IBM 公司旗下的 Red Hat 表示,今日在波士顿举行的 Red Hat Summit 上发布的全新版本 Red Hat Enterprise Linux,是围绕混合云环境和人工智能工作负载对操作系统进行的全新构思。
然而,具体细节更多体现为务实的改进,而非空洞的愿景,例如更简化的管理、更智能的运维、更严密的安全防护以及跨工作负载一致的操作模型。
如今,每个软件应用程序都配备了生成式 AI 助手,而 RHEL 10 也不例外。其新推出的“copilot”名为 Lightspeed,旨在缓解 Linux 管理员长期短缺的问题。Red Hat 表示,Linux 管理员无需再翻阅文档或依赖传统经验,即可在命令行上直接获得上下文感知的推荐。
该功能融合了数十年来 RHEL 专属的专业经验,为故障排查、合规性和最佳实践提供帮助,既可提升生产力,也能为经验不足的员工提供培训支持。
Red Hat 全球高级首席产品经理 Scott McCarty 表示:“这实质上拓宽了 RHEL 的适用范围,使得培训不足的用户也可以更快捷地获取并应用我们的知识;架构师同样能从中受益,系统可以更清晰地展示生命周期数据与路线图,助力长期基础设施规划。”
RHEL 10 是首个整合符合联邦信息处理标准 ( FIPS ) 的后量子密码学技术的企业级 Linux 发行版,其中包括旨在抵御 “harvest now, decrypt later” 攻击的量子抗性算法。
商用级量子计算机的即将问世已在安全界引起担忧,因为它们可能在几秒内破解当今最强大的加密算法。“harvest now, decrypt later” 攻击旨在先采集加密数据,待量子处理器问世后再进行破解。
统一应用与操作系统管理 RHEL 10 同时通过全新的 “image mode” 引入了一种容器原生的操作模型。这并非意味着在软件容器中运行应用,而是以开发者管理应用时使用的声明式、基于镜像的方式来管理操作系统。
Red Hat 表示,统一应用与操作系统管理可以最大限度地减少配置漂移,并简化混合环境中的运营工作。用户能够借助一致的工具和技术,管理从容器化应用到底层平台的整个信息技术体系。
Red Hat RHEL 产品管理高级总监 Raj Das 表示:“Image mode 将基于容器的实践引入操作系统层,使得更新和回滚操作像执行一条命令那样简单,并同时降低了攻击面。”
借鉴 “shift left” 开发这一将测试、安全和质量检查等任务前移至开发生命周期早期的软件工程实践,Red Hat 正在扩展其 Insights 预测分析套件,将 AI 驱动的软件包推荐与路线图可见性整合其中。该公司表示,这些工具将帮助 IT 团队在构建阶段做出更明智的决策,从而避免在生产过程中返工。
例如,在构建镜像时,Insights 会根据部署需求推荐相关的附加软件包,以便在进入生产环境之前优化功能。此规划功能还提供对 RHEL 生命周期及 AppStream 版本发布的可见性,助力组织维持在受支持的版本上并规划升级策略。
隔离边缘 Satellite 基础设施管理产品现已整合 Insights 顾问功能,无需依赖活跃的互联网连接。这种隔离(air-gapped)模型专为严格受监管的行业或拥有严苛网络政策的场景而设计。
Satellite 6.17 现已支持 RHEL 的 “image mode”,进一步契合 Red Hat 的容器原生管理策略。Red Hat 表示,客户即便在受限环境中,也可以使用 Satellite 来管理整个 IT 体系。
RHEL 10 附带了为 Amazon Web Services Inc.、Microsoft Corp. Azure 以及 Google LLC 云环境预调优的镜像,进一步凸显了该公司对混合云战略的重视。此外,通过与无厂半导体公司 SiFive Inc. 的合作,也推出了针对 RISC-V 架构的开发者预览版,以推动新兴硬件平台的早期开发。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。