在当今越来越依赖开源软件的世界中,SUSE CEO Dirk-Peter van Leeuwen 对那些试图通过添加自有知识产权来限制客户,从而稀释开源原则的供应商发出了严厉警告。
在与 SUSE 澳大利亚和新西兰 (ANZ) 区总经理 Ben Henshall 一起接受 Computer Weekly 采访时,van Leeuwen 强调了 SUSE 的方法,即专注于提供卓越的服务和多分发版支持作为成功的关键,而不是采用限制性的开源核心模式或付费版本。
他表示,SUSE 致力于一条不同的道路:"我们在支持、可靠性、稳定性等方面让企业能够轻松使用开源软件,我们对此感到非常自在。"
这种承诺转化为客户的实际利益,使他们能够选择最适合其需求的 Linux、Kubernetes 和其他开源技术版本。
他指出:"客户喜欢选择,但这些选择正在迅速被侵蚀。" SUSE 旨在通过积极支持广泛的 Linux 和 Kubernetes 发行版来应对这一趋势,确保客户在更换供应商时不会遭受重大中断。
与 Red Hat 等竞争对手相比,SUSE 提供更长的支持周期,这种灵活性进一步得到加强,van Leeuwen 认为这是公司在澳大利亚和新西兰以及其他地区强劲增长的因素。他说:"客户非常喜欢这一点。"
Henshall 详细阐述了 ANZ 企业面临的挑战,指出 Linux 的普及已经使重点转向在保持安全的同时优化开源业务生产力。
对大型组织来说,一个关键问题是管理软件物料清单,确保其应用程序和容器中每个组件的完整性。Henshall 承认这扩大了攻击面,但 SUSE 独特且明确的支持策略提供了解决方案,使企业能够在包含非 SUSE 产品的混合环境中安全地使用开源软件。这使企业能够专注于核心业务,无需进行昂贵和破坏性的改造。
除了安全性外,SUSE 还致力于推动创新。Henshall 表示,SUSE 提供标准化、安全的基础设施来支持生成式 AI 等新兴技术。van Leeuwen 也表达了类似观点,他以德意志银行将数万台服务器迁移到 SUSE 为例,说明了 SUSE 带来的成本节省和长期支持优势。
Henshall 强调了几个本地成功案例,包括一家公用事业公司利用 SUSE Rancher Prime 管理容器化应用部署,一家零售商使用 SUSE Manager 简化多样化 Linux 环境的补丁管理,以及一家保险公司通过 SUSE Rancher 在本地和云环境中部署应用程序,这些都不受限制性供应商协议的约束。他说:"没有其他供应商能做到这一点。"
Henshall 指出"SUSE 生活在现实世界中",公司承认异构性是生活中的事实,但提供了一种标准化的方式来对不同系统进行修补、更新、扩展和观察,节省的资金可以用于创新。
对于供应商来说,"你必须知道自己在做什么...这不是胆小之人能做的,"他说。
在工作负载持续增长、更多业务流程数字化、物联网 (IoT) 越来越多地投入使用的世界中,几乎所有事物都需要 Linux,但这需要能够从数据中心部署到边缘、根据需要扩展系统并保持修补的能力 - 无论它们是否容器化。
Henshall 表示,SUSE 的客户即使在拥有数千台设备的空隙零信任环境中也能完成所有这些工作。这并非易事,但 SUSE 使其变得简单且可持续,他补充道。
van Leeuwen 表示,SUSE 的信誉部分来自于它是最大的开源贡献者之一,以及其立即发布安全补丁的做法。"我们已经做这个 33 年了,所以这对我们来说并不陌生。"
当被问及公司还需要做什么工作时,van Leeuwen 首先提到需要建立 SUSE 品牌。为此,公司已将多个产品重命名 - 例如将 Rancher 改为 SUSE Rancher - 他说"这只是时间问题"。
van Leeuwen 表示,SUSE 一直在思考其产品组合的下一个补充,他提到了 2024 年收购全栈可观察性专家 StackState,这使 SUSE Rancher Prime 获得了可观察性功能。
市场需要选择,目标是确保 SUSE 成为客户首选的供应商 - 但 Henshaw 承认"在 ANZ 地区实现这一目标我们还有一些工作要做"。
一些客户将 SUSE 的独立性和欧洲所有权视为优势,这可能对公司有利,因为在美国总统特朗普实施广泛关税引发地缘政治问题的情况下,一些组织正在暂停招标以进行审查。
好文章,需要你的鼓励
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。