红帽公司跟随母公司 IBM 的脚步今天宣布在亚马逊AWS Marketplace上提供旗下Ansible自动化平台服务。
Ansible 是一款开源配置管理工具,可用于简化混合云基础设施的管理并可以自动执行复杂的操作。根据 6Sense Insights Inc.的数据,Ansible 的市场份额为31%,是同类产品中使用率排名第二,仅次于 Terraform。红帽的 Ansible 自动化平台最近在 Forrester Research Inc.的基础架构自动化平台Wave评选中被评为领导者。
红帽表示,使用 AWS 的客户现在可以在云中大规模部署自动化,无需学习新的工具或整合其他技术。AWS上的红帽 Ansible自动化平台服务与 AWS 计费系统配合使用,可在一个地方全面了解成本,同时还可计入与 AWS 达成的承诺支出协议。
红帽提供托管和自托管两种选项。自托管方案具有更高的定制性和配置灵活性,对受监管行业或希望管理自己的工具的托管服务合作伙伴非常有用。红帽托管和监控服务包括红帽提供的高级支持,可以更快速地部署和开发 Ansible Playbook。
红帽还表示已与 AWS 签署了战略合作协议,以更快地在 AWS Marketplace扩展红帽开源软件的可用性。该协议包括对红帽 OpenShift 服务的额外支持。红帽 OpenShift 服务是一个托管的 Kubernetes 平台,客户可以利用红帽 OpenShift 服务简化虚拟机迁移和应用现代化计划。 该协议还包括通过 AWS 上的 OpenShift 服务支持 OpenShift 虚拟化上的 Windows 虚拟化工作负载。
OpenShift 虚拟化和迁移工具包可以简化虚拟机的自动迁移,还可以对容器和虚拟机工作负载进行自动修复和调节。红帽 OpenShift 还可以在AWS EC2 裸机实例上作为自托管产品运行。裸机实例指专用于单个租户的物理服务器,通常支持需要高性能、高可靠性或特殊配置的工作负载。
在 AWS EC2 裸机实例上运行 OpenShift 虚拟化的好处是,可以将虚拟机工作负载迁移到云平台,同时还保持类似的性能和冗余级别。虚拟机和容器可以直接与底层硬件和基础设施交互,可以减少管理开销,消除对管理程序层的需求。
国际数据公司(International Data Corp)的研究总监 Gary Chen 表示,企业需要考虑优化虚拟化基础架构的最佳方式,目的将虚拟化基础架构用作支持现代应用和人工智能服务的“现代化引擎”。他表示,“企业现在都在寻找连接传统虚拟机和现代云原生应用的战略桥梁,为未来的创新铺平道路,同时保持运营的连续性。”
作为合作的一部分,红帽正在增强 AWS Marketplace 中红帽企业Linux AI 和 OpenShift AI 的选项。这两个平台旨在促进生成式人工智能模型的开发、测试和部署。增强功能包括提供“自带订阅”和私人服务,并支持由领先芯片供应商提供的人工智能加速器和图形处理单元。
红帽公司负责合作伙伴生态系统成功的高级副总裁Stefanie Chiras表示,通过加强与 AWS 的合作,红帽将为客户提供更多选择,客户可以在混合云上运行工作负载。她表示,此外,红帽同时也为客户在运行混合云工作负载方面提供了更多选择。
她补充表示,“人工智能正在成为下一个关键的企业 IT 决策,我们正在加速实现计算基础设施领域选择的多样性,使客户能够选择最适合自己独特的混合云人工智能战略和工作负载的硬件加速器。”
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。