2020年2月14日,北京——IBM正式宣布,IBM Z和IBM LinuxONE已经可以全面支持Red Hat OpenShift容器平台。红帽(Red Hat)是混合云和企业级Kubernetes的领导者,已有1000多家客户使用红帽OpenShift容器平台。随着OpenShift 对IBM Z和LinuxONE的全面支持,容器和Kubernetes组成的敏捷云原生世界,将因IBM企业服务器的安全特性、可伸缩性和可靠性的加持,而如虎添翼。
IDC研究总监Gary Chen表示:“容器是新一代的软件定义计算,企业可以利用容器加速自身的数字化转型。IDC估计目前有71%的企业正在实施或者已经在定期使用容器和编排,并且IDC预测,全球容器基础设施软件的5年复合年增长率将达到63.9%,到2022年收入将超过15亿美元。”
不管是对混合多云还是企业计算而言,IBM Z和LinuxONE对OpenShift的全面支持都是一个重要的里程碑。OpenShift支持一次构建以及任意环境部署的云原生应用,如今则扩展到IBM Z和LinuxONE企业服务器上。这是 IBM 与红帽开发团队共同协作,并与早期客户密切探讨的成果。
如今,企业都希望以更快和更高效的方式将业务创新成果推向市场。容器可以将应用及其软件依赖项封装在一起,而Kubernetes可以提供功能强大的工具,用以管理大量容器并编排整个应用生命周期。
OpenShift则将Linux、容器和Kubernetes的核心开源技术相结合,增加开发人员工具和注册表等其他开源功能,并对用于企业生产的软件进行强化、测试和优化。
IBM Systems还与IBM Hybrid Cloud携手绘制了将企业软件生态系统引入OpenShift平台的可靠路线图。IBM Cloud Pak将关键的IBM和开源软件组件打包在一起,帮助实现更快的企业应用开发与交付。今天,IBM也同时宣布IBM Z和LinuxONE将支持IBM Cloud Pak for Applications,以支持企业实现现有应用的现代化和构建新的云原生应用。此外,正如去年8月宣布的,IBM还计划为IBM Z和LinuxONE提供额外的Cloud Paks功能。
通过将Red Hat OpenShift和IBM Cloud Paks的敏捷性和可移植性与IBM Z和LinuxONE的安全特性、可伸缩性及可靠性相结合,企业将拥有构建全新云原生应用的工具,同时也可以实现现有应用的现代化。在IBM Z和LinuxONE上部署Red Hat OpenShift和IBM Cloud Paks,不仅可以增强核心优势,还能带来以下益处:
IBM Z/OS Cloud Broker可以帮助OpenShift应用与IBM Z上的数据和应用进行交互。IBM z/OS Cloud Broker是首个通过更广泛的开发社区提供z/OS服务访问的软件产品。
在IBM Z和LinuxONE上使用OpenShift的客户还可以授权IBM Cloud Infrastructure Center来管理基础架构集群。Cloud Infrastructure Center是一款基础设施即服务(IaaS)产品,可简化基础设施管理,支持IBM Z和LinuxONE上基于z/VM的Linux虚拟机。
作为此次重要发布的补充,IBM还为您整理了如下资源作参考:
2020年上半年,IBM还将在SHARE、Red Hat Summit和IBM Think等一系列活动中,进一步探讨拥有面向IBM Z和IBM LinuxONE的Red Hat OpenShift与IBM Cloud Pak的企业混合多云环境,敬请关注。
IBM认为,Red Hat OpenShift对IBM Z和LinuxONE的支持对于企业级计算平台和混合多云来说,都是一个激动人心的时刻,因为它将两者紧密地结合在一起。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。