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
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
香港大学研究团队提出LightReasoner框架,通过让小型"业余"模型与大型"专家"模型对比,识别关键推理步骤并转化为训练信号。该方法在数学推理任务上实现28.1%性能提升,同时将训练时间、样本需求和词元使用量分别减少90%、80%和99%,完全无需人工标注。研究颠覆了传统训练思路,证明通过模型间行为差异可以实现高效的自监督学习,为资源受限环境下的AI能力提升提供了新路径。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
马里兰大学研究团队开发了MONKEY适配器,一种无需额外训练的AI绘画控制技术。该方法通过"两步走"策略解决了个性化AI绘画中主体保真与背景控制难以兼得的问题:先让AI识别主体区域生成"透明胶片",再在第二次生成中让主体区域听从参考图片、背景区域听从文字描述。实验证明该方法在保持主体特征和响应文字要求两方面均表现出色,为AI绘画的精细化控制提供了新思路。