“疫情期间被迫远程工作,对于开源世界的人来说,只是普通又寻常的一天。”红帽总裁兼CEO Paul Cormier说道。每个开源项目从一开始就是远程进行的。
在新常态的环境下,你希望你的生意是什么样的?你想如何拥抱下一代IT?你将如何推动技术战略更接近创新?
Paul Cormier在红帽全球峰会上向听众问了三个问题,并解释称,采用开源开发技术才能更接近这项创新,也只有这样才能利用这项创新跟上不断变化的需求。
红帽总裁兼CEO Paul Cormier
开源明确了下一代创新技术,开源也是当今IT领域创新的驱动力。红帽产品与技术执行副总裁Matt Hicks也是这么认为,开源可以释放公司的潜力,而这种潜力能为公司创造突破性的想法。
开源实践、代码和技术一直是红帽所做的核心。今年红帽全球峰会上发布了很多新产品能力,像Red Hat Enterprise Linux 9(RHEL 9)从裸机服务器、云提供商,到最边缘的企业网络,该Linux操作系统都能跨越混合云环境,推动更加一致的创新。
从Linux 9到与汽车协作
RHEL 9是第一个基于CentOS Stream构建的生产版本,RHEL 9的强大之处在于,相同开发模式下效率更高。
“Linux促进了大量硬件、创新和功能的出现,但没有多少客户能真正掌握Linux,并自行编译、使用、理解,再在需要的时间内加以维护。”Matt Hicks说道。
红帽产品与技术执行副总裁Matt Hicks
这也是开源面临的挑战,这些项目能推动创新,但不一定多数企业都能掌握,红帽的目标是将这些项目转移到可以真正支持的产品上,例如汽车级Linux就是一个令人兴奋的创新项目。
红帽与通用汽车进行合作,将红帽车载操作系统集成到通用汽车的Ultifi平台,加快通用汽车软件定义车辆程序的开发,使这些复杂的车辆更新更简单、更便捷。
红帽车载操作系统的目标是吸取红帽企业Linux的经验,利用开源创新,以更容易掌握的方式提供给客户,保证产品功能安全,提供安全认证。这样原始设备制造商在汽车使用寿命内可完全信任该产品,而且产品功能有安全默认值,可以接收安全补丁。
当然Matt Hicks也强调,红帽的重点一直在企业级产品,同时我们也参与一些项目将始终推动开源创新。
向着混合模式扩展
可以看到红帽正将RHEL和OpenShift推向边缘,像企业边缘、供应商边缘、设备边缘。Matt Hicks提到,这也是能从动态容器平台OpenShift转移到真正的嵌入式,拥有相同架构,能真正在设备边缘运行容器RHEL的强大之处。
例如处于设备边缘,RHEL9就推出了保障功能,第一,驱动Delta RPM更新或部分RPM更新的能力,如果处于低延迟或间歇性连接点,仍然可以有效地获取更新;第二,在更新时出现了灾难性故障,Podman中引入了容器,可检测到故障,并自动回滚到之前的版本;第三,合并安全默认值,可在其中真正信任设备启动及其连接回一个队列,以便进行管理。
“连续性非常重要。”Matt Hicks认为,特别是扩展至边缘时,运行消费软件的方式很重要,红帽不仅可提供软件,还支持客户选择如何使用该软件,这将是获取边缘能力的重要方法。
其实边缘也是混合架构的一部分,红帽正为多个云打造一个通用环境,让应用开发人员不用跨私有云、公有云、混合云环境操作。而且这也适用于边缘,在跨多个云及本地应用扩展至边缘。
在开源模式上持续创新
对于技术、合作伙伴、开源,下一条创新之路在哪里?
Paul Cormier表示,在所有合作伙伴和生态系统网络之间公平合作非常重要,包括与IBM合作。IBM与各种客户都保持着紧密关系,这也让更多客户了解红帽的产品和技术,可提供什么帮助,带来哪些优势。
红帽也与埃森哲扩大合作关系,参与埃森哲云优先计划,以便真正利用红帽的技术基础将其专业知识提供给客户。
“在商业世界中,许多商业开源都是从Linux开始的,而Linux之所以能在其内部和周围推动如此多的创新,是因为过去的操作系统都是专有的。”Paul Cormier说道。
红帽的产品策略是让开放混合云、开发模型和部署模型成为客户的一种选择。每一个可能创新的领域,红帽都会仔细选择,在适合的时间将技术和能力置于合适的位置。例如边缘首先选择电信行业在转向汽车行业。
未来新常态会始终受到开源影响,同时开源也会继续处于创新的前沿。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限,对抗性训练具主导作用,传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知,为AI图像处理技术改进提供新方向。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
香港科技大学研究团队开发了MOSS-ChatV视频AI系统,通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件,还能提供清晰的推理解释。研究构建了MOSS-Video数据集,采用动态时间规整算法训练模型,在多个视频理解任务上取得显著性能提升,为视频AI的可解释性发展开辟了新方向。