Apple 于本周一发布了一个开源的容器化框架,用于在 Mac 上创建和运行 Linux 容器镜像。
软件容器将应用程序及其依赖项组合成一个单元,在主机上运行于隔离环境中。由于它们基于符合 OCI 标准的镜像,用户可以借助 Kubernetes 等常用的编排工具在各种服务器环境和数据中心运行它们。
开发者通常选择使用 Mac,因为其硬件稳定且开发环境优秀,但他们可能正在编写运行于 Linux 环境中的服务器端应用或其他应用。对这些开发者而言,创建 Linux 容器让他们既能使用 Mac,又能获得与其代码目标一致的运行环境。
使用 Mac 的开发者目前已有一些创建 Linux 容器的选择,如 Docker、Podman、Orbstack 和 Lima。但至少在过去,Docker 和 Podman 的表现并不十分理想。
借助全新的 Apple 容器化框架,Apple 旨在提供一个开源平台,该平台利用 Swift 编程语言的优势,对 Apple Silicon 芯片进行优化,同时将安全风险降至最低。
与创建一个大型 Linux 虚拟机来承载多个容器不同,Apple 容器化框架借助其配套的容器 CLI 为每个容器创建一个独立的轻量级虚拟机(VM)。
Apple 的文档解释道:“客户端可以为每个容器创建专用 IP 地址,从而免去单独进行端口转发的需求。容器借助优化的 Linux 内核配置、最小化的根文件系统和轻量级 init 系统,实现了亚秒级启动速度。”
这种最小化文件系统有望使 Apple 容器更为安全。通过排除大部分核心工具和动态库,生成的容器减少了攻击面,并且预计所需的维护工作也更少。
据 Apple 介绍,使用其容器工具创建的容器所需内存比完整虚拟机少,同时启动速度可与共享虚拟机相媲美。
这就是其愿景。目前,该框架仍存在一些限制。Apple 设计这一框架时采用了尚未发布的 macOS 26 Tahoe 中的功能,在 macOS 15 Sequoia 上其能力则较为有限。(是的,macOS 的版本从 15 变为 26——命名方式正从版本号转为年份。)此外,对内存气球技术(一种允许虚拟机动态调整内存大小的方法)的支持目前仅实现了部分功能。
但在未来几个月内,Apple 容器化框架或将使使用 Linux 容器的工作变得更加便捷。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。