红帽高级开发者Bastien Nocera在一篇博文中表示,公司正进一步整合/收缩其在桌面Linux上的开发工作。
这篇博文题为《新的责任》,其中提到红帽在今年6月就决定不再为RHEL打包LibreOffice。之后红帽公司解雇了Fedora项目负责人Ben Cotton。Nocera本人倒是没有被解雇,只是“被调到另一团队,负责处理红帽优先项目清单中的任务。”
Nocera还提供一条指向6月底一封电子邮件的链接,其中列出\他被迫停止开发的多个Fedora软件包。他表示自己只能把十分之一的工作时间分配给这些项目,并描述了目前已经被基本遗弃的开发方向:
我的管理链已经决定停止关于桌面蓝牙、多媒体应用程序(即totem、rhythmbox 和 sound-juicer)以及libfprint/fprintd的全部上下游工作。
在LibreOffice发布之初,红帽的Matthias Clasen曾表示该公司正集中精力构建工作站软件栈的其余部分:
我们正在调整RHEL for Workstations的工程优先级,重点关注Wayland协议中的空缺、构建HDR支持、开发颜色敏感任务所需的内容,外加工作站用户需要的多项其他改进。
这些确实都是目前桌面Linux的重大弱项。虽然对Wayland和Linux图形现代化的研发投资值得肯定,但此举的另一方面也就是对传统X11显示栈的进一步打击……我甚至怀疑,X.org服务器可能在红帽管理层眼中已然沦为“遗留”资产。
红帽目前在桌面领域的主要赚钱工具是Red Hat Enterprise Linux for Workstations,它专注于“高性能和图形密集型工作负载,例如动画、视觉效果(VFX)、计算机辅助设计/计算机辅助工程(CAD/CAE)以及科学研究。”
此类工作站的用户很可能还有另一台辅助计算机,例如Mac笔记本电脑等,用于执行电子邮件、Zoom、Teams或者Meet通话等相对简单的日常生产力工作。也就是说,他们的蓝牙耳机(例如Nocera在工作中使用的SteelSeries)需要接入的是这些设备,而并非RHEL/W机。
即使如此,此番调整对于GNOME项目来说也是一记沉重打击。根据GNOME维基条目中公布的信息,Nocera是该项目的核心开发人员。
其他Linux发行版之前就感受到了与GNOME项目难以合作,因此Linux Mint最近开始转向其他蓝牙工具。千万别以为这是什么新问题,Ubuntu创始人Mark Shuttleworth早在2011年就曾对此事发过牢骚。
另外值得一提的是,各Linux桌面之间存在大量重叠,几乎每个项目都有自己的一套工具来执行相同任务。正如我们最近在即将发布的GNOME 45项目公告中看到的那样,GNOME维护着图像查看器、媒体播放器、两个终端模拟器、两个文本编辑器等。而几乎所有这一切,在KDE、ElementaryOS Pantheon以及Xfce等中都能找到替代方案。
在多数情况下,某些独立项目已经在市场上明确占据了主导地位,例如Firefox和Chrome就全面取代了GNOME Web及KDE提供的三种网络浏览器,VLC则力压其他一切桌面媒体播放器。Linux Mint的XApps计划就对重复性工具做出了广受欢迎的比较,应该有更多发行版加入进来。此外,其中很多应用程序实际是各种底层框架的前端。例如,GNOME的蓝牙工具就依赖于底层的BlueZ技术栈。
技术大厂们很早就意识到,在桌面Linux身上几乎赚不到什么钱,因此这块市场才被留给了免费发行版和非营利组织——也可能正因如此,各参与方的开发工作间才存在大量重复。所以加强成果整合可能并不是坏事。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。