至顶网软件频道消息:红帽(Red Hat)公司本周二表示,已经同意以2.5亿美元收购得到Google投资部门支持的新兴容器技术先驱开发厂商CoreOS。
这次收购让位于北卡罗来纳州的开源巨头与位于旧金山的初创公司合体。CoreOS宣称自己是Docker生态系统的早期成员,拥有一个轻量级Linux发行版,适合大规模运行容器化的工作负载。
在谷歌的支持下,CoreOS后来向市场中推出了第一个运行Kubernetes的商业平台,这是一项容器编排技术,已经成为红帽OpenShift开发平台的一个组成部分。
红帽公司OpenShift项目管理高级总监Joe Fernandes在一篇题为“CoreOS赌注”的博客文章中表示,两家公司近年来一直紧密合作,在他们早期的Kubernetes项目中寻找常见案例。
Fernandes说:“CoreOS对Linux、Kubernetes和容器技术的承诺与我们是一致的。”
红帽合作伙伴、专注于容器的Nebulaworks公司首席执行官Chris Ciborowski表示,此次收购可能是容器领域整合浪潮的开始。
Ciborowski表示:“从像Nebulaworks这样具有深厚容器专业知识的系统集成商,到平台提供商,我们将看到成熟的独立软件开发商和IT工具公司开始打造他们的容器能力。”
在谷歌风险投资公司(Google Ventures)牵头的1200万美元融资结束之后,CoreOS于2015年4月发布了自己的Kubernetes平台——Tectonic。在Google开源Kubernetes之前,这项技术最初是作为Google的一个内部项目开发的。
“他们为Kubernetes做出了实质性的贡献,经常与红帽工程师一起工作,今天他们在跨多个Kubernetes特殊利益集团的贡献和领导力方面继续发挥着引领作用。”Fernandes谈到CoreOS时这样表示。
作为业内最大的开源软件和Linux开发厂商,红帽公司在四年前决定投身容器领域。
Fernandes表示:“我们容器作为未来的一个重要赌注——未来如何跨混合云构建、部署和管理应用。”
这包括让Kubernetes成为OpenShift平台即服务“核心”的愿景。
CoreOS是由首席执行官Alex Polvi于2013年创立,在创立CoreOS不久之前他刚刚把一家名为Cloudkick的云管理初创公司出售给Rackspace。
作为Docker生态系统的早期初创公司,CoreOS希望精简操作系统以最有效地运行容器,来促进Docker的新兴技术。
但是CoreOS随后发布了rkt——Docker容器实施或者运行时的替代方案——向合作伙伴发起挑战。
这个代号“火箭”的项目从未真正威胁过Docker。但是CoreOS率先向企业级市场中推出了Kubernetes——Docker Swarm容器编排器的竞争对手,并迅速获得了成功。
在Kubernetes几乎成为行业标准的同时,Tectonic赢得了eBay、Salesforce、Veritas和Verizon等知名企业客户使用这一平台。
位于华盛顿特区的容器解决方案提供商BoxBoat公司首席技术官Will Kinard认为,两家容器公司的合并,将再次对Docker构成威胁,加强OpenShift对抗Docker企业版的立场,后者是最近在原生Swarm编排器之外推出支持Kubernetes的一个容器管理平台。
Kinard表示:“鉴于RedHat过去几年的合作关系,RedHat对CoreOS的收购并不完全出乎意料。”
位于加拿大多伦多的HighVail Systems公司是红帽的容器合作伙伴,该公司首席执行官Bradley Brodkins表示,红帽公司正在主导着容器领域——根据Fernandes的博客文章,红帽并不认为自己独自就可以做到这一点。
Brodkins表示:“这对红帽合作伙伴来说是否有利?我会说,是的,非常重要,因为这将把CoreOS带入企业领域,并带来收入机会。”
Kinard说,如果这项容器标准与OpenShift相匹敌,那么“火箭”项目可能会再次加码。最近向Kubernetes增加Container Runtime Inteface使得可以替换掉Docker的运行时间。
Kinard说:“无论哪种方式,这种新的关系对于容器市场来说都是有利的,因为这将更加关注企业将容器解决方案带到IT路线图和预算的最前沿。”
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。