Cloud Native Computing Foundation (CNCF) 已向美国专利商标局提交申请,旨在阻止 Synadia 使用 NATS 的 logo 及域名,此 NATS 为开源消息传递系统。
此举是在 Synadia(该服务器软件大部分贡献由其推动的厂商)决定修改 NATS 服务器的授权条款,将其未来版本的许可从 Apache 2.0 改为 Business Source License (BSL) 之后采取的措施。
与此同时,该公司的律师向运营 CNCF 的 Linux Foundation (PDF) 发出函件,要求终止与 CNCF 的合作关系,并获取对 NATS.io 域名及 GitHub 代码库的完全控制权。
信中写道:“作为 CNCF 项目,NATS.io 未能茁壮成长,目前该项目的所有发展基本上都依赖于 Synadia 的努力和投入。”
Synadia 的法律顾问在信中还论述道:“法律早已明确,拥有域名并不能确立商标权,而是相关网站的内容可能会产生商标权。” 并进一步声称,Synadia 及其前身 Apcera 始终掌控着网站的内容。
上周,CNCF 在博客文章中表示,Synadia 在采用较为严格的软件许可方面有多种选择,但该公司不允许保留开源项目的 logo 与域名,并指出其章程中写道:“任何加入 CNCF 的项目其商标和 logo 资产必须转移给 Linux Foundation。”
文中进一步声称:“CNCF 提供了多种途径,使 Synadia 能在尊重开源原则与社区治理的前提下实现其目标。” 并补充道:“Synadia 完全可以选择放弃对现有 NATS 项目的贡献,也可以自由分叉 NATS,并以新名称构建专有产品。但他们不能单方面夺回一个社区项目及其基础设施、资产与品牌。”
CNCF 表示,已向美国专利商标局提交申请 (PDF),阻止 Synadia 继续使用 logo 或域名 (PDF)。
CNCF 在其博客中写道:“Linux Foundation 与 CNCF 曾多次保护开源项目的许可完整性。公司可以通过正当途径分叉项目,并根据业务需求采取不同方向。例如,厂商 Grafana 将 CNCF Cortex 项目分叉为新名称 Mimir,而原始 Cortex 项目则由 CNCF 内的社区继续维护。而 Synadia 在此的行为明显不同。Synadia 并非以新名称分叉 NATS,而是试图单方面夺取项目的社区资产控制权。”
“Synadia 正试图将一个成功的开源项目转变为封闭的商业产品——并且带走 NATS 社区的名誉、信任与基础设施。试想一下,如果 Google 在多年作为中立的开源且社区驱动项目之后试图收回 Kubernetes,将会如何。”
然而,NATS.io 创始人及 Synadia 创始人兼 CEO Derek Collison 回应称,BSL 将继续提供代码透明性,而服务器软件将在两到四年后恢复为 Apache 2.0 许可,这与其他混合源软件公司的模式相似。
他说:“NATS 主要由 Synadia 资金支持、维护与运营,这与 CNCF 模型并不完全契合。近年来,越来越明显 CNCF 可能不再是 NATS 的最佳战略选择。为了避免被迫归档,Synadia 主动与 CNCF 开展内部讨论,就联合宣布退出事宜进行沟通,以确保 NATS 的持续健康发展。”
“为了保持公司与项目的长期可行性,我们曾探索从 NATS 服务器中剔除部分高级功能与增强模块,并对其进行单独授权。但最终,我们采纳了一种更符合社区利益的方法:将这些功能保留在 NATS 服务器中,同时探索未来版本使用 BSL 许可的可能性。虽然 BSL 未获得 OSI 批准,但它确保源代码保持透明且公开可获取,并在定义期限(通常为 2-4 年)后恢复为 Apache 2.0 许可。始终会有一版 Apache 2.0 许可的服务器版本可供使用和支持。”
The Register 已联系 Synadia 寻求更多评论。
在 LinkedIn 上评论时,Buoyant 的 CEO 兼 Linkerd 服务网格的创造者 William Morgan 表示:“Synadia 希望退出 CNCF 的这一声明,似乎将会引发一场混乱的法律战。这并非普通的开源软件重新授权事件。”
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。