红帽公司跟随母公司 IBM 的脚步今天宣布在亚马逊AWS Marketplace上提供旗下Ansible自动化平台服务。
Ansible 是一款开源配置管理工具,可用于简化混合云基础设施的管理并可以自动执行复杂的操作。根据 6Sense Insights Inc.的数据,Ansible 的市场份额为31%,是同类产品中使用率排名第二,仅次于 Terraform。红帽的 Ansible 自动化平台最近在 Forrester Research Inc.的基础架构自动化平台Wave评选中被评为领导者。
红帽表示,使用 AWS 的客户现在可以在云中大规模部署自动化,无需学习新的工具或整合其他技术。AWS上的红帽 Ansible自动化平台服务与 AWS 计费系统配合使用,可在一个地方全面了解成本,同时还可计入与 AWS 达成的承诺支出协议。
红帽提供托管和自托管两种选项。自托管方案具有更高的定制性和配置灵活性,对受监管行业或希望管理自己的工具的托管服务合作伙伴非常有用。红帽托管和监控服务包括红帽提供的高级支持,可以更快速地部署和开发 Ansible Playbook。
红帽还表示已与 AWS 签署了战略合作协议,以更快地在 AWS Marketplace扩展红帽开源软件的可用性。该协议包括对红帽 OpenShift 服务的额外支持。红帽 OpenShift 服务是一个托管的 Kubernetes 平台,客户可以利用红帽 OpenShift 服务简化虚拟机迁移和应用现代化计划。 该协议还包括通过 AWS 上的 OpenShift 服务支持 OpenShift 虚拟化上的 Windows 虚拟化工作负载。
OpenShift 虚拟化和迁移工具包可以简化虚拟机的自动迁移,还可以对容器和虚拟机工作负载进行自动修复和调节。红帽 OpenShift 还可以在AWS EC2 裸机实例上作为自托管产品运行。裸机实例指专用于单个租户的物理服务器,通常支持需要高性能、高可靠性或特殊配置的工作负载。
在 AWS EC2 裸机实例上运行 OpenShift 虚拟化的好处是,可以将虚拟机工作负载迁移到云平台,同时还保持类似的性能和冗余级别。虚拟机和容器可以直接与底层硬件和基础设施交互,可以减少管理开销,消除对管理程序层的需求。
国际数据公司(International Data Corp)的研究总监 Gary Chen 表示,企业需要考虑优化虚拟化基础架构的最佳方式,目的将虚拟化基础架构用作支持现代应用和人工智能服务的“现代化引擎”。他表示,“企业现在都在寻找连接传统虚拟机和现代云原生应用的战略桥梁,为未来的创新铺平道路,同时保持运营的连续性。”
作为合作的一部分,红帽正在增强 AWS Marketplace 中红帽企业Linux AI 和 OpenShift AI 的选项。这两个平台旨在促进生成式人工智能模型的开发、测试和部署。增强功能包括提供“自带订阅”和私人服务,并支持由领先芯片供应商提供的人工智能加速器和图形处理单元。
红帽公司负责合作伙伴生态系统成功的高级副总裁Stefanie Chiras表示,通过加强与 AWS 的合作,红帽将为客户提供更多选择,客户可以在混合云上运行工作负载。她表示,此外,红帽同时也为客户在运行混合云工作负载方面提供了更多选择。
她补充表示,“人工智能正在成为下一个关键的企业 IT 决策,我们正在加速实现计算基础设施领域选择的多样性,使客户能够选择最适合自己独特的混合云人工智能战略和工作负载的硬件加速器。”
好文章,需要你的鼓励
YouTube在年度Made on YouTube活动中发布多项更新,包括Studio新增"相似度"检测和唇同步配音功能,YouTube Live支持迷你游戏和双格式同步直播,Shorts集成Veo 3 AI视频生成模型。此外还推出播客AI剪辑工具、新的货币化选项如品牌合作和购物标签功能,以及YouTube Music的粉丝互动新特性。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。
英国政府与美国数据分析公司Palantir达成国防合作协议,该公司将投资15亿英镑并在英国设立欧洲国防总部,创造350个就业岗位。双方将合作开发AI驱动的军事决策和目标定位系统,这些技术已在乌克兰得到测试。该协议是英国战略防务评估的重要组成部分,旨在提升军事规划和目标选择能力。此次合作是美国科技巨头对英国310亿英镑投资承诺的一部分。
腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架,通过模仿儿童的好奇心学习机制,让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习,在数学推理任务上平均提升3个百分点,同时解决了传统方法中的"校准崩塌"问题,为开发更智能自主的AI系统开辟了新路径。