SUSE CEO Nils Brauckmann在演讲舞台上手舞足蹈
在今年于田纳西州纳什维尔召开的SUSECOM峰会上向大约1000多名与会者发表了主题演讲。从手舞足蹈的姿态可以看出,他的内心充盈着愉悦与欢畅。
除了SUSE战略总裁Michael Miller之外,Brauckmann还提到了项目的竞争关系,并向观众们宣布“随着红帽公司逐步被蓝色巨人所吸纳”,他们有望成为全球最大的独立开源厂商。
在去年被股权公司EQT收购之后,SUSE不再作为Micro Focus手下的盈利工具,进而于3月15日正式宣布独立。不过具体谈判过程是否顺利,Brauckmann并没有在演讲中做出说明。
当然,SUSE也不再承担公布数据的义务。不过Brauckmann向我们保证,他将“继续更新市场信息”,并表示该公司的同比收入增长“略高于15%。”
Brauckmann还强调了该公司的可观规模,其目前在全球拥有1750名员工,而且仅在过去一年中员工数量就增长了300位。
虽然该公司显然将凭借着独立的运营地位获得优势,但其未来发展同样面临挑战。在接受采访时,该公司产品与解决方案副总裁Daniel Nelson对于独立之后可能出现的发展机遇感到非常兴奋。他告诉我们,“如果我们运作得当、表现良好,那么未来只有天空会成为我们的极限。”但他也同时提醒称,“如果我们抓不住这个机会,那么这样的绝佳机遇恐怕再也不会出现了。”
Brauckmann指出,他认为SUSE的未来将集中在多云领域。在他看来,虽然企业Linux与软件定义基础设施供应商之间似乎没多大交集,但“我认为要想更快地提升自身能力,那么多云管理确实是理想的发展方向。”
他进一步补充称,现有乃至更多潜在企业客户都在需求“更为先进的管理工具、安全工具以及网络工具,这些运行在Kubernetes之上的方案将把Kubernetes的能力提升至新的水平。”
红帽、IBM与未来前景
虽然Brauckmann在他的主题演讲中对IBM收购红帽开了点玩笑,但他表示SUSE将继续与蓝色巨人保持“与以往一样”的合作关系,并认为作为合作伙伴的IBM不会损害SUSE的利益。他强调称,“不要忘记,在很多客户过去十多年来一直在IBM大型机上运行Enterprise Server。”
但必须承认,目前企业Linux领域只有两位主要的独立参与者——即Canonical与SUSE。当有人指出SUSE本身现在也可以成为收购目标时,Brauckmann明显表现得不太开心。
作为新公司的管理者,他们目前的“明确任务是制定并实施一项五年或者更为长远的计划”。然而,Brauckmann也承认,未来可能会出现针对独立Linux厂商的收购浪潮。“私募股权公司毕竟掌握着不少投资对象的命脉,也许有一天他们不打算再继续持有这些业务了。”
说到底,每一位投资者都有撤资的一天。
如果非要讨论下一次所有权变更问题,那么Brauckmann不出所料地更倾向于采取首轮公开募股(IPO)的形式。
然而,自2011年从Attachmate加入SUSE并担任三年多CEO职务之后,Brauckmann并不打算腾出席位,而是希望将公司引入“更加开放”的未来。
看起来,这位“手舞足蹈”的掌门人确实心中有数。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。