近日,全球开源软件先锋SUSE公司宣布与国际知名的信息通信网络产品与解决方案提供商烽火通信科技股份有限公司(以下简称“烽火通信”)签订合作备忘录,共同成立烽火SUSE联合实验室。此联合实验室是国内首家云存储联合创新及认证实验室,并率先通过了SUSE在中国地区的官方认证,具有对其它硬件厂商基于SUSE的兼容性认证资质。
烽火SUSE联合实验室集合了两家公司各自的核心优势,强强联合,将重点致力于加强双方在ICT领域的影响力和服务能力。此外,联合实验室不仅是烽火SUSE联合最佳实践方案中心,同样也是ICT综合解决方案验证展示中心。同时,联合实验室还将承担重大项目的POC验证的职责。
作为开源软件行业的领导者,SUSE凭借25年出色的工程设计、杰出的服务、和无与伦比的合作伙伴生态系统,为各行各业的企业客户提供了强大的产品和支持服务,帮助客户管理复杂IT环境、降低维护成本,安心管理关键业务。2016年11月,SUSE宣布收购HPE OpenStack云计算产品技术和团队,成为OpenStack领域重要的领导者。SUSE坚持为用户提供可靠、稳定的Linux操作系统以及基于云基础设施的服务,以开放的心态为用户提供服务。
烽火通信是国内优秀的信息通信设备与网络解决方案供应商,同时也是国家科技部认定的国内光通信领域唯一的“863”计划成果产业化基地。公司的主营业务立足于光通信,并深入拓展至信息技术与通信技术融合而生的广泛领域,长期耕耘国内、国际的运营商和信息市场。现在,烽火通信成为国家基础网络建设的主供应商,产品类别涵盖光网络、宽带数据、光纤光缆三大系列,并且已跻身全球光传输与网络接入设备、光纤光缆最具竞争力企业10强。
在“互联网+”时代,所有企业共同面临着重构核心竞争力的挑战,业务创新的需求驱动企业采用更加敏捷、高效的ICT设施,越来越多的企业业务向云平台迁移。毋庸置疑,基于云计算的云存储也在深刻地改变着所有产业的发展格局。CT与IT融合成为热点话题,我们即将迎来ICT融合时代。同时,依靠云存储而发展的ICT技术在为产业链上下游企业带来各式各样的挑战的同时,也带来了前所未有的机遇。
SUSE公司副总裁,亚太区及日本总经理江永清表示:“SUSE凭借25年的出色工程设计与杰出的服务,持续不断的在探索中谋求创新,以适应不断变化的企业级计算需求和技术应用,在动态的环境中帮助企业提高敏捷性、降低成本和管理复杂度。随着云技术的不断发展,SUSE顺应历史发展的脚步,投身与云存储与ICT技术的发展当中。此次十分荣幸能够与中国知名的网络解决方案提供商烽火通信开展合作。我们与烽火通信展开合作、成立云存储联合实验室,一方面,可以充分借助SUSE在众多行业的成功应用,使得烽火通信的产品发展得到不断地完善和突破;另一方面,烽火通信利用先进的ICT技术帮助SUSE实现市场的扩展,势必能提高我们双方对于ICT产业的服务能力,将SUSE和烽火通信的各类优质资源进行共享和集成,实现优势互补、合作双赢,全面提升双方的创新能力。”
烽火通信副总裁何建明表示:“烽火通信作为信息通信领域的重要参与者和构建者,一直积极适应客户网络建设的新思路以及新需求,在云计算以及行业应用软件领域,烽火通信投入了大量资源,增强了ICT服务能力。此次通过与SUSE的合作,共建联合实验室,将结合烽火通信的产品技术实力与SUSE的综合解决方案能力,共同为市场提供优质的服务,互利共赢,研究并推动云计算、云存储在中国乃至亚洲、世界领域的发展。”
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。