至顶网软件频道消息: 中国企业必须通过 DevOps 加速数字化转型,以应用生命周期管理数字化为起点。
那么问题来了:传统企业该如何与在数天之内就能够完成新服务项目开发的互联网企业竞争呢?数字化企业在必须为客户提供相应的数字化体验之外,同样需要做到实现自身的高效数字化运营。Forrester 认为,中国企业的科技管理层和企业架构师们必须将 DevOps 和持续交付(Continuous Delivery) 设为其企业数字化发展战略的两大基石。 Forrester 将 DevOps 定义为: 企业的开发与运维部门与业务发起人、质量管理(QA) 部门共同合作,为企业的的生产经营注入持续创新动力的协作模式。
实现DevOps的首要步骤:应用生命周期管理(ALM)的数字化和自动化
为了能够具备 DevOps能力,企业的ALM必须将实现以下几个核心特征作为自身发展目标:
主流的基于DevOps的ALM软件主要分为商用和开源两类。除了PaaS解决方案和Docker之外,中国互联网公司通常会选择通过整合商业软件和开源软件(包括Chef, Puppet, Jenkins, PaaS 和 Docker),实现自定义的解决方案。然而,传统中国企业并不具备像互联网企业那样充足的专业和技术能力实现自定义方案;不仅如此,传统企业还缺少一个可以通过快速试错来削弱风险的成熟机制。
在这种情况下,考虑到商业软件能够提供更加广泛、成熟的功能和支持,传统企业中的企业架构专业人士应当选择以下商业软件:
选择Atlassian实现轻量级的敏捷ALM方案
选择CA Technologies实现面向服务的应用测试、部署和优化
选择HP实现测试驱动的持续交付
选择IBM实现现有技术资产加以保护
选择Microsoft实现易用性高且能支持混合云环境的DevOps方案
选择ThoughtWorks借助其解决方案之外的本土服务经验
中国互联网公司发展DevOps的成功经验
阿里巴巴专注发展移动应用测试自动化从而实现DevOps。阿里巴巴旗下淘宝团队已经采用了Robotium来实现测试实施过程的简化;使用Spoon向各类安卓移动手机的自动发送测试案例,并自动执行测试和结果采集;通过Jenkins的插件自动生成代码覆盖率报告。
百度采用数据驱动方案实现监控自动化。百度利用开源工具构建的数据监控平台检测服务器状态并主动收相关系统中的应用程序信息。该平台能够处理分析信息、触发后续的预警并基于预置策略启动相应的操作过程。
小米以NoOps为发展目标来支持其爆炸性增长的业务量。小米运营和维护的自动化实现NoOps。小米的运营自动化平台包括一个门户网站、作为调度器的Odin、每台应用程序服务器之上的部署平台以及配置管理组件构成。小米的部署平台构建在几个开源软件包之上,其中包括God,Frigga和Thor;配置管理平台的服务树组件通过标签来识别所有需要管理的对象,包括产品、集群以及服务实例。
企业科技决策者需要对DevOps的当前进展具有现实的认知没有任何一种现有的商业解决方案,无论中国或海外,业已实现最理想情况下的DevOps能力。同时,对包括Docker和最新一代APM 在内的新兴技术保持开放态度也能够帮助企业架构人士更好的为下一轮的科技浪潮做好准备。
好文章,需要你的鼓励
地球日之际,NVIDIA聚焦五个推动气候科学与可持续发展的项目:利用Earth-2平台开展气候模拟、借助AI推进红毛猩猩等濒危物种保护研究、通过AMP机器人实现可回收物自动分拣、借助AI技术研究早期海啸预警系统,以及通过Planet地球观测数据平台提取环境洞察。AI与加速计算正大幅提升环境保护与气候研究的效率与精度。
这项来自哥本哈根大学等多机构的研究(arXiv:2604.09746),构建了一个纽约市虚拟导航模拟系统,让150个"蓝队"AI与100个隐藏身份的"红队"AI交互对抗。红队通过伪装成热心路人,用风景渲染、权威话术等手段把蓝队引向广告牌陷阱。研究采用KTO方法进行十轮迭代训练,发现蓝队任务完成率从46%升至57.3%,逐渐习得了主动反驳、目标锚定等策略,但被骗率始终高达70%以上,揭示了AI智能体在持续社交操控下的深层脆弱性。
CoreWeave宣布推出三项新功能,旨在简化跨云AI训练与推理工作。其中CoreWeave Interconnect直接与谷歌云互联,支持开发者灵活部署训练和推理任务;SUNK Anywhere支持大规模长周期AI训练项目,可跨谷歌云、AWS、Azure及本地环境扩展算力;LOTA Cross-Cloud则允许数据集中存储、跨云运行工作负载。此次合作借助谷歌全球网络扩展了CoreWeave的服务覆盖范围,并消除了企业连接多云时依赖第三方的繁琐流程。
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。