据GNOME维基条目中公布的信息,Nocera是该项目的核心开发人员。
其他Linux发行版之前就感受到了与GNOME项目难以合作,因此Linux Mint最近开始转向其他蓝牙工具。千万别以为这是什么新问题,Ubuntu创始人Mark Shuttleworth早在2011年就曾对此事发过牢骚。
另外值得一提的是,各Linux桌面之间存在大量重叠,几乎每个项目都有自己的一套工具来执行相同任务。正如我们最近在即将发布的GNOME 45项目公告中看到的那样,GNOME维护着图像查看器、媒体播放器、两个终端模拟器、两个文本编辑器等。而几乎所有这一切,在KDE、ElementaryOS Pantheon以及Xfce等中都能找到替代方案。
在多数情况下,某些独立项目已经在市场上明确占据了主导地位,例如Firefox和Chrome就全面取代了GNOME Web及KDE提供的三种网络浏览器,VLC则力压其他一切桌面媒体播放器。Linux Mint的XApps计划就对重复性工具做出了广受欢迎的比较,应该有更多发行版加入进来。此外,其中很多应用程序实际是各种底层框架的前端。例如,GNOME的蓝牙工具就依赖于底层的BlueZ技术栈。
技术大厂们很早就意识到,在桌面Linux身上几乎赚不到什么钱,因此这块市场才被留给了免费发行版和非营利组织——也可能正因如此,各参与方的开发工作间才存在大量重复。所以加强成果整合可能并不是坏事。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。