在卖掉企业业务几个月之后,软件容器公司Docker近日更新了战略,将更多专注于使用扩展服务的开发者方面。在推出了用于承载现代应用组件的软件容器概念之后,Docker曾被视为硅谷最有前途的“独角兽”公司之一。对于Docker来说,发布新战略是一个必不可少的步骤。
软件容器自问世以来已经有很长一段时间了,如今已经被绝大多数开发者所使用,但是Docker的命运却截然不同。虽然广受赞誉,但Docker一直无法实现盈利,这对Docker的风险投资方来说,确实是个问题。在过去五年时间内,风险投资方已经累计为Docker注资数百万美元,他们一定期望着获得投资回报。
Docker最初的计划是通过容器编排工具Docker Swarm实现盈利,但是随后谷歌推出了开源Kubernetes软件,而且广受欢迎,从而扼杀了Docker的希望。自那之后,Kubernetes已经成为了容器编排技术的行业标准,甚至Docker自己也采用了Kubernetes。
Docker Swarm的战败促使Docker在11月将企业业务卖给Mirantis,当时Docker前首席执行官Rob Bearden表示,Docker有“两项截然不同的业务”,有不同的产品和财务模型,他认为Docker最好只专注于一个。
Docker产品副总裁Justin Graham在今天的博客中表示,Docker看到了机会,从源代码一直到多云应用运行当中,为开发者提供独特的互连体验。
Docker新任首席执行官Scott Johnson在采访时阐述了Docker试图解决的问题。Johnson表示:“我们一直倾听开发者的心声,对于开发者来说,有三大复杂性领域,我们认为自己非常适合解决这一问题。”
这里所提到的复杂性主要指应用本身。Johnson说,当今大多数应用实际上是由数以千计的容器组成,有用多种语言编写的组件,这给开发者带来了沉重的负担。
第二个复杂性和工具链有关。开发者往往必须手动编写从一种工具到另一种工具的连接代码。例如,在源代码管理中,他们可能要花费数小时来编写代码才能将GitHub与Atlassian的Bitbucket连接起来。
第三个复杂性涉及到在开源软件世界找到方向。Docker相信,可以通过关注Docker Desktop上的开发者经验以及使Docker Hub成为集成、配置和管理应用组件的纽带,来解决这些问题。
“首先,我们将对Docker Desktop的工具和体验进行扩展,以加快让新开发者加入开发团队流程和工作流程工作,帮助新开发者使用容器进行开发,以及提供帮助改善团队协作和沟通的功能,” Graham在博客中这样写道。
这些新功能将通过Docker Hub交付到Docker Command Line Interface和Docker Desktop UI。
“我们希望帮助你在本地开发环境中尽可能多地完成工作,而不必在各种界面之间切换。我们希望你无需离开CLI即可访问上游服务(注册表、CI、部署到运行时)并与之进行交互。”Graham这样表述。
Docker还将扩展Docker Hub,让开发者可以使用其更好地管理应用组件。Docker开发了一项新的自动化构建服务,可以轻松地从任何存储库中获取代码,并利用该代码构建新的容器映像。该服务在使用带有时间戳的公钥基础结构密钥对其进行签名之前,还会扫描该映像以查找安全漏洞。完成之后,会提交到Docker Hub以供使用。
RedMonk分析师Stephen O’Grady表示,“考虑到Docker在软件容器领域有悠久的历史,将重点放在开发者领域是合理的策略,而且由于上云之前使用的工具和集成空间仍然相当分散,所以这个策略也是很有道理的。”
O'Grady说:“鉴于Docker的品牌知名度,以及Docker让容器技术成为了过去二十年中最重要的技术趋势之一,这些都为Docker提供了机会,但和以往一样,这还要取决于执行力。”
IDC平台即服务研究总监兼首席分析师Larry Carvalho认为,Docker的新战略重点对开发者可能是有吸引力的,因为开发者喜欢独立于公有云平台,这些平台提供了他们自己用于加速应用生命周期的工具。
Carvalho说:“Docker的产品组合让企业不必依赖于单一的云服务提供商。开源技术在企业中越来越受欢迎,因为这些企业不具备自己建立管道的能力。由于Docker在开发者群体中影响力很大,所以他们有机会利用这个获得全面支持的DevOps工具链。”
Docker将以月度软件即服务订阅的模式提供开发者服务,并将在不久的将来更新进展情况。
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。