IBM 公司旗下的 Red Hat 表示,今日在波士顿举行的 Red Hat Summit 上发布的全新版本 Red Hat Enterprise Linux,是围绕混合云环境和人工智能工作负载对操作系统进行的全新构思。
然而,具体细节更多体现为务实的改进,而非空洞的愿景,例如更简化的管理、更智能的运维、更严密的安全防护以及跨工作负载一致的操作模型。
如今,每个软件应用程序都配备了生成式 AI 助手,而 RHEL 10 也不例外。其新推出的“copilot”名为 Lightspeed,旨在缓解 Linux 管理员长期短缺的问题。Red Hat 表示,Linux 管理员无需再翻阅文档或依赖传统经验,即可在命令行上直接获得上下文感知的推荐。
该功能融合了数十年来 RHEL 专属的专业经验,为故障排查、合规性和最佳实践提供帮助,既可提升生产力,也能为经验不足的员工提供培训支持。
Red Hat 全球高级首席产品经理 Scott McCarty 表示:“这实质上拓宽了 RHEL 的适用范围,使得培训不足的用户也可以更快捷地获取并应用我们的知识;架构师同样能从中受益,系统可以更清晰地展示生命周期数据与路线图,助力长期基础设施规划。”
RHEL 10 是首个整合符合联邦信息处理标准 ( FIPS ) 的后量子密码学技术的企业级 Linux 发行版,其中包括旨在抵御 “harvest now, decrypt later” 攻击的量子抗性算法。
商用级量子计算机的即将问世已在安全界引起担忧,因为它们可能在几秒内破解当今最强大的加密算法。“harvest now, decrypt later” 攻击旨在先采集加密数据,待量子处理器问世后再进行破解。
统一应用与操作系统管理 RHEL 10 同时通过全新的 “image mode” 引入了一种容器原生的操作模型。这并非意味着在软件容器中运行应用,而是以开发者管理应用时使用的声明式、基于镜像的方式来管理操作系统。
Red Hat 表示,统一应用与操作系统管理可以最大限度地减少配置漂移,并简化混合环境中的运营工作。用户能够借助一致的工具和技术,管理从容器化应用到底层平台的整个信息技术体系。
Red Hat RHEL 产品管理高级总监 Raj Das 表示:“Image mode 将基于容器的实践引入操作系统层,使得更新和回滚操作像执行一条命令那样简单,并同时降低了攻击面。”
借鉴 “shift left” 开发这一将测试、安全和质量检查等任务前移至开发生命周期早期的软件工程实践,Red Hat 正在扩展其 Insights 预测分析套件,将 AI 驱动的软件包推荐与路线图可见性整合其中。该公司表示,这些工具将帮助 IT 团队在构建阶段做出更明智的决策,从而避免在生产过程中返工。
例如,在构建镜像时,Insights 会根据部署需求推荐相关的附加软件包,以便在进入生产环境之前优化功能。此规划功能还提供对 RHEL 生命周期及 AppStream 版本发布的可见性,助力组织维持在受支持的版本上并规划升级策略。
隔离边缘 Satellite 基础设施管理产品现已整合 Insights 顾问功能,无需依赖活跃的互联网连接。这种隔离(air-gapped)模型专为严格受监管的行业或拥有严苛网络政策的场景而设计。
Satellite 6.17 现已支持 RHEL 的 “image mode”,进一步契合 Red Hat 的容器原生管理策略。Red Hat 表示,客户即便在受限环境中,也可以使用 Satellite 来管理整个 IT 体系。
RHEL 10 附带了为 Amazon Web Services Inc.、Microsoft Corp. Azure 以及 Google LLC 云环境预调优的镜像,进一步凸显了该公司对混合云战略的重视。此外,通过与无厂半导体公司 SiFive Inc. 的合作,也推出了针对 RISC-V 架构的开发者预览版,以推动新兴硬件平台的早期开发。
好文章,需要你的鼓励
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。